在數字化浪潮中，AI技術正以前所未有的速度重塑企業服務格局，被AI改變的不只是客戶，還有軟件產品的服務商。

近日，網易數智旗下服務營銷一體化平臺“網易云商”在北京舉辦了一場媒體交流會，網易云商總經理肖鈺妍分享了網易云商的AI探索歷程以及目前所取得的進展。網易云商在短短兩年左右的時間里，經歷了從Copilot到Agent的布局，探索過程中也取得了一些成績，可謂是國內to B 軟件廠商向智能化深水區轉型的縮影。

一、智能客服從2.0時代到3.0時代

2013 年前后，云計算技術的快速發展，推動了云呼叫中心和云客服軟件的出現。那時 NLP（自然語言處理）技術仍處于雛形發展階段，這個階段可以看作智能客服的1.0時代；

2016 年前后，隨著NLP技術的逐步成熟，智能客服迎來了 2.0 時代。不同于1.0 時代，此時的技術突破讓客服系統具備了更精準的語義理解能力。網易云商基于這些技術，開始構建覆蓋服務全流程的產品矩陣，從基礎咨詢到工單處理，從多渠道接入到知識庫管理，形成了相對完整的智能客服體系。

網易云商的“體驗變革雞尾酒”模型

然而，新的問題又出現了。肖鈺妍坦言，作為 2.0 時代表現突出的廠商，團隊常因 “人工智障” 的吐槽而哭笑不得。盡管系統能解決 70% 的標準化問題（如訂單查詢、物流跟蹤），但剩下的 30% 卻成了痛點：15% 的低體驗解答問題，如答非所問、機械重復，讓用戶體驗大打折扣；還有 15% 的復雜問題，如涉及多業務規則的售后處理，仍需依賴人工。

這些問題的核心，在于知識庫維護的被動性 —— 企業若不投入精力更新知識，系統表現就會大打折扣，而作為服務商，很難深度介入客戶的內部知識管理。

2022 年 ChatGPT 的爆火，像一顆投入湖面的巨石，在行業內激起巨大波瀾。肖鈺妍回憶，當時團隊充滿焦慮：“新技術會不會徹底顛覆我們？” 但很快，他們意識到 “不做就永遠不知道邊界”，于是開啟了積極擁抱大模型的探索。

2023年，網易云商明確邁向客服 3.0 時代，核心是發布客服領域大模型商和并基于此迭代自身產品。與 2.0 時代的 小模型相比，大模型帶來了三大突破：

• 復雜問題處理能力增強：通過上下文理解，能處理 20 輪以上的多輪對話，以往需要人工介入的復雜咨詢（如跨品類產品推薦、個性化售后方案），現在 Agent 能通過多維度數據關聯給出精準解答。例如，用戶咨詢 “油皮適合的粉底液”，系統不再局限于產品羅列，而是結合膚質、季節、用戶歷史購買偏好推薦具體產品。

• 體驗升級：以往機器人回復生硬，現在大模型賦予了對話更自然的交互體驗，甚至能根據品牌調性加入情感化表達，比如在奢侈品客服中使用更優雅的話術，提升用戶好感。

• 知識應用革新：傳統知識庫依賴人工錄入，大模型則能自動從海量文檔中提取關鍵信息，如網易云商合作的一個腕表品牌，數萬個商品對應數萬份的圖文混排說明手冊，通過大模型切片和圖文解析，效率提升 60%，且能實時更新，解決了 2.0 時代知識庫維護的痛點。

2024年3月，團隊發布了客服行業 Copilot 系列應用，聚焦智能輔助場景，如客服實時話術推薦、快速生成會話摘要、客戶情緒識別與響應，讓人工客服如虎添翼。而到了2024 年，團隊重心轉向 AI Agent，目標是實現端到端的問題解決 —— 從理解需求到執行操作。例如，用戶申請退換貨，Agent 能自主完成信息核對、流程提交甚至優惠券補償，無需人工介入。

面對技術變革，肖鈺妍的團隊始終保持著清醒：2.0 時代的 “人工智障” 是技術局限與應用場景的錯位，3.0 時代的大模型也并非萬能。他們發現，大模型在標準化場景表現優異，但在高度個性化的行業（如奢侈品售后、游戲大R玩家深度咨詢），仍需結合企業特定知識和業務流程。

因此，網易云商選擇 “大小模型融合” 策略：用大模型解決通用問題，用垂類小模型處理行業專屬需求，同時通過 AI 訓練師團隊幫助客戶進行模型訓練和調優，填補 “最后一公里” 的落地差距。

二、四大Agent矩陣驅動行業效率革命

在向智能化深水區的探索過程中，網易云商以場景需求為錨點，構建了覆蓋服務領域（客服場景和體驗場景）和營銷領域（運營場景和成交場景）的Agent產品矩陣，每個模塊均以技術深耕破解行業特定痛點。

1. 智能外呼Agent：效率和體驗的雙重革新

常規的智能外呼存在配置維護成本高、非知識庫問題應答效果差、關鍵信息分析不準確等劣勢，而全新的智能外呼Agent能將過去繁瑣的配置步驟簡化為對話式生成，讓配置效率提升80%以上，話術部署周期縮短至1/5。并且在AI大模型能力加持下，通話體驗實現“聽得準、懂客戶、有問必答”，對非結構化數據的采集分析也更精準，將助力企業實現進一步的經營增長。

2. 門店查詢助手Agent：復雜場景的輕量解決方案

針對零售行業海量門店的查詢痛點（如某運動鞋服品牌6000+門店的個性化篩選需求），該Agent突破傳統“關鍵詞匹配+固定列表”模式，支持自然語言驅動的多維度檢索，例如“北京朝陽區24小時營業且提供改褲腳服務的門店”。通過與企業ERP系統實時互聯，門店狀態（庫存、服務能力、停車位等）動態同步，使轉人工率直接下降，查詢響應時間從平均分鐘級壓縮至秒級，成為實體零售引流到店的關鍵工具。  

3. 商品導購Agent：SKU迷宮中的智能導航

在汽配、3C等產品型號繁雜的領域，商品導購Agent展現出強大的非標準輸入處理能力。某汽配采購平臺面臨日均2100+條復雜型號咨詢（如“大眾老款菠蘿的雨刮器”對應專業型號“LBESUBFC2LW04563”），傳統機器人解決率極低。通過構建“用戶俗稱-標準型號-適配配件”三層映射庫，結合上下文意圖解析，Agent將解決率大幅提升，不僅減輕人工壓力，更通過精準推薦實現客單價提升，成為多SKU行業的轉化加速器。  

4.游戲Agent：有溫度的游戲玩家專屬助手

傳統客服難以高效承接大規模玩家咨詢，并且玩家對“情緒價值”的需求日益增長，面對這兩大挑戰，該Agent能夠構建貼合游戲背景的人設形象，基于玩家端內外數據標簽，實現真正實時、有溫度、千人千面的精細化運營，讓非大R玩家的運營成本降低50%，有效提升玩家活躍度和付費轉化率。

網易云商的技術落地從來不是單向輸出，而是與客戶共同構建解決方案。比如，面對某腕表產品的眾多型號與大量用戶俗稱的映射難題，團隊運用圖文混合解析算法，將維修手冊中的零件圖與型號說明自動關聯，建立動態更新的“標準型號-用戶俗稱”數據庫，使知識庫維護成本下降，復雜型號查詢準確率大幅提升。  

可見，真正的智能落地，不在于技術本身的華麗，而在于對行業肌理的深度理解。當Agent不再是標準化的技術黑箱，才能實現從效率工具到商業增長引擎的質變。網易云商的探索，為智能客服行業書寫了從“能用”到“好用”，再到“不可或缺”的進階路徑。

三、多維度控制大模型幻覺

為最大程度降低大模型幻覺對業務的影響，網易云商構建了系統性解決方案，針對不同幻覺類型精準施策。

大小模型融合，發揮協同優勢。將精準或固定類問題（如標準產品參數查詢）交由小模型處理，憑借其專業化訓練實現更精準回答；開放型問題（如產品使用場景建議）則由大模型應對，確保回答的自然流暢與拓展性。   

靈活切換大模型，適配場景需求?；诓煌瑯I務目標與場景（如物流咨詢、商品導購），動態切換至效果表現更優的大模型。例如，針對需要高度事實準確性的業務場景，優先選用在知識準確性上經過優化的大模型，確?；卮鸱蠘I務事實。  

深度Prompt調優，明確業務邊界。深入理解業務需求，通過精細化的Prompt設計，清晰告知大模型“可為”與“不可為”。如在客服場景中，明確要求模型僅依據企業知識庫內容回答，避免編造信息。同時，結合實施經驗進行定制化調優，提升模型對業務場景的適配性。  

強化知識庫與索引建設。建立QA索引，按不同渠道、客戶標簽等維度構建知識索引體系，實現精準知識路由。持續擴充知識庫，補充豐富業務類知識，提升模型上下文理解能力，從源頭減少因知識缺失導致的幻覺，比如事實錯誤、邏輯矛盾等客觀幻覺，以及因身份角色誤解等引發的主觀幻覺。  

通過上述多維策略，網易云商實現了對大模型幻覺的有效控制，保障業務場景中模型輸出的可靠性與準確性，為用戶提供更值得信賴的智能交互體驗。

結語

從 2.0 到 3.0，變的是技術架構和解決問題的能力，不變的是對用戶體驗的執著。正如肖鈺妍所說，每個時代都有其技術紅利與局限，關鍵是在浪潮中找準定位 —— 不是被技術顛覆，而是讓技術為我所用，最終實現從效率工具到價值伙伴的跨越。這一路徑，不僅是網易云商的進化史，更是智能客服行業從技術驅動向價值驅動轉型的縮影。