五件具体的事
- 驻场 3 周梳理真实工单流，还原 47 个从未被文档化的处理分支
- 搭建权限感知检索：按部门组过滤发生在检索前，而不是生成后（HR 文档绝不会出现在核保员的答案里）
- 答案强制带引用溯源；检索无结果时明确拒答，不编造
- 高风险动作（重置权限、退款类）保留人工审批关卡
- 数据不出自建机房，选用 pgvector 而非公有云向量库，以通过合规审查
IT 服务台智能助手
一家全国性财产保险公司，8,000 多名员工，IT 服务台日均 1,200 张工单。改造之前，一线每人每天有 3.5 小时花在重复工单上，高峰期积压超过 48 小时。
上线后的变化
73%
首答时长下降
30 → 8 分钟
30 → 8 分钟
61%
单工单成本下降
¥18.5 → ¥7.2
¥18.5 → ¥7.2
43%
自助解决率
从 0 起
从 0 起
8,300h
年节省工时
约 ¥415 万
约 ¥415 万
口径说明：以上为项目结项时的实测值，基线取自客户改造前的系统日志与人工记录。不同客户的起点不同，这些数字不能直接外推。
改造之前
原来的做法，和它卡住的地方
三套知识库各自维护：Confluence 放制度、SharePoint 放操作手册、邮件里堆着历年答复。工单靠人工分派，新人靠老员工带。
具体卡在哪
- 没人知道哪套知识库是最新版，同一个问题不同人给出不同口径
- 真正复杂的处理分支从来没被写下来，只存在几个老员工的记忆里
- 想上 AI，但合规部门要求数据不出自建机房，且答案必须可追溯
交付过程
我们做了什么
项目结束时交付了什么
- 运行在生产环境里的系统，不是演示环境
- 带失败案例的评测报告，指标可复现
- 运维手册（Runbook），你的人能照着独立处置故障
- 架构文档与源码，不留技术依赖
- 一轮面向使用者的培训与 30 天陪跑
技术要点
几个决定成败的技术选择
权限感知检索
按部门组过滤发生在检索之前，而不是生成之后再筛。HR 文档不会出现在核保员的答案里。
引用强制溯源
每条答案回链到原文段落；检索不到依据时明确拒答，不编造。
高风险动作留人工关卡
重置权限、退款类操作保留人工审批，AI 只做准备和初判。工单分派同样设了置信度阈值：模型判断达到 0.75 才自动派单，不达标的转人工复核；而且这类工单的分类结果不入库存档 —— 不让一个猜错的部门被写进系统。
私有化向量库
选用 pgvector 而不是公有云向量库，数据不出自建机房，过合规审查不留尾巴。
“以前新人问问题，老员工得放下手里的活讲一遍。现在系统先答，答不了才转人工，而且答案带出处，客服敢直接引用。”
客户 IT 服务台负责人某财产保险公司 · 金融保险
适用边界
这个案例适合谁，不适合谁
适合
工单量大、知识分散在多个系统、且对数据出网有硬约束的服务台型组织。
不适合
工单量小（日均不足 200 张）、或者知识本来就只有一份且更新不频繁的团队——这种场景直接买现成的工单系统更划算。
相关案例
其他三个案例
师生办事大厅智能服务台
26 个系统各自为政，办事靠「找系统、跑窗口」
执法文书智能生成与合规校验
文书格式多、法规更新快、基层站队人手不足
门店运营问答与巡检自动化
总部政策传到门店要 3 天，店长的问题重复率极高