大模型驱动的工单自动分派与流转实验

近期，自动化流程实验室围绕制造业售后工单处理场景，开展了大模型与RPA融合的工单自动分派实验。传统工单流转依赖人工阅读描述、判断类别再转派，平均耗时长且分类口径不一。实验以历史工单文本构建微调样本，结合规则引擎与语义匹配双通道判别，将工单自动归入设备故障、工艺咨询、备件申请等类别，并按技能组负载情况生成分派建议。阶段性结果：一、在近三个月脱敏工单数据上，分类准确率达92.4%，较纯规则方案提升约15个百分点；二、端到端流转时长由平均26分钟缩短至4分钟以内，人工仅复核低置信度样本。下一步将引入多轮澄清对话以处理描述模糊的工单，同时评估跨厂区术语差异对模型稳定性的影响，探索小样本迁移方案，降低新场景部署成本。实验数据将在实验室页面持续更新。