一、客户背景
国家电力投资集团（国家电投）是世界500强企业，业务覆盖电力、煤炭、铝业、铁路等多个领域。集团客服中心承接全国各省的业务咨询，包括电费查询、业务办理、故障报修等。
随着业务量增长，客服中心面临几个突出问题：人工坐席数量不足，高峰时段排队等待时间长；各省业务规则不同，客服人员培训成本高；大量重复性问题占用人力，复杂问题反而得不到充分关注。
二、初始需求
2023年底，国家电投客服中心开始调研智能客服方案。他们的核心诉求不是'做一个聊天机器人'，而是：
- 能自动回答80%以上的常见咨询问题
- 各省业务规则不同，系统要能灵活配置
- 对接现有客服系统，不要推倒重来
- 先在一个省试点，效果好再推广
三、为什么从山东开始试点
我们与客户讨论后，选择山东省作为首个试点省份，原因是：
- 山东是国家电投业务量最大的省份之一，有代表性
- 山东客服团队配合度高，愿意参与试点反馈
- 山东的业务场景相对全面（电费、光伏、供热），测试覆盖度好
四、第一阶段：山东试点（2024年Q1）
4.1 系统架构
我们基于大模型+RAG（检索增强生成）架构搭建智能客服Agent：
- 底层大模型：选用某国产通用大模型，中文理解能力强，成本可控
- 知识库：将山东省的业务规则、FAQ、政策文件导入向量数据库
- 对接层：通过API对接现有客服系统，人工坐席转接无缝衔接
- 管理后台：客服管理人员可配置知识库、查看对话记录、统计分析
4.2 试点过程
2024年1月系统上线，先承接10%的咨询量，观察效果。第一个月效果不理想：机器人回答准确率只有70%左右，很多问题答非所问。
我们分析原因发现：不是大模型能力不行，而是知识库覆盖不够。很多用户问的问题不在FAQ里，大模型就'自由发挥'了。于是我们做了两件事：
- 分析近3个月的人工客服对话记录，提取真实用户问题，补充知识库
- 优化Prompt，明确告诉机器人'不知道就转人工，不要瞎编'
第二个月，准确率提升到88%。第三个月稳定在92%以上，客户认可了效果，决定开始向其他省份推广。
五、第二阶段：扩展到5省（2024年Q2-Q3）
5.1 扩展策略
山东试点成功后，我们没有一下子铺开全国，而是按照'成熟一个、接入一个'的节奏：
- 2024年4月：接入河北省，复用山东的系统框架，替换河北省的业务知识库
- 2024年6月：接入江苏省，同时优化多省统一管理后台
- 2024年8月：接入广东省和内蒙古自治区
5.2 扩展中遇到的挑战
挑战一：各省业务规则差异大。比如电费计算方式、光伏补贴政策、供热服务范围，每个省都不一样。我们的解决方案是：知识库按省份隔离，每个省维护自己的业务知识库；系统通过来电号码或用户选择自动识别省份，路由到对应的知识库。
挑战二：各省客服系统不统一。有的省用的是A厂商的客服系统，有的用B厂商。我们做了一个通用对接层，适配不同厂商的API，避免每个省都重新开发对接。
挑战三：用户习惯需要培养。很多老用户习惯了找人工客服，不愿意跟机器人对话。我们的做法是：机器人先接住问题，解决不了再转人工，而且转人工时自动把之前的对话记录带给坐席，用户不用重复说一遍。
六、项目成果
| 指标 | 试点前（纯人工） | 5省推广后 |
|---|---|---|
| 问题自动解决率 | 0% | 78% |
| 平均响应时间 | 45秒（排队+对话） | 3秒（机器人即时回复） |
| 人工坐席压力 | 100% | 下降45% |
| 用户满意度 | 85% | 89% |
| 覆盖省份 | 0 | 5个 |
七、经验总结
这个项目给我们最大的启示是：AI项目的推广，不要追求'一步到位'，而要'小步快跑、验证后复制'。从1个省到5个省，我们用了8个月。每一步都有数据支撑，客户有信心，我们也有信心。
另外一个重要经验是：AI项目不是技术团队做完就结束了，业务团队的深度参与非常关键。国家电投客服中心的业务专家全程参与知识库梳理和效果评估，这是项目成功的重要保障。