AI销售自动化最容易犯的管理错误，是把工作简单分成“人工”和“自动”。真正实用的分法应该看出错后果：可以撤回、低风险、重复量大的事情，让机器多做；一旦错误可能伤害客户关系、造成虚假承诺、泄露敏感信息，或者代表公司答应价格、退款、合同条件，就必须让人进入决策链。
NIST的AI风险管理框架强调的是按风险管理，而不是给所有场景套同一套控制。[1] 美国FTC近年的执法也反复说明，企业用了AI，并不会因此获得对虚假或误导行为的豁免。[2][3]
对销售团队来说，可以直接落成一句话：
越不可逆的动作，人工复核越要靠前。
把销售自动化分成四个区域
绿色：默认自动化
这些事情通常适合机器直接处理：
- 整理CRM备注；
- 公司与联系人去重；
- 将回复粗分到不同跟进队列；
- 把通话内容整理成内部摘要；
- 根据已核验来源生成研究初稿；
- 建议下一次跟进日期；
- 从标准表单里抽取字段。
即便是绿色区域，也应该抽检。错误率只有2%的分类器，在每天处理几千条数据时，也可能制造不少错误分配。
黄色：自动生成，定期抽检
例如：
- 普通跟进邮件初稿；
- 邮件主题变体；
- 会议纪要草稿；
- 潜客评分建议；
- 下一步行动建议；
- 非敏感FAQ回复。
这些内容可以不逐条人工审批，但要持续看修改率、投诉率和错误率。最重要的是，系统不能悄悄从“帮我写草稿”升级成“未经批准直接发送”。
橙色：发出前必须人工批准
以下情况建议设置明确的人工闸门：
- 根据推测信息做高度个性化的冷邮件；
- 超出标准范围的折扣与价格；
- 涉及性能、节省金额、兼容性、合法性、效果的数据或结论；
- 面对生气或投诉中的客户；
- 涉及竞争对手的内容；
- 退款、取消、续约、合同条款；
- CRM记录明显不完整；
- 面向监管严格或高敏感行业的外联。
审核人不能只看到一封写得很漂亮的邮件，还应该看到“这句话依据什么”。否则所谓人工复核，只是第二个人相信同一个错误。
红色：最终权力不要交给自动系统
例如：
- 代表公司签署或接受合同；
- 保证客户一定获得某种经营结果；
- 替客户作出法律、医疗、金融、合规结论；
- 决定披露敏感或保密信息；
- 没有明确授权就给出重大退款或信用额度；
- 冒充真人，或者在应披露自动化身份时故意隐藏；
- 为了掩盖错误而修改记录。
FTC在2024年的“Operation AI Comply”行动中处理了多项涉及AI虚假宣传、商业机会和虚假评论等问题的案件。[2] 2025年针对Air AI等主体的诉讼，也涉及对业务增长、收益及退款承诺的争议性宣传。[3]
这里真正值得销售团队记住的，不是“AI不能用”，而是AI不能替公司编造证据和保证。
不要按职位审批，要按触发条件审批
“销售员能用AI，经理负责重要事情”几乎没有执行价值。
更好的做法是把人工复核做成系统能识别的触发器：
| 触发条件 | 风险 | 动作 |
|---|---|---|
| 折扣超出授权区间 | 毛利与权限风险 | 经理审批 |
| 出现数字化效果声明 | 准确性风险 | 核验来源 |
| 客户投诉或提到法律争议 | 升级风险 | 转人工负责人 |
| 个性化内容找不到来源 | 幻觉风险 | 删除或重新调查 |
| 客户要求解释合同 | 法律/商业风险 | 转授权人员 |
| 提示词或输出含敏感字段 | 隐私风险 | 停止并检查 |
| 检索资料明显不足 | 可靠性风险 | 人工复核 |
| 连续三次自动跟进无结果 | 客户关系风险 | 停止序列 |
这张表可以测试、统计，也能真正写进自动化流程。
审核人需要证据，不只是“批准/拒绝”按钮
一个很差的审核界面，只显示最终文案，然后让人点Approve。
更好的界面至少显示：
- 系统用了哪条客户资料；
- 非显而易见的事实来自哪里；
- 哪些内容是推断，不是检索所得；
- 批准以后系统会执行什么动作；
- 当前有效价格、优惠和条款；
- 这段内容有没有在其他渠道发过；
- 系统为什么挑中这个客户、为什么建议这个动作。
这样审核才是在“验证”，而不是帮AI校对语法。
还要反过来考核人工复核机制
不要把“自动化率90%”当目标。真正应该追踪的是：自动化有没有减少劳动，同时没有制造更贵的错误。
可以看：
- 事实性修改率；
- 人工修改后才发送的比例；
- 错误潜客评分率；
- 不同自动序列的投诉/退订率；
- 审批耗时；
- 被政策触发器拦截的消息数量；
- 有明确来源的事实声明比例；
- 重复或互相矛盾的跟进次数；
- 因自动化错误产生的退款/折扣例外。
如果审核员几乎每封都一秒通过，只有两种可能：系统真的极好，或者人工审核已经沦为形式。抽查一批历史结果就能分辨。
小团队也能执行的每周治理
五个人的公司不需要成立一个庞大的“AI委员会”。
可以这样做：
周一：看上周人工修改记录、客户投诉和退订，新的错误模式加入触发清单。
周中：从绿色、黄色自动动作里随机抽几条，包括原本没有人工审核的内容。
周五：集中复盘橙色、红色事件，更新允许使用的产品数据、价格、效果声明与话术。
每月一次：故意测试异常情况——客户资料缺失、公司认错、价格已变、客户说“不要再联系”、客户突然问法律问题、外部资料检索失败。系统如果仍然照常往下发，说明治理机制没有真正生效。
哪些团队需要更严格
个人顾问、普通零售、电商、医疗供应商、金融销售团队，不应该使用相同的复核阈值。数据敏感程度、产品风险、客户类型、错误成本以及所在法域都会改变答案。
本文提供的是运营框架，不构成法律意见。隐私、广告、电话营销、行业监管与AI相关规则，应由企业按照业务所在地和客户所在地进一步确认。
今天就能采用的一条规则
任何自动销售动作发出去前，问五个问题：
- 这个动作能不能轻易撤回？
- 每一个事实性说法能不能找到来源？
- 它会不会给公司造成财务、法律、安全、隐私或声誉承诺？
- 客户是不是已经投诉、退订或在争议中？
- 如果客户要求看依据和审批记录，我们敢不敢完整展示？
第一项如果不能撤回，或者后四项任何一项存在明显风险，就转人工。
好的销售自动化，不是把人全部拿掉，而是把人的判断力放在最值得花判断力的地方。
延伸阅读
资料来源
- NIST，AI Risk Management Framework，访问日期2026-10-02：https://www.nist.gov/itl/ai-risk-management-framework
- U.S. FTC，“FTC Announces Crackdown on Deceptive AI Claims and Schemes”，2024-09-25：https://www.ftc.gov/news-events/news/press-releases/2024/09/ftc-announces-crackdown-deceptive-ai-claims-schemes
- U.S. FTC，Air AI相关诉讼公告，2025-08-25：https://www.ftc.gov/news-events/news/press-releases/2025/08/ftc-sues-stop-air-ai-using-deceptive-claims-about-business-growth-earnings-potential-refund