最近,和一家电商企业一块做了一个 AI 项目的复盘。
项目上线三个月,他们的客服负责人拿出了一组数据:过去回答一个产品问题,客服通常需要一分钟以上;现在,输入问题后大约 15 秒就能拿到一套可以直接使用的标准话术。
应答速度快了将近 4 倍。
我问她,这个项目你觉得最有价值的地方是什么?
她讲了一个细节:以前,她们的产品专家每天要在群里回答三十多次重复问题,现在一天不到十次。更重要的是,这些问题不再只是被回答了——它们被记录下来了,然后变成了新的知识。
这其中,藏着这个项目最值钱的地方
一分钟变15秒,背后先解决了什么问题
在项目上线之前,这家企业的产品知识散落在各处。
产品手册、Excel 表格、FAQ、培训材料、工作群聊天记录、产品专家的个人经验——客服要回答一个问题,得先打开手册,再翻几张表格,然后去群里搜以前的聊天记录。资料对不上时,还要找培训人员或产品专家确认。碰到复杂问题,三五分钟过去了,也未必能拼出一个准确答案。
更麻烦的是,产品参数放在一处,推荐话术放在另一处,证书和图文素材又有不同版本。客服不只要找资料,还要判断哪份是最新的,再把专业术语翻译成客户听得懂的表达。
企业做的第一步,是把这些分散的内容整理成经过确认的产品知识库,再让 AI 基于这些知识生成答案。
这一步很快产生了结果。
系统覆盖了 500 多名客服和主播。产品专家每天收到的重复咨询,从约 30 次降到了个位数。新人的学习周期,也从接近一个月缩短到了几天。
这些数字证明,企业已经把"查找知识并组织答案"这个动作做快了。
但它们还不能证明,AI正在推动企业的能力发生变化。
很多AI项目,容易停在这里
这也是我见过不少 AI 项目容易停住的地方。
AI 可以回答客户问题,项目就被称为"智能客服";AI 可以生成销售方案,项目就被认为完成了销售提效;AI 可以审核合同,团队便开始统计节省了多少法务工时。
管理者看到的是一个动作被替代了,却很少继续追问:这个动作完成以后,业务结果有没有反哺到系统?
客服回答了问题,不代表企业知道这个问题为什么反复出现。销售生成了方案,不代表客户的关注点会更新下一次方案。
AI 完成一个动作,只说明系统有了执行能力。
企业真正要解决的业务问题,还包括:结果是否有效?异常能否被发现?问题由谁处理?处理结果如何更新知识和规则?更新后的内容能否重新进入下一次业务?
真正值钱的成果,藏在客服点击"发送"之后
回到这家电商企业。
这个项目更有价值的部分,是他们没有让问题随着客服的回答一起消失。
一线人员提出过…