AI 外呼系统怎么验收？上线首月该盯的四张表与停机条件
上线第十二天，供应商的周报写着接通率稳定，业务负责人在会上说线索根本没法跟。两边看的是同一批数据，结论相反，因为验收时没人把“什么算通过”落在纸上——验收单上只有一句系统运行正常。AI 外呼系统怎么验收，问题不在标准高低，在于标准是形容词还是动作。一份公开的智能外呼落地方案把试运营定在三个到七个工作日、样本从真实名单里按标签随机抽，它给的不是通用答案，但至少说明验收可以被拆成动作。
效果受名单、时段、话术、季节一起影响，两周的样本分不清是哪一项在起作用。所以验收期该验的是说好的东西有没有出现：话术分支是不是按方案配的、数据有没有回写到 CRM、投诉和退订有没有兜住、线路断了多久恢复。这些事有就是有，没有就是没有，不需要争。
对应四张表：功能验收表，逐条列功能和它的判定方式；指标基线表，写清每个指标的定义、口径和取值周期；数据流向表，标出名单从哪进、结果往哪去、字段怎么映射；故障与响应表，列清故障类型、响应时限和对接人。四张表在上线前定，别在验收会上补。
样本要够小也够杂。从真实名单里按客户标签随机抽，量级在几百到两千条之间，覆盖不同来源、不同地区、不同时段。抽太少看不出波动，抽太多出问题的代价又太大。观察节奏按天算，每天固定时间看一次，不要攒到周末一起看。
过关的判定按连续达标来定，比如连续三个工作日关键指标不低于约定值且无重大故障。这个连续很重要，单日数据好看可能只是当天名单好，撑不过一周就露馅。
四类测试不要取平均分。一项合规上的失败，比其余几项都通过更严重——退订没生效、录音没留存，这类问题一旦出现，前面跑得再好都得停。判定方式直接写任一项不通过即暂停放量，别留模糊地带。
上个月的数据受名单和季节影响，比出来的差异说不清是谁造成的。更干净的做法是做一次对照：同一批名单拆两半，一半给 AI，一半给人工，同一时段打，合格线索的定义提前写死。两边各跑一周，看单条可跟进线索的成本，也看线索质量——人工筛出来的线索，跟进后的接通率往往更高，这个差要算进去。
虎迅客做的是 AI 外呼机器人与电销系统，意向分级之后按档位分流，够格的当班转人工，通话结果与标签回写到 CRM 管理系统；验收时可以直接按任务、按时段把通话记录导出来对，不必让供应商另做一套报表。
验收的另一半在合同里。四条要写清：空号、忙音、拒接这类无效通话怎么计费；平台或线路故障的响应时限与补偿；有没有最低消费和强制续约；终止时数据怎么导、多久交付。这四条不是小事，它们决定了出问题时你手里有什么。
触发停机的条件也要提前定，而且要定成可数的：单日投诉数超过约定值、退订率异常上升、线路中断超过约定时长且未恢复。写严重影响业务这种表述，等于没写。
首月该看的是稳定性：每天的通话完成率波动大不大、转人工的接通成功率高不高、数据回写有没有漏。这三项稳了，后面才谈优化。首月不该看的是转化率和单周成交——样本量太小，波动全是噪音，拿它做判断只会把话术改坏。
在虎迅客平台上跑的一批账号里，首月最容易出问题的不是话术，是回写：通话结果在系统里有，CRM 里没有，销售拿着名单不知道谁跟过、跟到哪一步。这类问题在验收时最容易漏，因为它不影响通话本身，只影响后面所有人的时间。
两周到一个月比较常见，取决于名单量和业务复杂度。试运营一周跑稳定性，之后一周看连续达标，再留一周处理发现的问题。时间不是关键，关键是验收单上每条都有判定方式，否则拖三个月也验不完。
合同里没写就基本退不了。多数合同把验收写成系统交付并正常运行，运行正常和效果达标是两件事。要留退路，得在签约时把关键指标的定义和阈值写进去，并约定未达标时的处理方式——补量、延期、折扣或者终止，写清一种就比空着强。
不封号这类承诺写进合同也难执行，因为封号的原因可能在名单、在频次、在话术，不全在系统。更实际的写法是约定双方的合规责任：线路资质由谁提供、频控规则由谁配、投诉由谁处理、出现停机后多久恢复。责任分清楚，比要一句承诺有用。
几百条起步，覆盖不同来源和地区。样本太少，一天的数据波动就能盖过真实差异；样本太多，出问题的成本又高。判断样本够不够，看同一个指标连续几天是否稳定，稳定了再加量；一直在跳，说明样本或名单还不干净。
要动手，把现在这份验收单拿出来，逐条问一句这一条怎么判定通过。答不上来的那几条，就是上线后要扯皮的地方；把它们改成可数的动作，再谈放量。