客服部门过去有一条很难摆脱的增长曲线：用户越多、产品越多、服务量越大，人也必须跟着增加。

这在消费电子和智能硬件售后尤其明显。

用户问一句“订单到哪了”，可能只需要查一次系统；但如果问题变成“摄像机连不上网了”，客服面对的就不再是一次查询，而可能需要继续确认设备型号、固件版本、WiFi环境和硬件状态，再通过多轮交互一步一步完成排查。

而且，同一个故障在不同型号上的处理方法可能完全不同。用户说的是“连不上”，企业文档里的标准表述却可能是“无线网络连接失败”。

所以，智能硬件售后真正消耗人力的，并不是回答问题，而是要把一项完整的服务任务做完：理解用户当前状态、持续判断下一步、执行排查流程，直到问题被真正解决。

360智慧生活的实际业务中，IoT硬件售后往往需要5—10轮以上交互，复杂度明显高于简单的信息查询场景。

这也是过去客服组织很难改变的一件事。只要服务需求继续增长，企业通常就需要继续招聘、培训、排班、管理更多客服。

360智慧生活集团用户运营中心陈建在 Zenava UserDay 上海站分享

8月26日，在Zenava UserDay上海站，360智慧生活集团用户运营中心陈建分享了一组已经发生的结果：

目前，360智慧生活在线Agent独立解决率达到83%+，热线超过60%；按照AI日均独立服务量折算，已经形成约46名人工客服的等效服务产能，企业测算年化降本超过400万元。

400万元当然是一笔直观的成本账，但这组数字背后更重要的变化，是360开始验证一种新的客服扩容方式：服务规模可以继续增长，但客服人数不必再按照同样的速度增长。

01 46名等效人力，真正改变的是企业增加服务产能的方式

过去评价智能客服，很容易把注意力放在“机器人接了多少”“分流了多少”“处理了多少次咨询”。

但从企业经营角度看，AI参与过一次服务，并不等于AI真正创造了价值。

所以相比“机器人接待量”或“分流量”，360智慧生活更关注独立解决率：只有问题真正结束在Agent这一侧，不再继续消耗人工，AI创造的服务产能才真正成立。

它衡量的不是Agent有没有接触这次服务，而是问题进入Agent之后，有多少能够直接在这一侧结束，不再继续消耗人工。

目前，360智慧生活在线独立解决率达到83%+，热线独立解决率超过60%。其中，热线Agent日均可以分流人工800+，整体交互时长下降约80%。

现场分享：Agent 服务在降本、增效与体验上的阶段性成果

做到这一步，并不是简单地用大模型替换传统IVR。

360智慧生活最初从“摄像机无法联网”等高频售后问题开始验证，之后重新拆解整个服务过程。他们没有试图让一个Agent同时解决所有品类、所有复杂度的问题，而是采用了“分流Agent＋单品Agent”的双层结构。

第一层只承担快速识别和路由，原则上3句话内判断用户对应的产品品类，准确率达到90%+；进入下一层后，再由摄像机、门铃、记录仪等不同品类的Agent，按照各自产品特点继续完成深度排障。

这种结构调整最后反映在用户体验上，是非常直接的。

热线IVR原来平均需要5.6分钟，现在缩短到1.1分钟；智能服务满意度则从30%提高到70%。效率提高的同时，体验并没有被牺牲。

更关键的是，原本必须由客服完成的一部分工作，开始真正从人工侧移出。

更关键的是，原本必须由客服完成的一部分工作，开始真正从人工侧移出。

智能客服从流程牵引走向对话自主、全量风控与体验入口

按360智慧生活目前的服务量折算，这部分能力相当于约46名人工客服的等效服务产能，企业测算年化降本超过400万元。

因此，“46名等效人力”不能简单理解为少了46个人，更重要的是改变了企业扩充服务产能的方式。

服务规模可以继续增长，但客服人数不必再按照同样的速度增长。

过去，业务增长往往意味着客服团队同步扩张；现在，标准化、可执行的售后任务可以更多交给Agent，人工则集中处理复杂客诉和异常问题。

所以，衡量Agent ROI，不仅要看当下省了多少钱，更要看下一轮业务增长时，企业还需要增加多少人。

02 比省下400万元更难的是，让这份ROI持续存在

一个场景跑通，只能证明Agent当前有效。随着产品升级、型号增加和用户表达变化，更难的问题是：这份ROI能不能持续。

因此，360智慧生活在验证第一个场景之后，继续解决的是另一个更长期的问题：如何让Agent随着业务一起成长。

他们首先遇到的就是知识问题。

如果只是把产品手册、FAQ等现有资料直接导入知识库，看起来内容已经足够丰富，但到了真实服务场景中，用户的问题并不一定能够命中正确答案。

用户问“连不上WiFi”，Agent有可能找到的却是完全无关的产品资料。

后来，360智慧生活重新对知识进行清洗和分类，把设备、场景、故障、操作等内容重新组织，同时补充大量用户真实口语和专业术语之间的对应关系。

知识库准确率由约70%提高到96%。

知识库建设需以真实问法和可命中的服务知识为中心

这也带出了一个很重要的判断：知识库的价值，不在于企业存了多少文档，而在于用户在真实提问时能不能找到正确答案。

但知识文档解决的仍然只是其中一部分问题。

因为文档通常表达的是企业认为用户会怎么描述问题，而真实用户往往不会按照SOP说话。

有人会跳过步骤，有人会一句话带出多个诉求，也有人会使用完全不同的口语。

所以，360智慧生活又拉取了2000多条真实服务录音逐条标注，把客户实际上怎么表达、问题通常卡在哪一步，以及客服最后怎么处理，重新补充进Agent的意图识别和服务流程中。

经过这一轮调整，意图识别准确率提升约30%。

360智慧生活在分享中有一句非常重要的话：SOP写的是“应该怎么服务”，真实录音记录的是“客户实际上怎么发生问题”。Agent真正进入业务，最终需要学习的是后者。

当Agent承接的服务规模继续扩大之后，360智慧生活又把质检体系进行了重构。

过去依靠人工抽检，只能覆盖约3%的服务，而且通常滞后1—3天。引入大模型质检后，覆盖率提升到100%，每一次服务都能够被持续检查和分析。

系统不仅用于发现风险，还可以识别高频错误、知识缺口以及流程问题，再把这些问题重新反馈到知识库和Agent流程中。

系统不仅用于发现风险，还可以识别高频错误、知识缺口以及流程问题，再把这些问题重新反馈到知识库和Agent流程中。

从 AI 赋能走向 AI Native 智能客服

到这里，Agent就不再是一个上线之后长期保持不变的系统，而开始形成持续迭代的机制：

·  Agent服务客户

·  全量服务数据被记录

·  质检发现问题

·  定位知识和流程缺口

·  修改知识与Agent流程

·   再观察解决率和满意度

也就是说，每一次真实服务不仅是在解决当下的问题，同时也在为下一轮Agent优化留下数据。

在这一过程中，天润融通为360智慧生活提供了Agent基础框架、知识清洗和范本搭建等支持；360智慧生活则基于自身产品、用户问题和真实服务数据，不断完善知识与业务流程。客户最终形成的并不是一个单点机器人，而是一套可以持续运营的Agent服务体系。

如果把360智慧生活的实践压缩成两笔账，一笔是人力账，一笔是运营账。

前者回答Agent能释放多少真实产能，后者决定这份产能能不能持续存在。

知识准确率从70%提升到96%，2000+条真实录音持续进入优化流程，质检从3%抽检走向100%全量覆盖，本质上都在解决同一个问题：Agent今天有效，明天还能不能继续有效。

所以，360智慧生活最值得复制的，不只是某一个Agent，也不只是一次降本结果，而是一套新的客服生产方式：

用Agent扩展服务产能，用真实服务数据持续优化这份产能。

当这套机制建立起来，Agent就不再只是一次性的降本工具，而开始成为企业可以持续运营、持续衡量、持续扩张的服务生产力。