先说结论：AI 审单最大的坑不是漏网，是误杀。
这事分两面。一面是骗子、盗刷、薅羊毛的，一年能吃掉你几个点的利润；另一面是 AI 把正常订单当骗子拦了，客服被骂、复购掉了，损失一点不比骗子小。我见过太多仓，上了 AI 审单，拦截率是上去了，误杀率也跟着上去，最后客服团队比骗子还恨这套系统。
说白了，AI 审单这事，拼的不是模型多牛，是阈值调得准不准、分级做得细不细。
亲历的坑：一套 AI 审单，拦掉了 300 万的大客户
2025 年初，一家做 3C 配件的客户上了 AI 审单。模型是外包公司做的，号称"准确率 99%"。上线第一周，系统自动拦截了 200 多单"高风险订单"，其中一单是合作三年的大经销商——对方财务换了付款账号，触发了"账号异常"规则，5 万美金的货被卡了三天。客户老板直接打电话来骂："你们的 AI 是在帮我，还是在赶我的客户？"
问题出在哪？模型的"准确率 99%"，是拿历史数据测的。历史数据里骗子只占 1%，模型只要把所有单子都判成"正常"，准确率就有 99%。这就是典型的指标游戏。
更坑的是，误杀的单子不会自己喊冤。骗子被拦了会换号再来，正常客户被误杀一次，可能永远不回来了。漏网之鱼看得见，误杀的客户看不见——这就是 AI 审单最阴的地方。
还有一类误杀更隐蔽：季节性大单。黑五前，一个老客户下了平时 10 倍的量备货，模型一看"金额异常"直接拦截。客户急着要货，电话打到老板那，老板把技术负责人骂了一顿。这种误杀，账面上看是"拦截成功"，实际是赶客。
解决办法：三级分流，别搞一刀切
我们后来给这家客户改的方案，核心就四个字：分级处理。
| 风险等级 | AI 动作 | 人工动作 | 例子 |
|---|---|---|---|
| 高风险 | 自动拦截 | 人工复核后放行/取消 | 盗刷卡、黑名单地址 |
| 中风险 | 标记＋延迟发货 2 小时 | 客服电话确认 | 新账号大额单、异地登录 |
| 低风险 | 直接放行 | 抽查 1% | 老客户常规单 |
关键在中风险这一档。原来一刀切的模型，把中风险全当高风险拦了。改成"延迟 2 小时＋电话确认"，误杀率从 3% 掉到 0.5% 以下，客服每天多打 20 个电话，但保住了客户。
阈值怎么调？我的土办法：先松后紧。上线第一个月，阈值放宽松，宁可漏网不可误杀，把误杀案例一条条攒下来；第二个月，针对攒下来的误杀 case 调规则。三个月下来，阈值才是你自己的。那些"开箱即用"的阈值，都是别人的。
另外，规则要分品类调。3C 数码的欺诈模式和服装完全不一样：数码是盗刷重灾区，服装是"薅运费险"的多。一套阈值打全品类，等于用一把钥匙开所有的锁——开不开，全看运气。
这笔账：人工审单 vs AI 审单
人工审单：一个审单员一天看 300 单，月薪 5000 美金，一单成本约 0.8 美金。而且人会累、会漏，旺季根本看不过来。 AI 审单：系统一次性投入（几万美金量级，看复杂度），边际成本几乎为零，一天看 10 万单不眨眼。
但账不能这么算。误杀一单的代价：一个客单价 200 美金的客户，获客成本 50 美金，误杀一次，50 美金打水漂，还可能丢了终身价值。按这个算，误杀率每降 1 个点，省的钱比 AI 系统本身还贵。
所以我的 verdict：AI 审单值不值得上，不看拦截了多少骗子，看误杀率能不能压到 1% 以下。压不到，就是亏本买卖。
反常识：AI 审单最大的价值，是"分级"不是"拦截"
很多人以为 AI 审单是抓骗子的。错了。骗子才几个？AI 审单真正的价值，是把 10 万单自动分成"放心发""看一眼""拦下来"三档，让人工只处理最值得处理的那 5%。
这事分两面：技术面是模型和阈值，业务面是流程和客服。只买技术不改流程，等于给旧流程套了个新枷锁。
一句话忠告：上 AI 审单之前，先问自己——误杀一个老客户，你赔得起吗？赔不起，就把阈值调松一点。漏网的骗子亏的是钱，误杀的客户亏的是命。
作者：老米｜20年美国供应链老兵，仓储解决方案顾问
给技术团队的三句话
第一，别迷信模型，规则引擎先行。80% 的欺诈靠规则就能拦（黑名单、金额阈值、频次限制），模型只处理剩下 20% 的疑难杂症。规则便宜、透明、好调，模型贵、黑盒、难解释。
第二，日志要全。每一单的判定依据（触发了哪条规则、模型打了多少分）必须留痕。没有留痕的 AI 审单，出问题时你连复盘都复不了。
第三，灰度上线。先拿 10% 的单子跑两周，对比人工审单的结果，误杀率达标再全量。直接全量上线的，都是勇士——我们当过一次勇士，不想当第二次。
