12345 智能填单与话术推荐 —— 通话结束即成稿

话务员日均接 100 通电话 · 填单全靠通话后回忆手敲

一这件事现在是什么样

12345 话务员 · 受理与分派 · 真实业务触发

市民来电反映诉求,话务员在通话过程中需实时填单、匹配事项清单、推荐标准答复——通话结束后工单必须立即分拨

二痛点 · 每条都有来源

不是流程描述,是调研出来的真痛点 —— 每条可点开核对出处

1
痛点一:话务员日均接 80-150 通电话(成都样本),通话结束后手动填单耗 5-8 分钟,通话时间被挤占,呼损率(市民打不进来)居高不下依据 · 黄石 12345 智能填单:语音转写准确率 98.7%、25 秒完成派单
2
痛点二:诉求要素(时间、地点、人物、事项)在通话中分散出现,话务员事后回想容易漏——同一通电话要素完整度只有 60%依据 · 《广州市 12345 政务服务便民热线管理办法实施细则》第 19-20 条:退回 3 次以上启动首派负责与区级兜底,5 日内出意见;无回复证明材料视为未回复
3
痛点三:300+ 项事项清单与 2270 条街镇映射靠人记,话务员平均工龄 8 个月,离职率高——新人匹配准确率不足 40%依据 · 天津西青区用 14 万 条本区工单 + 2 万 条历史退单 + 300 项事项清单+ 2270 条街镇映射训练后,分拨准确率从 58% 提到 95%
4
痛点四:本地政策与历史答复库分散在共享文件夹、微信群、个人笔记里,新人培训周期 3-6 个月仍不能独立上岗依据 · 黄石 12345 智能填单:语音转写准确率 98.7%、25 秒完成派单

三换个做法之后

变化不在「快」,在「参与的角色」和「覆盖的范围」

✕ 现在的做法

  • 痛点一:话务员日均接 80-150 通电话(成都样本),通话结束后手动填单耗 5-8 分钟,通话时间被挤占,呼损率(市民打不进来)居高不下
  • 痛点二:诉求要素(时间、地点、人物、事项)在通话中分散出现,话务员事后回想容易漏——同一通电话要素完整度只有 60%
  • 痛点三:300+ 项事项清单与 2270 条街镇映射靠人记,话务员平均工龄 8 个月,离职率高——新人匹配准确率不足 40%
  • 痛点四:本地政策与历史答复库分散在共享文件夹、微信群、个人笔记里,新人培训周期 3-6 个月仍不能独立上岗

✓ 交给 Agent 之后

  • 多来源文件一次读入,先做口径与完整性校验,再开始算
  • 每条结论绑定来源文件、字段或条号,可以被审
  • 产出是企业真会流转的正式件(带签批栏),不是一张展示用的表
  • 该拦的地方给出「现在还不能提交」,并给不用干等的替代方案

四场景闭环

5 步 · 每一步的产出都是下一步的输入

第 1 步
要素校验 · 通话中实时抽取时间、地点、人物、事项四要素实时显示,缺项标黄
第 2 步
口径归一 · 口语转标准事项「楼下饭店油烟太大」→ 事项=生态环境-餐饮油烟、紧急度=一般
第 3 步
交叉核对 · 与历史同类工单对齐调出近三月同街道同类工单的办结情况与平均时长
第 4 步
异常识别 · 不确定词与情绪信号「拟」「打算」「可能」等不确定词标红;情绪词升级 = 建议优先派单
第 5 步
留证与签批 · 通话结束工单自动成稿含来电人信息、诉求内容、初步事项建议、责任单位建议、标准答复推荐

要准备什么

通话录音(实时或通话结束上传)
电话录音文件,3-8 分钟,wav/mp3 格式
本区「事项清单」+「街镇映射」
300+ 项事项 × 2270 条街镇映射,本地最新版
本地政策文件与历史答复话术库
本区近三年标准答复话术,按事项类型分类

为什么这个场景值得做

痛感 4 × AI 适配 5 ÷ 落地难度 2 = 12.0

最大差异点 · 不要求话务员打完电话再补填单。通话同时语音转写 + 要素实时抽取,通话结束工单已经填好 80%——话务员只需核对和补字段。

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。

五会产出什么

判断标准只有一个:这份东西能不能直接进企业的流程

正式件本体
工单初稿.xlsx
正式件本体 · 含通话要素、事项建议、责任单位建议
可派发清单
历史同类比对.xlsx
本街道近三月同类工单办结情况
可派发清单
标准答复推荐.xlsx
本地历史答复话术库对应条目

这套东西不承诺什么

不替话务员接听电话(电话这头的第一棒必须是真人);不自动外呼(黄冈凉山办法明确回访须人工);不自动结案(办结权在承办单位)。

想看具体怎么跑?

Live Demo 里有一个完整案例的每一步,包括 Agent 在哪一步拦住了