智能客服工单调度的落地优化实践

ningxueqin

　　上周团队复盘了近一个月的客服工单数据，发现固定规则分配的工单里，不少会被分到不熟悉对应业务的客服手中，不仅拉长了客户等待时长，还拉高了二次转接率。尤其是遇到跨部门的复合咨询时，现有规则更是难以适配，不少客户反馈体验不佳。

　　针对这个问题，我们调整思路，选择基于开源方案FastGPT搭建适配的调度模块，结合[aiagent强化学习]的逻辑优化分配策略。我们将客户满意度、问题解决耗时、转接次数设为模型的奖励维度，通过迭代训练让模型自主学习最优的分配路径，同时接入了近半年的历史工单数据作为初始训练样本，逐步让模型适配不同类型的业务场景。

　　这次调整过程里我们也发现，这类方案初期需要积累足够的真实交互样本，不宜直接用模拟数据训练，而且需要每周复盘模型的分配结果，及时调整奖励权重，避免模型陷入局部最优的误区。