美团赔付规范细则数十条(接单 10 分钟内取消赔 50%、以上赔 100%) · Meta 教训:AI 终审 + AI 复审 = 死循环
客诉与判责 · 真实业务触发
客诉工单分诊与优先级 里那条食安投诉升级到判责:用户要求全额退款加医药费 300 元;订单时间线显示商家 22:15 送达(正常)、用户 23:40 首次联系客服(间隔 85 分钟)、无当日就医凭证(次日门诊记录一张,无法直接关联本单);商家主张「出餐与包装全程合规,不能排除用户自食其他食物」;另有两单待判:骑手洒餐(用户拍照 + 骑手已承认)、商家漏送(系统出餐记录明确)。运营主管今天要出三个判责结论,每个都可能被商家或用户申诉。
不是流程描述,是调研出来的真痛点 —— 每条可点开核对出处
变化不在「快」,在「参与的角色」和「覆盖的范围」
5 步 · 每一步的产出都是下一步的输入
痛感 5 × AI 适配 4 ÷ 落地难度 3 = 8.0
最大差异点 · 判责辅助不是「AI 来判」,是把判责拆成三段可核验的工作:证据链汇拢(订单时间线 × 沟通记录 × 历史判例)、规则匹配(当前纠纷对上哪条赔付细则)、建议与置信度(证据齐就高置信,证据缺就标注缺什么)。主管签字的时候,每一条结论后面都挂着证据与规则原文——这才是「同类纠纷同结论」的底气,也是被申诉时的挡箭牌。
评分口径:痛感看「这事没做好谁会生气、生气到什么程度」; AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」; 落地难度是分母 —— 需要客户先做数据治理的场景,分数会被压得很低。
判断标准只有一个:这份东西能不能直接进企业的流程
判责结论必须人工签批:本场景只出证据链、规则匹配结果与建议,「商家/骑手/用户/平台责任」的认定与赔付金额由运营负责人签字;食安类纠纷的证据不足时按「存疑有利于用户」的监管口径建议保守处置,但建议不等于结论。
Live Demo 里有一个完整案例的每一步,包括 Agent 在哪一步拦住了