很多人对智能客服的理解还停留在“ chatbot 回答常见问题”。
但在真实的企业客服场景中，更核心的诉求往往是：用户的问题如果机器人解决不了，怎么快速流转给正确的人？
这篇文章不讲对话机器人，专门讲工单从产生到分发的自动化链路：自动分类、意图识别、智能派单。
一、传统工单系统的痛点
场景：一家SaaS公司的客服流程
用户通过邮件、在线聊天、电话等多种渠道提交问题。客服人工判断问题类型，再手动分配给对应部门。
传统流程：
第一步：用户提交问题
第二步：客服读取内容
第三步：判断问题类型（技术支持/账单/销售咨询/投诉）
第四步：查询分工表（哪个部门负责这类问题）
第五步：手动创建工单并指派
第六步：通知对应团队
痛点一：分类靠经验
新客服熟练度低，容易分错。一个问题可能被转手2-3次才到正确的人手里。
痛点二：高峰期积压
一个客服一天处理50个工单，其中30%的时间花在“判断和分配”上，而不是解决问题本身。
痛点三：口径不一致
同样的“登录失败”，有人归类为“技术问题”，有人归类为“账号问题”。统计报表难以对齐。
二、工单自动分类：让AI先读一遍
核心思路：
在人工介入之前，先让AI分析用户输入，输出标准化的分类标签。
输入示例：
用户说：“我付了钱但账号还是免费版，订单号是ORD-12345”
AI需要输出的结构化信息：
- 一级分类：账单问题
- 二级分类：付款未生效
- 紧急程度：高（涉及付费）
- 关键词：订单号、免费版
- 建议处理部门：财务支持组
工程实现流程：
第一步：用户提交问题（文本/语音转文字）
第二步：调用分类模型
- 输入：用户原始内容 + 历史上下文
- 输出：分类标签 + 置信度 + 关键信息提取 第三步：置信度判断（条件分支）
- 如果置信度 > 0.9 → 自动进入派单流程
- 如果置信度 < 0.9 → 标记为“待人工确认”，推送给客服审核 第四步：结果落库
- 工单自动打标，进入下一步流程
关键设计：
永远保留人工复核的出口。AI置信度低的时候，不要强行自动处理。
三、智能派单：把工单给到最对的人
有了分类标签之后，下一步是把工单路由到正确的处理人/队列。
派单策略设计：
策略一：基于规则的派单
- 账单问题 → 财务支持组
- 技术Bug → 技术支持组
- 销售咨询 → 销售支持组
策略二：基于负载的派单
- 同一队列内，谁当前处理中的工单最少，优先分配
策略三：基于技能匹配的派单
- 某个技术支持工程师擅长“API对接”，API相关工单优先派给他
策略四：基于SLA的派单
- 紧急工单分配规则：优先分配给在线且响应最快的人
- 普通工单分配规则：进入公共队列，谁空闲谁认领
配置示例（纯文本格式）：
派单节点配置：
规则1：if 一级分类 = 账单问题
- 目标队列：财务支持组
- 升级策略：2小时未处理 → 通知组长
- SLA：4小时内解决
规则2：if 二级分类 = 技术Bug AND 关键词包含“API”
- 目标队列：技术支持组
- 指定人员：张三（API专项）
- SLA：8小时内解决
规则3：if 紧急程度 = 高
- 目标队列：VIP支持组
- 通知方式：钉钉+短信双通道
- SLA：1小时内响应
默认规则：走公共队列，由值班客服认领
四、完整工作流设计
将上述能力串联成一个完整的工单处理工作流：
节点1：输入接收
接收多渠道来源（邮件、聊天、电话录音转文字）
节点2：意图识别与分类（并行执行）
- 并行任务A：一级分类（账单/技术/销售/投诉）
- 并行任务B：紧急程度判断（高/中/低）
- 并行任务C：关键信息提取（订单号、账号、报错码）
节点3：置信度判断（条件分支）
- 分支A：置信度≥0.9 → 进入自动派单
- 分支B：置信度<0.9 → 推送人工复核
节点4：智能派单
- 匹配派单规则（规则优先级：紧急 > 技能匹配 > 负载均衡）
- 创建工单并分配
节点5：通知与跟踪
- 通知被指派人（渠道：钉钉/企微/邮件）
- 记录工单全链路日志
节点6：异常处理
- 如果无人认领超过SLA → 升级通知组长
- 如果派单失败 → 退回公共池并告警
在具体实现上，我们采用了ZGI作为智能客服工作流的编排平台，以上所有节点均基于其可视化引擎配置实现。
五、落地效果与数据
某B2B企业上线该智能客服工单系统后，3个月的数据：
指标一：工单分类准确率
- 人工基线：约75%（新员工更低）
- AI辅助后：92%（置信度大于0.9自动处理的部分）
指标二：工单流转时间
- 人工派单平均耗时：4.2分钟（从接收到分配到人）
- 自动派单平均耗时：8秒
指标三：客服效率提升
- 每个客服每天可处理的工单量：从40单提升到65单
- 客服花在“分类+派单”上的时间占比：从30%降到8%
指标四：客户满意度
- 工单首次响应时间：从平均2小时降到15分钟
- 客户满意度评分：从82分提升到91分
六、可复用的设计原则
原则一：人机协同，不是人机替代
AI置信度高的自动处理，置信度低的推给人工。永远保留人工复核的出口。
原则二：规则可配置，不发版
分类规则、派单规则、SLA阈值都应该在配置中心维护，改完即时生效，不需要重新部署。
原则三：全链路可观测
每张工单的完整路径应该可追溯：进了哪个分类模型、触发了什么规则、派给了谁、为什么派给他。出问题时能快速复盘。
原则四：持续迭代
定期分析被人工复核的case，优化分类模型和规则。模型不是一次训练终身使用的。
写在最后
智能客服系统真正的价值，不是让机器人回答更多问题，而是让人的价值被释放到真正需要人的地方。
工单分类和智能派单，听起来不如对话机器人“酷”，但它解决的是客服体系中最痛的问题：流转效率。
一个工单早到对的人手里一分钟，客户就少等一分钟。
本文基于真实的企业客服系统建设实践整理，希望能为正在搭建智能客服的团队提供一些参考。欢迎技术同行交流讨论。
