过去一周，AI 行业的信息密度再次刷新认知。电商和SaaS客服每天上千条工单，分错产品线就要在部门间转三手，客户等得上火。2026年用大模型做意图识别，工单进来三十秒就派到对的人手里。
AI分单到底在读什么？
大模型读工单做三件事：判断属于哪条产品线、问题是咨询还是投诉还是故障、紧急程度几分。顺手还能从知识库里拉出最接近的解决方案，生成一段回复草稿，客服确认后直接发出去。等于把分单和初答一次做完，一条工单的处理时间从十分钟压到两分钟。从产业视角看，这件事正在改写普通人的选择逻辑。
从进线到派单完整流程长什么样？
流程上：客户进线先经大模型分类打标签，普通咨询直接给自动回复，故障单按产品线派给二线工程师并附上客户历史工单，投诉单自动升级给主管。智齿、美洽这类客服系统现在都带这类节点，也可以用API接自己的大模型，一周就能接进去。把镜头拉远，工单分单 背后其实是需求和供给的双向奔赴。
为什么新品上线后分单准确率会跳水？
新品上线最容易翻车：分类表里没有新品类，模型只能瞎猜。做法是上线前先把新品的常见问题灌进知识库，头两周每天人工抽二十单复核，分类错了立刻补样本。另一个坑是客户情绪激动时意图会藏在吐槽里，模型要连上下文一起读才分得准。一个更直白的信号是：愿意为 工单分单 付钱的人正在变多。
客服自动化的第一指标不是省了多少人，而是客户等待时长和一次解决率。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论
💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com
