ARTICLE · 1282039
客服质检 AI:从工具到 Agent,只差一个闭环
客服质检 AI:从工具到 Agent,只差一个闭环
判得准是 AI 的本事，"怎么改"是公司的本事。 之前我们聊过客服质检最真实的困境：一天几百上千通会话，人工只能抽 5%，剩下 95% 全靠运气。 AI 质检确实跑通了——100 人的聊天记录，原来人工要 1.5 到 2 小时，现在 15 分钟内出结果，时间降幅 83% 到 88%，单次人工成本从 70 块左右压到接近 0。 数据挺好看的。但那阵子我反而更清醒了，因为我知道：我们做出来的东西，是个工具，不是Agent。 这篇就聊聊，从工具到 Agent，中间差的那一关。 判得准，不等于办得成 先说清楚这两者的差别。 01 工具的逻辑是：给你一张表。 谁违规、违了哪一条、扣几分，清清楚楚。然后呢？然后就没了。表交到组长手里，后面全靠人。 02 Agent 的逻辑是：判完自己把事办了。 归类、派活、跟进、复盘，一整套自己转起来。 我们第一版做出来的，其实就是个高级报表生成器。判得挺准，但所有"判完之后"的动作，一样没少，全压在人身上。 这就是第一关：判定是终点，还是起点？ 如果判定完就结束，那再准也只是把人工翻录音换成了人工看报表，省的是时间，没省掉"事"。 判定之后的三件事，全断在"人"身上 我们把判定做完之后要干的活拆了一下，发现有三件事，一件都没接上。 01 第一件：归类归因。 系统只会告诉你"违反第 3 条"，但整改需要的是"这是话术缺失、流程不熟，还是情绪失控"。没人做这个归因，一百条违规就是一百条零散记录，看不出问题出在哪。 02 第二件：派活到人。 谁该改？组长带头改，还是坐席自己改？我们一开始是在群里发周报，结果就是——发完没人认领，第二周同样的问题还在。 03 第三件：跟踪闭环。 这个最要命。上个月整改了没有、有没有效，回头看时没人说得清。因为没人做前后对比，整改全靠"感觉好一点了"。 这三件事一件没接，AI 质检就永远停在"发现问题"这一步。而发现问题，本来就不是最难的。 我们让 Agent 自己接管这三件事 后来的做法，说穿了不复杂，就是把上面三件事交给 Agent 自己转。 这三步接完，质检才从"一张表"变成了"一条流水线"。 真正的坎：它能判"不好"，说不出"怎么改" 做到这一步，我以为成了。 结果最硬的一关在这儿：Agent 能判"这句话态度不好"，但它生成不出"应该怎么说"。 我们一开始直接让模型写整改建议，出来的全是这种话—— "建议加强服务意识，提升沟通技巧。" 坐席看了更来气：我要是知道怎么改，还用你判？ 后来换了个思路：不让它凭空生成，只让它从公司自己的案例库里找。 同类问题、当时是怎么改的、改完什么效果——AI 负责匹配和复述，不负责发明。 改完之后，整改建议才终于有人看。因为它说的不是"你要更好"，而是"上次同样的情况，XXX 是这么回的，客户满意度上来了"。 这一关我想说得重一点：整改建议这东西，凭空生成的一定是废话。 它只能来自真实沉淀过的案例。模型再强，也变不出你们公司没发生过的事。 回头看这一关，结论挺朴素： Agent 的天花板，不是模型，是公司自己的知识沉淀。 模型只是那个把流程串起来的东西。真让它自己跑起来，靠的还是公司有没有把该理的东西理清楚。 所以别急着问"能不能做成 Agent"。先问一句：判定之后那三件事，你自己想清楚了吗？ 想清楚了，Agent 才有东西可接。 这是客服质检系列的第三篇。下篇我想写在前面：质检结果出来了，怎么让组长真用起来——不然报表再漂亮，也只是一堆没人看的数字。 
自动归类：把每一条违规，映射到一个固定的整改方向（话术缺失 / 流程不熟 / 情绪问题 / 响应时效）。一百条零散记录，一下就变成四个能动手的类目。 自动派单：按问题类型派给对应的人——话术类给培训组长，时效类给排班主管，超时没接单自动升级。这一步接上之后，"发周报没人管"的问题才算真解决。 自动复盘：每周自动拉一次同规则的命中率对比，整改前多少、整改后多少，直接出数。有没有效果，不用再靠感觉。
你能判什么，取决于你的标准写得多细； 你能派给谁，取决于你的组织分工有多清楚； 你能改什么，取决于你沉淀了多少真实案例。
