作者：每天早上九点半，客服主管打开工单后台，先花四十分钟把昨晚攒下的工单一条条读完、分类、定级、转给对应的人——这段活，就是智能工单分派要替代的部分。它要解决的不只是慢：夜里的紧急工单压在“待分类”里两小时没人看，普通咨询被标成高优插了队，真正着急的客户反而排在后面。分派这个环节看着不起眼，漏一次的代价是一整条处理链路的延迟。更别提销售和客服为“这单到底谁跟”在群里互相@的场面——分派含糊的地方，就是扯皮的地方。
AI在分派环节干的四件事
第一件，分类打标。读完工单内容贴上类型标签，往往比用户自己选的类别还准——用户填“其他”的比例有多高，翻翻你们后台就知道了。分类标准不用另起炉灶，把工单系统里现有的类目体系直接给AI，它照着打标。第二件，定优先级。靠语义判断紧急程度，“手机开不了机”和“想改个收货地址”不该排在同一个队列里。用户自己标的高优，十件里往往三件经不起读——AI读完工单内容再定级，虚高的优先级就压下来了。第三件，写摘要。转给处理人时附上三十个字的内容概要——“客户反馈上周更换的屏幕再次花屏，要求换机，情绪激动，已致歉”，一句话让人知道接的是什么活，不用再从头读四百字。第四件，路由。按技能组和当前负载分给人，谁手头闲、谁处理过同类问题，都算进规则里。
四件事做完，工单进对门的速度快了，处理人拿到的上下文也全了，后面每个环节都跟着受益。这四件事没有一件算高科技，难的是跟你们的工单字段和人员规则对得上号。
落地方式：前面加一层，不动现有系统
很多公司一听要上AI，以为得换工单系统，其实不用。绝大多数工单系统都有开放的API或webhook：新工单进来，先推给AI服务，AI把分类、优先级、摘要、建议负责人填好，回写到工单字段里，后面的流转照旧。改动只在入口一层，原有的流程、权限、报表都不用动。回写哪些字段要先跟工单系统管理员对清楚：分类、优先级、摘要、建议处理人，一般就这四个；另外给AI服务配个开关，它一挂，工单走原路——分派可以慢，不能断。这种单点改造的行情价大致在几万到十几万之间（以2026年市场行情为参考），比换一套工单系统便宜得多，也快得多。分派AI化的本质，是给现有流程装一个预处理器，不是重建一条流程。范围更大的自动化改造，可以参考流程自动化方案里的场景划分。
准确率与兜底：置信度是个好东西
分派分错了，代价可能比不分还大，所以兜底必须硬。做法是让AI输出置信度，低于阈值的（我们一般设在0.8上下，按业务调整）不自动派，进人工复核队列；上线头两三周，即使高置信度的也全量抽检，人工改判的案例回流当校准样本，改判时多写一句改判原因，一个月后回看，规则该怎么调就清楚了。跑顺之后，人工只看机器不确定的那一小撮，主管每天四十分钟的活缩到五分钟以内，这是我们几个项目里比较一致的结果。阈值也不是定完就不动，每月回看一次误派和漏派的记录，微调一次。
从哪类工单先试
别一上来就全量。挑量大、分类标准清晰、分错了损失小的类目先试，比如咨询类、报修类；投诉类、涉赔偿、有合规风险的往后放，这些类型的分派错误会直接变成二次投诉。试点跑出准确率数据，再逐类扩。周期上四到六周比较常见：前两周全量抽检，后两三周只看低置信度的，数据稳了再扩类目。判断某类工单AI能不能接，有个土办法：找一个刚入职的客服，给他二十条历史工单，他几分钟内能分对的，AI大概率也能；他都得打电话问人的，AI先别碰。
拿不准你们的工单适合从哪类先试，挑二十条脱敏后的工单发过来，或者电话 18616880101 说一声，我们试分派的结果一周内还给你，准确率多少、卡在哪，拿数据说话。