最近跟几位深耕企业服务领域的朋友聊天，注意到一个挺有意思的现象：越来越多的团队正在试着把AI引入客户工单的分派环节。乍一看，这像是一件提高效率的好事——系统自动读取工单内容，识别问题类别，再推送给相应的处理人员，好像省去了人工转单的麻烦。但真正跑了一段时间之后，不少人反而觉得“第一公里”变得更难走了。问题并不在AI本身，而在于工单分派这件事，比我们以为的要复杂得多。
在传统的服务流程中，工单分派常常是整个服务链条的起点。客户提交问题之后，一般由客服主管或者有经验的客服来判断：这是哪一类问题，紧急程度如何，该由谁来处理，需不需要提前升级。这个判断过程靠的是经验，也靠对客户语境的理解。比如同样一句“系统用不了”，来自不同客户、不同业务场景，背后的含义可能完全不同。有的只是操作不熟，有的却是核心业务中断。人工分派的价值，恰恰在于能把这些模糊信息结合上下文进行权衡。
当AI开始参与分派，第一道坎就是标签体系。很多企业的工单分类并不完整，甚至没有统一的服务目录。AI只能根据现有标签去匹配，标签缺失或颗粒度太粗，分派结果就容易偏离。第二道坎是紧急程度的误判。客户在描述问题时往往带有情绪，用词激烈的不一定真紧急，描述平淡的可能已经影响业务。AI如果只做关键词匹配，很容易把优先级搞反。第三是跨部门责任模糊。一个问题可能涉及技术、售后、商务多个环节，AI按规则分给某个部门，但那个部门未必是真正能闭环处理的人。第四是客户情绪被忽略。工单里藏着客户的不满和焦虑，人工分派时能感知到，并据此调整响应方式，而AI目前很难捕捉这些细微信号。
这些问题带来的直接后果是，工单虽然分出去了，但可能被退回、被转手，或者在多个部门之间来回踢皮球。客户感受到的不是更快，而是更乱。原本“第一公里”要解决的是让对的人接住问题，现在却变成了让系统快速把问题丢出去。
所以，中小企业在引入AI工单分派之前，不妨先停下来梳理几件基础的事。一是服务目录，到底有哪些服务项，每项服务的边界在哪里。二是问题分类，分类不是越细越好，而是要能对应到实际的处理能力。三是响应边界，哪些问题必须多久内响应，哪些可以排队。四是升级机制，什么情况下需要人工介入，什么情况下要跨部门协同。这些基础信息不清晰，AI再聪明也分不准。
结合it数运在数字化服务领域的长期观察，企业服务的“第一公里”从来不是比谁分得快，而是比谁分得准、接得住。AI可以成为辅助分派的工具，但它不应该替代人对服务流程的理解。更务实的做法是，先把人工分派中那些隐性的判断逻辑整理出来，变成可复用的规则和知识，再让AI去学习和执行。同时保留人工复核和动态调整的通道，尤其是涉及紧急问题和情绪化表达的工单。分派只是开始，接得住、能闭环，才是客户真正在意的事。
