收益：
- 能够建立安全边界，减少价格、承诺和政策问题上错误信息的风险
- 能够设计保护客户个人数据的安全提示和流程（符合 KVKK）
- 能够建立包括人工批准和审核的质量保证 (QA) 周期
面向客户的人工智能（AI）对于企业来说既是巨大的机遇，也是巨大的风险。营销文案中的错误可以被纠正；但向客户提供错误的价格、错误的政策信息或无法兑现的承诺意味着直接失去信任、财务损失和法律问题。 “机器人告诉我”的防御救不了你；这是公司对客户的责任。
在最后一个单元中，我们构建了一个框架，可以保护您在前 11 个单元中学到的所有内容。它基于三大支柱：准确性（不提供虚假信息）、隐私（保护个人数据）和控制（人类同意）。这三者是将人工智能从风险来源转变为可靠的商业工具的安全带。
注意：本单元提供了一个总体框架。您所在行业的法规（消费者权利、KVKK、商业信息规则）可能会施加额外的义务；合规的最终责任在于您的机构。
三大风险，三大支柱
- 错误信息（幻觉）：模型发明了价格/政策/承诺。专栏：经过验证的来源+人工批准。
- 侵犯隐私：客户个人数据（姓名、电话号码、ID、付款）进入不安全的工具。列：掩蔽+批准的车辆（KVKK 合规性）。
- 越权：机器人/代理做出无法交付的承诺（折扣、确切日期、保证）。立柱：明确管辖+护栏。
每个客户接触的人工智能流程都必须同时管理这三种风险。
避免错误信息：准确性层
准确性的黄金法则：关键信息（价格、政策、承诺）来自经过验证的来源（记住 RAG 单位），而不是来自模型的记忆，当不确定时，模型保持沉默并移交。 “要么保护，要么传递”的原则从源头切断错误信息。
循序渐进：安全质量周期 (QA)
- 按风险分类。答案是低风险（一般信息）还是高风险（价格、承诺、退款金额）？
- 把人的门放在高风险上。这些响应在发送之前需要人工批准。
- 连接到源。关键信息应基于经过验证的文件，而不是捏造的。
- 屏蔽个人数据。如无必要，请勿进入；如有必要，请匿名。
- 通过抽样检查。一些自动回复会定期接受人工检查。
- 反馈。收集错误并更新提示和护栏。
可复制的提示
在发送响应之前提示扫描风险：
在发布之前检查并标记该客户的回复：- 是否存在未经验证的价格、费率或金额？- 保单/规则索赔是否有来源，或者可能是捏造的？- 是否有任何超出权限的承诺（确切日期、保修、折扣）？- 是否包含不必要的个人数据（姓名、电话、ID、地址、付款）？列出带有“高/中/低风险”标签的每个发现以及纠正建议。响应：{{reply}}
提示屏蔽个人数据（进入车辆之前）：
屏蔽以下文本中的个人数据：姓名 -> [姓名]、电话 -> [电话]、电子邮件 -> [电子邮件]、TR/ID -> [ID]、地址 -> [地址]、卡/付款 -> [付款]。保留问题的含义和技术细节。文本：{{文本}}
将高危问题引导给人类的护栏提示：
切勿自行回应这些问题；相反，请说“我将其转交给代表”：确切的价格/折扣、合同/退款金额争议、法律/医疗/财务建议、个人数据更改、安全/欺诈嫌疑。您可以回答此列表之外的一般知识问题。
定期质量审核 (QA) 的抽样提示：
以下是最后 X 个答案中的 10 个随机答案。对于每一个，评估：准确性（是否适合来源）、语气（是否有同理心/适当）、融洽关系（是否有任何滥用/个人数据泄露）。按重要性顺序对有问题的问题进行排序，并用一句话总结重复出现的错误模式（例如，“他一直在赶时间”）。答案：{{ 示例 }}
弱方法/强方法
糟糕的方法
强硬的做法
未经批准发送所有回复
高风险人工审批网关
将价格/政策与型号相匹配
链接到经过验证的来源
按原样将个人数据输入车辆
戴上面具并在获得批准的情况下驾驶
当错误发生时一一修复
通过审核+反馈解决根本原因
不同之处在于，强方法建立了一个“在错误发生之前预防错误”的系统，而不是“在错误发生时修复它”。
三个迷你箱
案例1——伪造退款金额。机器人说：“退货时您将获得 850 TL”；而实际金额不同，机器人无法知道这一点。风险筛查提示在之前的测试中就曾检测到此类“未确认金额”的输出。该团队将所有包含金额的响应连接到人工审批门；错误的退款金额再也没有发送给客户。
案例 2 — 掩盖受保护的隐私。一位代表想要总结一份很长的投诉，其中包括客户的姓名、电话和订单信息。他首先运行了屏蔽提示；个人字段变成了 [NAME]、[PHONE] 标签。摘要具有相同的质量，但没有不必要的个人数据被引入到该工具中；根据 KVKK 创建了安全流程。
案例 3 — 审计发现根本原因。在每月的 QA 抽样中，人工智能发现了一个重复出现的模式：机器人询问“它什么时候到达？”他不断地在脑子里为自己的问题设定最后期限。这不是一个单一的错误，而是一个根本原因。团队在护栏中添加了交货日期问题，并制定了“只转移系统中的日期，否则转移”的规则。一次修复就避免了未来的数十个错误。
提示：保持“高风险”列表简短、清晰；但必须包括：金钱（价格、退货、折扣）、时间（确切的交付承诺）、政策例外和个人数据变更。这四个领域是客户联系人工智能中最常发生且代价高昂的错误的地方。
责任到哪里为止？
最重要的原则是：人工智能是速度和质量的倍增器，而不是负担。对客户做出的每一个承诺、每一个价格、每一个承诺都对公司具有法律和商业约束力。这就是为什么人工智能一直处于“产生草案、传递信息”而不是“做出决策”的位置；在关键决策中，人类的认可不是奢侈品，而是必需品。在一个完善的系统中，人工智能处理 90% 的日常事务，人类负责 10% 的关键决策并承担所有责任。
注意：“当模型足够发达时，就不需要人类监督”的想法是危险的。无论模型有多好，它偶尔也可能会产生虚假的自信语气；在与客户联系的业务中，所需要的只是一个错误的价格或承诺。人类获得认可的途径不是牺牲速度，而是以信任为代价。
常见错误
- 在未经人工批准的情况下发送高风险（价格、承诺、退货）响应。
- 不将关键信息归因于经过验证的来源并依赖于模型的记忆。
- 在未隐藏个人数据的情况下进入不安全的车辆（违反 KVKK）。
- 未定义 Guardrail（高风险主题列表）。
- 一一修复错误并跳过更新根本原因（提示/规则）。
- 认为它把责任推给了AI或者工具提供商。
综上所述
- 与客户接触的人工智能必须同时管理三种风险：错误信息、隐私泄露、过度授权。
- 为了准确性：将关键信息链接到经过验证的来源，不确定时委托他人。
- 为了隐私：屏蔽个人数据，仅使用经过批准的安全车辆 (KVKK)。
- 将高风险问题（金钱、时间、政治、个人数据）与人工审批门连接起来。
- 通过抽样检查错误并消除根本原因；最终的责任始终在于人类。
应用任务
为您自己的客户联系流程准备一个“安全套件”：(1) 编写高风险主题的护栏列表（最低资金、时间、政策、个人数据），(2) 通过风险筛选提示运行示例客户响应并标记结果，(3) 使用屏蔽提示清除包含个人数据的文本，(4) 定义每周 QA 抽样程序（多少响应、由谁检查、在哪里记录错误）。最后，列出哪些类型的决策永远不会在未经人工批准的情况下进行。
清单
- [ ] 我为高风险主题定义了一个防护列表。
- [ ] 我已将重要信息链接到经过验证的来源。
- [ ] 我隐藏了个人数据并仅使用经批准的车辆。
- [ ] 我对高风险答案设置了人工审批门。
- [ ] 我建立了定期的 QA 抽样和反馈循环。
- [ ]我在这个过程中明确表示，最终的责任在于人。
模块考试
1. 为客户支持聊天机器人编写系统提示时最关键的元素是什么？
- A) 明确定义机器人的角色、范围、边界，并在其不知情时将其交给人类 ✔
- B）要求机器人为每个可能的问题提供答案
- C) 使系统提示尽可能简短并且不提供详细信息
- D）使机器人在所有情况下都幽默且友好
说明：应该明确定义机器人的角色、范围，尤其是其限制（它不能做什么，何时将其移交给人类）。否则，机器人可能会做出未经授权的承诺或就其不了解的主题生成虚假信息。
2. 使用人工智能对工单进行分类时，获得一致且自动化的结果的最佳方法是什么？
- A) 将每个请求总结为自由文本，不强加格式
- B) 提供预定义的类别、固定的紧急程度和不可变的输出格式 ✔
- C) 将类别列表留给模型，让它每次自己查找。
- D) 仅按长度对请求进行排序
描述：为模型提供预定义的类别列表、固定的紧急级别和不可变的输出格式（例如 JSON），确保在不同的请求中获得一致且机器可处理的结果。每次将类别放入模型中都会产生不同的标签。
3. RAG（基于知识的生产/检索增强生成）方法的主要目的是什么？
- A）使模型能够给出更有创意和原创的答案
- B) 缩短模型的响应时间
- C) 模型的响应基于所提供的最新且经过验证的源文档 ✔
- D) 要求模型在所有情况下都连接到互联网
解释：RAG不记住模型的答案；它使其能够生成在提出问题时检索到的更新且经过验证的源文档。这提高了准确性并大大减少了捏造的信息（幻觉）。
4. 在从知识库生成答案时，如果给定资源中没有问题的答案，模型应该怎么做？
- A）根据他的常识做出一个似乎合理的猜测
- B）复制并给出类似主题的现成答案
- C) 不回答问题并默默地结束对话
- D) 声明他/她没有该信息并引导客户找到正确的来源/机构 ✔
说明：模型不应伪造源中没有的信息；它应该明确声明它没有该信息，并引导客户找到官方或正确的来源。这消除了错误信息的风险。
5. 为愤怒的客户起草支持回复的最佳方法是什么？
- A）直接讨论技术解决方案而忽略情感
- B) 以防御性的方式解释客户有过错
- C) 保持回应尽可能正式和疏远
- D) 首先以同理心识别情绪，然后提供明确的解决方案或下一步 ✔
说明：首先需要识别情绪并表现出同理心，然后清楚地提出具体的解决方案或下一步。直接跳到技术解决方案或忽略情绪会增加紧张感。
6. 将支持响应调整为实时聊天而不是电子邮件时，最好的改变是什么？
- A) 将文本逐字复制到聊天中，而不进行更改
- B) 使文本更加正式并添加签名块和主题标题
- C) 缩短和分割文本以适应演讲和下一步的节奏 ✔
- D) 在一条消息中提供尽可能多的技术细节
描述：实时聊天简短、快速且对话式。长电子邮件块；将消息转换为简短、碎片化且专注于单个下一步的消息适合该渠道。将相同的文本从一个频道移动到另一个频道而不进行更改会破坏体验。
7. 在利用人工智能支持来确定潜在客户（潜在客户）资格时，最健康的方法是什么？
- A) 构建 AI 输出 (ICP/BANT) 并标记需要验证的假设 ✔
- B) 将所有人工智能生成的信息作为真实信息处理到 CRM 中，而不进行验证。
- C) 仅根据公司员工人数进行资格认定
- D) 向每个潜在客户发送相同的一般消息并跳过资格
描述：人工智能可以根据公开信息生成结构化简报；但此输出可能包含假设。通过标记需要验证的假设并将其放置在ICP/BANT等框架中来使用限定结果是正确的。毫无疑问地接受输出结果是有风险的。
8. 有效的冷销电子邮件最重要的原则是什么？
- A) 详细解释公司的所有特点和成就
- B) 关注买家的问题/目标，保持简短并给出一个明确的 CTA ✔
- C）向尽可能多的人发送相同的一般文本
- D) 在第一封电子邮件中立即分享详细的价目表
描述：有效的销售电子邮件以收件人为中心，而不是以发件人为中心：它们解决客户问题或目标，简短且个性化，并包含一个明确的下一步 (CTA)。列出公司的所有功能将会错过买家。
9. 当用人工智能准备提议/建议文本时，最能增加输出说服力的元素是什么？
- A) 仅列出一长串规格
- B) 保持报价足够笼统和模糊，以适合每位客户
- C) 完全不写价格，只添加赞美句
- D) 建立与客户需求和目标相关的以利益为导向的叙述 ✔
说明：以利益为导向的语言编写报价，与客户的需求和目标相联系，可以增加其说服力。仅提供规格列表会让客户想知道“这能给我带来什么？”留下他一个人提出问题。
10. 准备针对销售异议（“您的价格太高”）的人工智能回复时，最好的方法是什么？
- A）忽略反对意见并转到另一个话题
- B) 立即无条件提供大幅折扣
- C) 通过识别异议并重新定义价值/利益来针对客户做出具体回应 ✔
- D) 指责顾客不了解产品
澄清：首先识别异议，然后重新构建价值/利益并提供针对客户的响应是有效的。给予大折扣，立即降低价值；忽视反对意见会破坏信任。
11. 将采访记录处理到 CRM 中时，人工智能预期最有价值的输出是什么？
- A) 将笔记构建为摘要、决定、后续步骤和职责 ✔
- B) 按原样复制笔记，不进行任何更改
- C) 只是让笔记更长更花哨
- D) 只记录通话的持续时间和时间
描述：零散的笔记；采用结构化格式，例如摘要、做出的决策、后续步骤（行动）和负责人，可以让团队更轻松地遵循。按原样复制注释或简单地扩展它不会产生价值。
12.确保与客户接触的人工智能输出中“不提供虚假信息”的最佳方法是什么？
- A）给予模型完全的权力，让它自己做出每一个承诺
- B) 将关键信息限制在经过验证的来源，在不确定时进行授权，并增加一层人工批准 ✔
- C) 删除所有速度检查并直接发送输出
- D) 如果发现错误信息，等待稍后更正
描述：型号；价格、政策和承诺等关键信息不应捏造，而应仅从经过验证的来源获取，并在不确定时交给人类。批评性的回应应该经过人工验证。
13. 如果支持专家想让人工智能工具总结包含姓名、电话号码和订单信息的客户投诉，他应该怎么做？
- A) 按原样粘贴信息并获得最快结果
- B) 假设在文本末尾添加短语“机密”就足够了
- C) 对个人数据进行屏蔽和匿名化和/或使用经过公司保证的批准工具 ✔
- D) 认为发送信息然后删除对话可以消除风险。
说明：不必要时，个人数据（在 KVKK 范围内）不应输入第三方工具。正确的方法；掩盖和匿名身份信息和/或使用具有公司数据保证的批准工具（不在教育、存储政策中使用数据）。
14. 设计多步骤销售跟进序列时的最佳原则是什么？
- A）每天发送相同的提醒消息
- B) 在每条消息中添加新值并以合理的时间间隔继续进行 ✔
- C) 不断增加消息频率，直到收到响应。
- D) 如果未收到第一个回复，请将整个系列放入一封长电子邮件中。
描述：每条后续消息都应添加新值（内容、大小写、不同角度），并且应以合理的时间间隔发送。短时间内重复相同的“只是提醒”消息会让人不知所措，并且会降低响应率。
15. 在为支持和销售团队建立质量保证 (QA) 周期时，人工智能应发挥什么作用？
- A) AI生成草稿；关键响应由人类审查和批准，责任在于人类✔
- B) AI发送所有响应而不进行确认；人们只有在有抱怨时才会看
- C）如果人工智能足够先进，就不需要人类监督。
- D) 责任在于提供工具的软件公司
描述：人工智能生成回复草稿并提高一致性；然而，对客户的关键回应，特别是那些涉及价格/承诺/政策的回应，应该由人工审查和批准。最终的责任始终在于人类团队。