AI客诉归因定制：多模态摘要与知识沉淀

制造业客诉处理长期依赖人工翻记录：邮件、电话录音、聊天截图、检测图片分散在不同系统，归因靠老师傅经验，结论也很少沉淀复用。大模型应用实验室近期在家电售后场景做了一轮小范围实验：把上述非结构化材料统一转写、切片，并打上时间戳与批次号，再由大模型输出「问题现象—可能原因—责任环节」的三段式归因，且要求每条结论强制引用原始片段，便于人工复核。

· 进展：在约 1200 条历史客诉上做离线回测，归因方向与资深工程师判断的一致率约 78%，单条处理时间从平均 20 分钟压到 3 分钟以内；摘要信息缺失率约 11%，集中在录音质量差、图片模糊的样本。

· 下一步：将人工修正结果回写为结构化知识条目，接入检索增强流程，观察同类客诉的重复处理率是否下降；同时补充置信度阈值与人工兜底规则，避免模型在证据不足时给出确定结论。