Knowledge
知识
- SOP
- 产品资料
- FAQ
- 历史案例
- 维修 / 服务知识
AI IMPLEMENTATION CASE / 企业 AI 实施案例
售后工单 AI 分诊与审查
After-sales AI Triage & Review
从业务流程诊断、知识与规则接入，到人工确认、异常闭环与验收指标设计的企业 AI 实施案例。
01 / BUSINESS CONTEXT
从售后、质量与流程场景中抽象问题，而不是描述某家公司的现状。
这是一份企业 AI 实施方法案例：先拆清楚业务信息、判断依据、责任边界与反馈机制，再讨论技术介入。
- 01
工单描述不规范，产品型号和故障类型依赖人工识别。
- 02
SOP、产品资料、FAQ 与历史案例分散，检索和判断口径不一致。
- 03
风险规则、NTF、二返与异常原因难以沉淀为可复核的结构化记录。
- 04
处理结果难以回到问题复盘，经验无法稳定进入知识与规则维护。
02 / CURRENT WORKFLOW
先识别人工判断集中在哪些节点。
以下为抽象的当前流程与痛点，不对应真实客户、工单或内部系统。
- 01客户报修
- 02工单录入
- 03人工识别产品 / 故障
- 04查找知识与规则
- 05判断处理方案
- 06记录结果
- 07异常复盘
信息不结构化人工检索判断口径不一致缺少风险提示结果难沉淀
03 / AI INTERVENTION
AI 进入辅助判断层，而不是成为最终责任主体。
目标流程把可结构化的信息、可检索的知识和可解释的规则放在人工确认之前。
- 01工单输入
- 02字段提取
- 03产品 / 故障分类
- 04知识检索
- 05业务规则匹配
- 06风险提示
- 07人工确认
- 08结构化结果
- 09数据分析与复盘
04 / SOLUTION ARCHITECTURE
Knowledge + Rules + AI + Human + Data 共同构成业务系统。
这是一组实施分层，用于明确资料、规则、辅助能力、责任人与复盘数据各自的职责。
Rules
规则
- 产品识别规则
- 流程规则
- 风险规则
- NTF / 二返识别
- 业务限制条件
AI
AI 辅助
- 信息提取
- 语义分类
- 知识检索
- 摘要
- 辅助建议
Human
人工
- 高风险确认
- 最终业务判断
- 规则维护
- 异常复核
Data
数据
- 操作日志
- 处理结果
- 异常数据
- 使用反馈
- BI / 复盘
05 / HUMAN-IN-THE-LOOP
AI 负责信息提取、知识检索、规则提示与辅助建议；高风险业务决策保留人工确认。
AI 不绕过现有业务责任链。无可靠依据时允许返回“不确定”；关键操作需要日志和可追溯性，人工反馈可进入后续规则与知识维护。
- 收费、质保、责任认定等高风险结果必须人工确认。
- 人工确认不是形式步骤，而是最终业务判断与异常复核入口。
06 / PILOT SCOPE
用最小试点验证一个明确场景是否值得继续投入。
第一阶段不追求一次连接全部 ERP、CRM 或 MES 系统；范围会在资料、规则与责任人确认后才可进入实施。
范围设计
- 1 个产品系列与 1 条明确业务流程
- 100–300 条经脱敏确认的知识条目作为试点准备范围
- 20–50 条经业务确认的规则作为试点准备范围
- 工单字段提取、知识检索、规则审查、风险提醒与简单看板
继续条件
以目标验收指标、人工反馈、异常处理质量和可维护性为依据，决定是否进入下一阶段扩展。
07 / ACCEPTANCE METRICS
目标验收指标用于设计 Pilot，不是已取得的业务成绩。
每一项指标都需要在试点前确认测试集、口径、数据来源和人工复核方式。
| 指标 | 验收方向 |
|---|---|
| 产品识别准确率 | 测试集验证 |
| 故障分类准确率 | 人工抽检 |
| 知识命中率 | 测试问题集 |
| AI 建议采纳率 | 使用日志 |
| 异常拦截率 | 与人工基线比较 |
| 平均处理时间 | Before / After |
| 无依据误答率 | 测试集 |
| 问题闭环率 | 后台状态数据 |
08 / DELIVERY METHOD
先试点、再评估，而不是一开始建设大而全的 AI 平台。
交付过程以业务访谈、流程诊断、范围定义与验收评估为主线，保留每一步是否继续的决策门。
- 01Discovery
业务访谈
- 02Process Mapping
流程诊断
- 03Scope Definition
确定范围
- 04Prototype
原型
- 05Pilot
小规模试点
- 06Evaluation
验收评估
- 07Rollout
决定是否扩展
09 / MY ROLE
懂业务流程、系统、数据与 AI 应用落地的实施 / 解决方案型人才。
- 业务流程分析与需求定义
- AI 场景拆解与知识、规则体系设计
- AI 应用架构、原型与数据结构设计
- Human-in-the-loop、验收体系与交付边界设计