从问答工具到企业生产力，网易智企拆解客服Agent落地的三道关

“这单能退吗?”同样一句提问,背后可能是完全不同的业务。

在某头部母婴零售企业的售后场景中,Agent需要先查清订单类型、发货状态和售后记录:已有售后申请,要引导查询进度;全球购订单,要解释相应办理限制;涉及投诉,则优先转人工。回答流畅只是第一步,识别条件、找到依据并进入正确处理路径,才决定服务是否有效。

10月22-24日,QCon全球软件开发大会·上海站举行。24日,网易智企·云商AI技术负责人冯旻伟以《从问答工具到企业生产力:客服营销Agent规模化落地实践》为题作主旨演讲,结合产品演示与客户案例,讨论企业如何跨过从问答到业务执行的门槛。

他的分享围绕三大主张展开:场景选得准、能力接得住、运营扎得深。随着Agent进入真实业务,企业需要同时解决任务定义、知识使用、系统执行和持续运营问题。

先选对任务,再谈规模化

企业引入Agent,有时从一个宽泛目标开始:做一个能解答所有问题的客服,或者把一整套流程交给AI。目标越宽,隐含的规则、例外与协作要求也越多。

云商的建议是:从真实会话中寻找需求,先划定较小的范围,再把这个范围内的体验做好。

例如,“包裹到哪了”“什么时候发货”“能否改地址”都涉及物流,却需要不同接口、完成标准和人工边界。查询到物流信息,与真正修改订单地址,是两项不同的交付。

在分享中的改址示例里,Agent负责澄清诉求、收集信息、提交申请与告知进展;业务系统核验条件、实际修改订单;已出库、归属争议等例外交给人工。地址实际更新并可回查,才算完成。系统仅返回“受理成功”,就应明确告知仍在处理中。

这也改变了企业选场景的方式:结合业务频次、规则成熟度、系统可连接性、风险与结果可量化程度,优先选择高频、边界清晰、效果可验证的任务。

某头部母婴童零售企业的实践体现了这种细分。项目以29个标准化工作流承接不同条件,连接业务数据,并安排门店与人工的处理分工。上线不到半年,项目问题解决率达到82%以上、服务承载率达到74%以上。这是业务分工、系统数据、工作流规则和服务规范共同落地的整体结果,不能归结为某一项模型能力。

知识能否被正确使用,决定Agent能走进多深的业务

企业采购Agent,往往是因为通用回答不足以解决自己的问题。真正影响结果的,是企业内部独有的产品知识、业务规则和操作经验。

一份改址政策,可能同时包含正文、表格与扫描页;一本设备手册可能长达数百页;一个售后判断,又可能需要跨文件查找关联条件。把资料上传,并不等于AI已经掌握了业务。

企业私有知识能否被正确理解和使用,是落地中的核心挑战之一。

在分享呈现的知识处理链路中,原始资料要先经过解析与纠错,再根据任务组织成问答、规则、文档章节或关系信息,建立索引并保留来源。不同问题,也需要不同的检索方式。

问“发票在哪开”,可以匹配标准问答;判断“未出库、同城是否可改址”,需要逐项核对规则,缺少条件时追问;查询某型号设备兼容哪些配件,则需要结合关系和来源依据。面对长篇手册,还可以利用章节目录定位原文。

这些方法的意义,在于让知识适应业务判断。知识提供办理依据,系统和工具完成相应动作,两者衔接,Agent才有机会把企业自己的事办好。

某云设计平台便在已有知识、工作流与CRM连接的基础上,将应用由售后服务延伸到售前留资和客户运营。其售后问题解决率由64.18%提升至94.80%。服务中沉淀的需求,也进一步进入意图打标、线索回传与销售跟进流程,探索服务之外的经营价值。

让执行可追踪,也让例外有人负责

即使任务和知识已经明确,真实对话仍会变化:用户中途改口,提交请求后接口超时,或者处理到一半需要人工接管。

这时,Agent既要理解下一句话,也要知道事情已经办到哪里。

云商的工程思路,是让Workflow控制必要步骤,让Agent根据反馈选择动作,两者共享任务状态。用户修改信息,需要重新核对受影响的判断;提交超时,需要先回查原请求是否受理;人工接管,需要交接已办记录、未完成事项和执行权,暂停自动写操作。

权限与审计同样要进入执行过程。涉及退款、补偿等敏感事项,缺少授权或确认时应暂停相关动作,并保留判断与处理记录。

这些细节看起来不如自然对话直观,却直接关系到能否避免重复操作、错误承诺和责任断点。评价Agent需要回查任务是否完成、异常是否被妥善承接。

上线之后,才进入持续兑现价值的阶段

业务规则、商品和用户问法持续变化,Agent也需要持续维护。没有固定评测样本,企业很难判断一次修改究竟改善了效果,还是引入了新问题。

以满减退款误答为例,用户问退其中一件商品是否按原价退款,系统却泛泛解释商家政策。排障不能止于评价“回答不好”,而要沿同一次调用记录,检查意图、优惠规则召回、工具返回和最终回复,确认偏差发生在哪一环。

有了问题样本和可追踪记录,改进才能被验证。云商还在探索让AI生成候选修改方案,在测试环境中与原版本对照,交由人工审批,再观察上线效果。

某大型商超的案例则呈现了持续运营的组织要求:集团共建服务能力,门店补齐本地知识,通过月度分析、负向案例共享与培训发现差异。截至2026年9月,AI智能接待累计10万+次,机器人解决率达98.78%。这一阶段结果背后,既有平台支持,也有集团与门店的持续投入。

最终,企业应围绕任务完成、服务效果、营销贡献与单位成本验收价值,并计入等待、重试、人工审核和维护投入。

从问答工具走向企业生产力,意味着Agent需要进入企业的知识、流程与责任体系。对云商而言,场景选择确定交付目标,知识与工程能力支撑执行,持续运营验证并改善结果。三者共同作用,才能让一次可用的演示,逐步成为企业可以长期依赖的业务服务。