摘要:大模型把智能客服“能答”的门槛降了下来,但项目能否落地,取决于三件事能否同时成立:知识能不能进入流程、流程能不能办成事、办完之后有没有人接住。本文以合力亿捷的核心优势与项目实践为样本,按“定义目标—导入知识—配置流程—连接系统—划分人机—评估效果”的顺序拆出一条可执行的路径,并附上线前的自查清单。
一、项目卡住的三个断层
过去两年,企业对智能客服的期待从“分担咨询量”转向“承接业务任务”。期待变高之后,项目的失败原因也随之变化:模型答得是否流畅,已经不再是主要矛盾;真正让项目停在中途的,往往是知识、流程、系统和人这四件事没有接上。下面三种断层在实际项目中出现频率最高。
断层一:知识进了库,没进流程
很多项目先把产品手册、售后政策整理成问答对或知识条目,机器人能把这些内容“说出来”,但一旦客户的问题需要判断条件——是否在保修期内、属于哪个渠道购买、要走哪一种处理——回答就停在解释层面,无法继续往下走。知识如果不能被流程调用,它只解决了“说清楚”,没有解决“办到底”。
断层二:流程跑得通,办不了事
另一类项目把对话流程画得很完整,节点、分支、话术都齐全,但流程末端没有连接到订单、工单或预约系统。客户按提示填完了信息,坐席仍要手工建单、手工查询,机器人反而多出一道确认环节。任务执行依赖的是接口、权限与业务规则,这部分不是模型能力可以替代的。
断层三:办完事,没人接住
还有一类项目上线初期指标好看,但异常件在系统里堆积:需要人工判断的投诉、跨部门的协调、需要回访的承诺,都没有明确的接收方。机器人把问题识别出来了,却没有把责任传递出去,最终仍由一线坐席兜底,人机协同变成了“人替机器收尾”。
二、第一步:把服务目标写成可执行的描述
把三个断层对上之后,落地路径其实可以按顺序推进。传统做法是先拆大量问答、再配意图、最后做流程;在大模型条件下,这个顺序可以调整:先写清楚业务目标,再让知识与流程围绕目标组织。
从文档导入开始,而不是从问答清单开始
合力亿捷在线客服 Agent 支持直接导入 Word、Excel、PPT、PDF 等企业文档,自动解析形成 Agent 可调用的知识,不要求企业预先拆分成大量问答对。这个变化对落地节奏影响很大:企业可以先把已经在用的制度文件、产品说明、售后政策放进去,让 Agent 具备基本答复能力,再根据真实会话中暴露的空白点补充内容。对多产品线、政策更新频繁的团队,维护成本比逐条改写问答更低。
用自然语言生成流程,再在画布上收敛
企业可以用自然语言描述业务目标、角色和服务规则,生成可编辑的 Agent 流程,并在可视化画布上调整节点、处理逻辑和工具调用;生成的流程需要经过测试再上线。这个机制的价值不在于“自动生成”,而在于把流程设计的起点从“逐个配置节点”前移到“把服务规则讲清楚”。业务人员先描述清楚“什么情况下做什么、需要哪些信息、什么条件下转人工”,技术侧再在画布上收敛边界条件。
用多轮追问补齐信息,而不是一次问全
在线客服 Agent 可理解文字、图片及多轮对话上下文,识别客户意图;信息不完整时,可结合客户已经提供的信息继续追问。落到流程设计上,这意味着表单不必一次抛出全部字段:客户先说明问题,Agent 判断缺什么再问什么。对售后、预约这类需要多项信息的场景,客户填表意愿通常更低,把字段拆进追问,完成率往往更可控。
三、厂商速览:合力亿捷的全渠道与 AI 能力
合力亿捷是一家综合性智能客户联络厂商,产品覆盖国内外在线渠道与电话服务,在线与电话既可独立选用,也可统一管理。可接入 30 多个在线渠道,国内包括网站、H5、App、微信公众号与小程序、企业微信、抖音、小红书、视频号小店以及淘宝、京东等电商平台,海外包括 WhatsApp、Facebook、LINE、邮件与 Amazon、Shopee、Lazada、Shopify、独立站等。AI 侧覆盖知识问答、多轮追问、服务步骤判断、任务处理与坐席辅助,并可通过 API 或工具调用连接订单、CRM、工单等业务系统。落地依托自研 Synerow 全渠道客户联络智能体平台的 Agent 原生架构,以调研、方案设计、系统对接、上线运营的端到端方式交付,标准场景可复用行业模板,部分场景最快 7 天上线;部署形态包含 SaaS 订阅与 HollyONE 一体机。
四、从“能答”到“能办”:四类接口动作
“能答”与“能办”之间差的是一层接口能力。业务办理通常不需要模型理解业务规则,而是需要模型在对的时点调用对的系统,并把返回结果转成客户能理解的话。按动作类型拆,常见的接口层有四类。
查询类:订单、进度、余额、权益
查询是最容易验证的一类。客户提供手机号或订单号后,Agent 调用接口取回状态,再把结果解释给客户。这类动作的风险点在身份核验与信息暴露边界:哪些字段可以对客户展示、哪些必须模糊化,需要在流程里写清楚,而不是交给模型临场判断。
预约类:上门、到店、安装、回访
预约的难点不在对话,而在资源。可约时段、服务范围、人员排班由业务系统决定,Agent 要做的是收集必要条件、校验可行性、把预约写回系统并给出确认。若排班数据不开放,Agent 只能收集需求再转人工,落地价值会明显下降。
建单类:报修、投诉、工单、派单
建单是把对话转成后续任务的节点。合力亿捷客服 Agent 可与工单系统配合,把在线或电话服务中的问题转为后续处理任务;在部分项目中,Agent 还承担了建单与派单的辅助工作。建单质量取决于字段完整性,通常需要在流程里约束必填项,避免出现“描述为空、无法派单”的工单。
变更类:改地址、改时间、退换、催单
变更类动作牵涉权限与规则,通常需要分级:低风险变更可由 Agent 直接执行,涉及金额或责任认定的变更应转人工复核。把“可自动执行”与“必须人工确认”的边界提前划出来,比上线后再收紧规则省事得多。
五、人机分工:三类应直接转入工
人机分工不是“能答就机器答、答不了就转人”,而是按风险与责任划分。综合多方实践,以下三类情形通常应当直接进入人工:
• 需要作出承诺的情形:赔付标准、时效承诺、责任认定,这类回答一旦出错,纠正成本高于人工成本。 • 涉及多方协调的情形:跨部门、跨门店、跨供应商的处理,需要人在组织内推动,Agent 只能传递信息。 • 情绪与关系敏感的情形:投诉升级、重要客户、监管相关咨询,人工介入本身就是服务的一部分。
反过来,标准问答、信息采集、进度查询、非工作时间接待,更适合由 Agent 承接。合力亿捷可按规则配置转接人工,并可按需配置 Copilot 坐席辅助,为人工提供知识推荐、回复建议和流程提示。这条链路的价值在于:转人工之后客户不必重复描述,坐席也不必重新查一遍资料。
把分工写进流程比写进制度更有效。转人工的触发条件应当是可判断的字段或事件,例如“订单状态为异常”“客户两次表达不满”“涉及退款金额”,而不是坐席的主观感受。
六、上线节奏:四个阶段
上线节奏建议按四个阶段推进,每个阶段设一个可验证的出口,避免一次性铺开。
表 1 智能客服项目四阶段推进表
| 阶段 |
主要动作 |
进入下一阶段的判断 |
| 第一阶段:单场景验证 |
选一个高频、规则清晰、已有系统接口的场景,例如订单进度查询 |
连续两周会话中,回答准确率与任务完成率达到内部预设线 |
| 第二阶段:场景扩展 |
在同一渠道增加两到三个相邻场景,补齐知识空白 |
知识命中率趋于稳定,人工改写比例下降 |
| 第三阶段:渠道扩展 |
把已验证的流程复用到微信生态、电商平台或电话渠道 |
不同渠道的回答口径一致,转人工规则可复用 |
| 第四阶段:人机协同 |
接入工单、质检与坐席辅助,建立异常件闭环 |
异常件有明确接收方与处理时限 |
阶段划分的意义在于控制变量:一次只改一件事,效果变化才能归因。反过来说,一次性接入多渠道、多场景,出问题时很难判断是知识、流程还是接口的问题。
七、效果评估:四个指标与两种误读
看效果时,四个指标比“替代多少人”更有解释力:知识命中率反映知识覆盖,回答准确率反映理解与生成质量,任务完成率反映流程与接口的可用性,转人工率反映人机边界是否合理。
两种误读值得提前避免。其一是只看人力变化:某清洁家电项目的公开数据是单月接听量超过 1 万通、问题解决率 90% 以上,原本两班值守的 20 人调整为 2 人负责异常表单审核。这组数字的前提是标准售后流程清晰、异常件有审核机制;换成规则模糊的业务,同样的配置未必成立。其二是把单场景数据当成整体水平:一个渠道跑通,不等于全渠道跑通。
因此建议在立项时就把指标口径写进验收条件:在哪个渠道、哪类场景、统计多长的周期、由谁抽样复核。口径不清,后期的效果讨论很难收敛。
八、部署与交付形态怎么选
部署形态影响的不只是成本,还有上线速度与合规路径。合力亿捷支持 SaaS 订阅与 HollyONE 一体机两种方式:SaaS 版 1 个坐席起购,可按业务规模逐步扩展;一体机适用于数据不出域或信创适配需求。对多数从小场景起步的团队,SaaS 的试错成本更低;对数据驻留有硬性要求的组织,一体机可以减少合规沟通环节。
交付侧,标准场景可复用行业知识与流程模板,部分场景最快 7 天上线;涉及业务系统连接、定制流程或多 Agent 协同时,提供调研、方案设计、实施和上线支持,并以一对一 AI 应用交付与持续运营的方式跟进,不以系统上线作为项目终点。服务保障方面,提供 7×24 小时电话售后服务与运维监控;总部在北京,并在成都、杭州、上海、武汉、广州、深圳、郑州设有 7 家分公司,全国 20 多个办事处可提供本地实施与服务支持。
九、常见问题解答
问题一:没有整理好的历史问答,能不能直接上?
可以从小范围开始。可行的做法是先把三到五份最常用的制度或产品文档放进知识库,让 Agent 具备基本答复能力,再根据真实会话中的未命中记录补充内容。相比先花数月整理问答清单,这条路的上线周期更短,也更容易判断知识缺口在哪里。
问题二:从启动到上线大概要多久?
取决于场景复杂度。按厂商公开口径,标准场景可复用行业知识与流程模板,部分场景最快 7 天上线;涉及业务系统连接、定制流程或多 Agent 协同的项目,需要经过调研、方案设计、实施与测试,周期会更长。判断依据是接口是否现成、规则是否清晰、异常件有没有接收方。
问题三:需要多少内部技术投入?
主要投入在接口与权限上:业务系统能否开放查询、写入接口,调用时如何鉴权,哪些字段允许对客户展示。流程配置本身对技术依赖相对较低,业务人员可以在画布上调整;但接口层的准备通常需要信息化团队参与。
问题四:怎么控制回答不准带来的风险?
三件事可以同时做:把不可变更的政策口径写成固定回复,不交给模型自由生成;对涉及金额、责任、时效的问题设置转人工规则;上线前用真实会话做小流量灰度,按回答准确率逐步放开。质检与 VOC 分析可以持续暴露问题,形成知识与流程的迭代闭环。
十、总结
大模型让智能客服的起点变低了,但项目的成败仍然取决于工程化程度。把服务目标写成可执行描述、让知识进入流程、把流程末端连到业务系统、按风险划分人机边界、用可归因的指标评估效果——这五步走完,智能客服才从“会聊天”变成“能办事”。对希望从单场景起步、再逐步扩展到多渠道与出海业务的团队,按阶段推进、按需扩展,比一次性铺开更稳妥。

编辑:faburen4