Zenava Userday最佳实践丨G7易流实践表明：Agent客服的关键，不在回答，而在承接业务
原创
2026/04/22 15:18:31
来源：天润融通
作者：Tian
35
本文摘要
当客户一次性丢来上百台设备，要求立刻排查“为什么离线”时，AI客服值不值得做，已经不是一个概念问题。这是G7易流AI产品经理林万劲，在Zenava UserDay广州站上带来的一场很有实操价值的分享
当客户一次性丢来上百台设备，要求立刻排查“为什么离线”时，AI客服值不值得做，已经不是一个概念问题。
这是G7易流AI产品经理林万劲，在Zenava UserDay广州站上带来的一场很有实操价值的分享。
这是G7易流这样的车联网服务企业，在一线业务中面临的，最真实的压力：设备装在卡车上，高峰时段客户可能一次性发来上百台设备，要求客服逐台排查；而一个设备往往就要花上几分钟，纯靠人工很快就会碰到成本、效率和服务质量难以兼顾的天花板。
更复杂的是，这里的客户进线并不只是简单咨询，而是咨询、查询、受理、投诉交织在一起。其中，设备故障排查与报修又是最核心的高频场景，在总进线中的占比高达20%到30%。
也正因如此，林万劲在现场没有再谈模型和功能，而是直接回到业务现场，讲透了AI客服为什么做不深、知识和流程该怎么改、Agent又该怎样真正进入业务。
Agent项目做不深问题在知识和流程
很多企业做Agent客服时，首先盯着模型和提示词，但林万劲却认为，很多项目做不深，首要问题不在模型，而在知识和流程。
原因很简单，对很多企业来说，内部知识并不是天然可用的，而是普遍存在“散、乱、旧、缺”的问题：
知识分散在文档、系统和人的经验里，口径不一致，内容过时，高频问题反而没有标准答案。
这样的知识一旦喂给AI，结果往往不是更聪明，而是更容易找不到上下文、产生幻觉，甚至给出看似正确、其实错误的答案。
更常见的误区是，很多团队以为把公司文档一股脑丢进去，AI自然就会学会。
但实际情况往往相反，非结构化文档、复杂排版、嵌套表格、水印、扫描PDF，都会干扰AI理解。
比如文档被切片后，文档中的“它”“该设备”这类代词还会丢失指代，导致上下文断裂；而大量未经加工的冗长文档，也会稀释有效信息，让AI要么复读原文，要么答非所问。
林万劲用了一个很形象的比喻：AI不是一个什么都懂的老教授，更像一个需要被精心喂养的新员工，你给它什么质量的素材，它就输出什么质量的回答。
很多Agent项目停留在“看起来能答”，却始终做不深，也可能是因为流程没有被梳理清楚。
因为很多时候，文档里写出来的只是标准SOP，只覆盖最基础的几步；真正决定问题能不能解决的，往往是业务专家脑子里的隐性判断和例外经验。这些内容没有被写进文档，也没有被沉淀成流程，AI自然学不会。
所以，很多Agent项目做不深，不是因为模型不够强，而是企业还没有把真正支撑业务运行的知识和流程，整理成AI可以理解、可以调用、可以执行的东西。
高可用的AI客服，要把知识重构成“AI能用”的形态
如果说前一部分回答的是“问题出在哪里”，那这一部分回答的就是“现在该怎么改”。
林万劲分享时反复强调一个判断：知识不是给人看的，而是给AI用的，结构比内容更重要。
所以，知识库建设的重点从来不是“堆资料”，而是把资料重构成AI可以理解、可以调用、可以执行的知识单元。
比如同样是处理“数据没更新”，模糊问答只会让AI给出泛泛建议；真正能用的知识，必须把场景、条件和排查步骤写清楚，让AI知道在什么情况下、按什么顺序去判断和回复。
第一步是做减法。真正该优先保留的，是企业独有的SOP、案例、排查手册、产品规格这类高价值内容；通用常识、过期制度、未定稿文档，不必一股脑塞进去，否则只会增加干扰。
第二步是治格式。TXT、Markdown这类结构清晰的内容，对AI最友好；复杂PDF、扫描件、双栏排版、水印文档，都会增加解析难度，影响理解效果。很多知识不是内容有问题，而是在进入AI之前，格式就已经把它“损耗”掉了。
第三步是做精加工。复杂表格最好改写成自然语言，“它”“该设备”这类代词要补成明确实体，高频、易错、反复出现的问题，则最好直接整理成标准Q&A。
林万劲在现场把这套方法总结得很直白：“PDF尽量转TXT，表格尽量转成话，‘它/这’要把名补全，搞不定就写Q&A。”
对企业来说，知识库不是资料仓库，而是AI的底层能力。这个基础不先补，后面越往下做，返工成本越高。
AI客服真正创造价值，要“能进流程、能做成事”
在梳理好知识之后，Agent客服再往下，关键就不是“答得像不像”，而是“能不能进流程、能不能把事做成”。
前面提到，在很多场景里，标准SOP只覆盖了基础步骤，真正让问题被解决的，是一线人员在处理过程中不断追加的判断和验证。
也就是说，企业必须先把“人是怎么干的”画出来，把专家的处理逻辑和判断链显性化，AI才能真正接手一部分业务动作。
林万劲强调，企业如果真想让Agent跑起来，就不能把它挂在旁边当作辅助工具，而要真正嵌进业务系统里，成为必须执行的标准动作。
否则，一线人员很容易回到原来的处理方式，AI也就永远跑不进真实业务。
同样，判断AI客服有没有价值，也不能只看它答得像不像人，而要看它有没有带来真实结果。比如，是否减少了无效派单，是否压缩了重复劳动，是否在业务增长的同时稳住了服务质量。
林万劲给出的判断很务实：真正的价值，一类是看得见的财务结果，比如减少无效派单、降低外包支出；另一类是感受得到的业务结果，比如业务量增长了，但团队规模没有同比扩大，服务质量也没有下降。
相反，那种“AI帮我省了两小时”，但省下来的时间并没有转化成业务产出的“提效”，其实只是空转。
因此，Agent客服说到底，不是一个问答工具项目，而是一场知识重构、流程重塑和组织协同的升级。
“Zenava,Userday,天润融通,G7易流,Agent客服,企业智能客服” 相关推荐
咨询热线
预约沟通
