云浮工厂客服系统升级：从传统电话到AI智能应答的落地过程

一、业务场景：三班倒的客服压力与客户流失

2024年第三季度，云浮市罗定区一家石材加工企业的负责人找到我们，反映了一个持续两年多的痛点：工厂每天有超过300通客户来电，但三个坐席根本接不过来，尤其晚班和周末，漏接率一度超过40%。客户投诉量上升，有的订单直接转给了隔壁厂。他们试过外包呼叫中心，但成本高、对石材专业术语不熟，效果不理想。这类需求在云浮周边的陶瓷、不锈钢、农产品加工行业里相当普遍。

二、需求判断：不是简单买个机器人，是要懂业务的AI客服

经过驻厂调研，我们发现企业原有的一套用友T3进销存系统里存着客户档案、历史报价、订单状态，但客服每次都要手动查询，非常耗时。单纯部署一个语音IVR或网页聊天机器人解决不了核心问题。真正的需求是：将AI客服与企业现有系统打通，做到来电自动识别客户身份、自动调取最近报价和库存、支持多轮对话处理退换货，并且要能跑在微信小程序上——因为云浮很多客户是用微信沟通的。我们判断，这是典型的老系统改造+AI应用场景。

三、实施步骤：分四阶段，数据清洗花了三周

第一阶段：数据对接与清洗（2024年9月）。我们由广州的研发团队远程配合云浮现场人员，把T3系统中的客户信息、商品编码、历史订单导出，清洗成结构化JSON格式，再通过API挂载到我们自研的AI引擎上。这个环节最繁琐，因为石材行业的SKU命名不规范（比如“卡拉拉白大板”在不同年份的写法不同），需要人工标注了3000条样本，调用通义千问（Qwen）的微调接口做了实体对齐。

第二阶段：话术设计+模型训练（2024年10月）。企业提供了过去一年的通话录音和微信聊天记录，我们提取出36个高频场景（查价格、问库存、催发货、退换货等），用MiniMax和GLM-4交替生成初始话术，再由工厂销售主管逐条确认。同时，我们用了CodeBuddy工具把Excel规则直接转成对话策略脚本，大幅降低了配置周期。

第三阶段：小程序前端+电话通道集成（2024年11月）。针对云浮客户喜欢用微信的习惯，我们开发了一款轻量级小程序（广州番禺小程序的典型架构），客户点击“联系客服”即可转入AI对话，同时保留一键转人工按钮。电话端则通过阿里云SIP线路接入，客户来电先经过语音识别（ASR）后进入AI引擎，如果AI无法处理再转接到值班手机。这里注意，广东区域的线路要确保本地固话号码显示，避免被标记为骚扰。

第四阶段：灰度上线与调优（2024年12月上旬）。我们让AI先处理20%的低价值话务（比如查价格），运行一周后准确率从82%提升到93%，再逐步扩大到催发货和退换货。最终在2024年12月20日全量切换。

四、预算与周期影响

整个项目预算约12.8万元（含AI模型调用费一年、线路费、小程序年费、部署服务费）。实施周期从启动到上线约3.5个月。相比外包呼叫中心每年20万以上的服务费，AI客服首年已节省超过7万元，而且三班倒无人值守，0漏接。客户满意度从整改前的72%回升到91%。

五、交付注意点（给其他云浮企业参考）

• 语料方言问题：云浮客户粤语、普通话混用，甚至夹带石料行话。我们提前在训练集里加入了粤语词表和典型错误发音，避免AI听不懂“几多钱”或“有无大板”。
• 老系统版本兼容：那家工厂的T3还是2015年的版本，API接口已经废弃。我们只能用ODBC直连数据库读视图，权限把控非常严格，否则容易影响ERP正常的记帐操作。
• 转人工策略：AI不能替人做最终决策，比如涉及价格谈判、客诉赔偿，必须第一时间转给销售经理。我们在小程序和电话端都设计了“人工优先”按钮，且AI在转接时自动把对话摘要推给坐席。
• 数据安全：客户订单数据留在企业内部服务器，AI模型只通过内网调用，不经过公网。广州团队提供的是本地化部署方案，符合广东企业的数据合规要求。

六、本地搜索关键词

如果你在云浮、肇庆、佛山等地遇到类似问题，可以在百度或微信搜一搜以下关键词找到我们：云浮AI客服开发、广州软件公司企业数字化、广东ERP老系统改造、石材行业智能客服、小程序+AI机器人。我们公司位于广州番禺，服务过珠三角50多家制造企业，支持驻场实施。