酷家乐：解决率提升30%，客服Agent如何破解复杂问题？

“渲染怎么这么慢？进度条半天不动了。”

“我有一笔会员扣费问题想咨询。”

“会员刚开通就想退，里面还剩的钱，怎么退啊？”

每天，这样的咨询都会进入酷家乐客服系统。看上去只是几个普通问题，但对客服来说，真正困难的地方恰恰在于：它们没有标准答案。

“渲染慢”，可能与渲染类型、分辨率、使用时段有关；会员扣费、退款问题，则涉及用户状态、业务规则和后续处理流程。

问题看似简单，背后却是一整套业务判断。对于AI客服而言，真正的挑战，从来不是“会不会回答”，而是“能不能解决”。

作为群核科技推出的3D云设计平台，酷家乐以3D实时渲染与空间大模型为技术核心，被广泛应用于家居、建筑、电商、连锁商业、文博展览等千行百业的设计场景，目前已是国内最大的空间设计平台。

随着海量渲染任务和会员服务不断增长，复杂咨询持续涌向客服体系，也让AI客服走进真实业务现场成为一项新的课题。

过去，每当新功能上线，客服团队最担心的不是咨询量增加，而是知识跟不上业务变化。知识散落在不同系统，整理、审核、入库需要时间，而用户的问题往往先一步出现。知识更新总是“慢半拍”。

机器人的处境也类似。它能够应对标准化问题，但当用户的表达变得复杂，或问题涉及多个业务规则时，就容易出现答非所问。

以“渲染慢”为例：是渲染类型问题？是分辨率过高？还是高峰时段导致排队？传统机器人无法判断场景，也缺乏专业知识关联能力，最终仍然需要人工介入。

另一个现实问题是：没人说得清机器人到底创造了多少价值。哪些问题适合AI处理？哪些问题仍需要人工？AI到底减少了多少工作量？

缺少数据和场景分析，智能客服的价值长期停留在“似乎省了一些力气”的模糊状态。

网易智企·云商团队进入项目后，做的第一件事，不是接入模型，而是梳理业务场景。

团队从大量人工会话中识别高频咨询意图，将渲染、会员费用、退款等问题逐一拆解，进一步梳理对应知识、处理规则和服务流程。

在此基础上，双方共同搭建客服Agent底座：建立覆盖单轮、多轮及复杂问题的用户问题分类体系，构建全量语料库，完成固定FAQ配置、业务场景选型与知识同步，并配置服务引导语及转人工规则，保障服务流程顺畅运行。

这个顺序很重要，因为模型只是能力放大器。如果业务场景没有梳理清楚，再强的模型也可能给出错误答案，甚至让错误的回答显得更加可信。

在明确场景之后，双方进一步构建了“小模型在前、大模型在后”的协同架构。

简单、高频问题，由小模型快速响应；需要多轮理解、专业知识关联的问题，由大模型进一步处理；真正需要经验判断和人工介入的场景，再交由客服接手。

对应的，是“AI在前、人工在后”的人机分工模式：能标准化的问题交给AI，需要判断的问题交给大模型，需要经验的问题留给人工。

AI不再只是一个回答问题的机器人，而开始成为能够参与服务流程的Agent。

“渲染慢”，是酷家乐客服中的高频问题。

过去，机器人往往只能匹配FAQ，给出统一答案。现在，Agent会先判断：你使用的是哪种渲染模式？当前分辨率是多少？是否处于业务高峰时段？

如果是高峰期，会给出排队说明和错峰建议；如果属于异常情况，则进一步提供排查步骤和优化方案。一句模糊的问题，被拆解成了一条有判断、有路径、有结果的服务流程。

会员退款、扣费等复杂咨询也是如此。

Agent通过多轮交互识别用户诉求，匹配对应规则，并引导用户完成后续处理。过去需要人工不断追问的问题，如今能够在会话中完成意图识别、规则匹配和工单引导。

AI开始承担的，不只是回答，而是一段完整的服务流程。

新体系上线后，酷家乐客服后台出现了一组新的数据：

问题解决率提升30%+；

转人工率下降近3%；

每周减少超过1000通人工会话；

相当于释放约1.5个人力工作量。

对客服团队而言，这意味着大量重复咨询不再需要人工逐一处理。人工客服可以把更多时间投入到复杂问题、用户体验和服务优化上。

酷家乐相关负责人表示：“这次和网易智企·云商的合作效果特别显著，不仅整体服务效率得到了大幅提升，用户体验也实现了全面优化。网易智企·云商的AI Agent解决方案在业务降本增效、服务体验升级方面带来了显著价值。

对酷家乐而言，AI客服的价值，并不是让机器人回答更多问题。更重要的是，让AI开始理解业务、判断场景，并真正参与问题解决。

从选场景、接能力到扎运营，从“能回答”到“能解决”，从“AI在前”到“人机协同”，酷家乐与网易智企·云商探索的，是一条更接近真实业务现场的AI客服落地路径。

让AI接住高频问题，把人工留给复杂问题；也把客服省下来的时间，还给真正需要创造价值的人。这或许也是AI Agent进入企业服务现场后，最值得期待的变化。