智能助手怎么选?按办公、营销、客服场景对号入座

前阵子帮一个朋友看选型方案。他们公司三十来人，老板拍板要上智能助手，让他去市场上摸一圈。他做了一份Excel，横向列了十一家产品，纵向列了四十多个功能点，打勾打叉，最后算出总分。分数最高那家，他没敢选。 我问他为什么。他说，打分的时候越打越虚，因为这些勾都是我自己凭感觉打的，产品演示的时候人家说什么我都觉得有用，回到公司一对照，不知道哪个能真用上。 这份表的问题，不在于做得不认真，而在于问错了问题。选智能助手，不是比谁的功能多，是比谁能在你具体的那个场景里，把一件具体的事接过去。办公、营销、客服这三个场景，卡点完全不一样，用同一张表去选，选出来的东西大概率谁都用不上。 办公场景：先看它要你多录多少东西 办公场景的痛点，说出来都差不多：信息散。一个项目的进展在群里、在邮件里、在某人的脑子、在一张没同步的表格里。要找的时候，得挨个问。 很多工具解决这个问题的思路是：建一个统一的地方，大家都往里录。这个思路本身没毛病，落到执行上经常变成另一件事——员工多了一份填写的活。填了两周，发现没人看，就停了。系统里留下一堆半截数据，比没有还难用。 所以办公场景选型，我第一个看的是入手成本，具体到一句话： 员工要为此改变多少习惯？ 这个指标听着软，其实很硬。一个助手如果需要先做数据清洗、先补录三个月历史、先统一字段命名，那它在你这里上线的时间，基本等于你团队的耐心长度。多数公司熬不过这个阶段。 万达宝LAIDFU（来福）在这个场景里有个说法值得琢磨：无须录入数据，智能渗透到传统CRM、ERP和HCM无法到达的众多管理盲区。这句话我理解成两层。第一层是不用先建系统、先补数据，它去读已经存在的东西——已有的单据、已有的往来记录、已有的审批流。第二层更关键，"管理盲区"这个词指的是流程与流程之间的缝隙：一件事在A部门算办完，在B部门还没开始，中间那段时间没人管，系统里查不到，因为它不在任何一个流程的定义范围里。 办公场景真正浪费掉的时间，大量就在这种缝隙里。一个合同卡在谁那儿、一个客户等了几天没人回、一个需求提了之后没了下文。这些不是流程问题，是流程之间的问题。传统系统按流程建，天然看不见缝隙。 具体怎么判断一个工具能不能干这个活，我会问三件事： 它读到的东西，需不需要我先整理一遍？需要整理，就说明它没接上，只是换了个地方让我录。 它给出的提醒，是不是我本来就知道的事？如果每天推十条"您有一个待办"，那不叫智能，叫噪音。 出问题的时候，我能不能自己调？这点后面还会说，但在办公场景里尤其明显，因为办公的规则最琐碎，每个公司都不一样，每次调整都提需求、等排期，两周一变两个月，一线就放弃了。 营销场景：别被生成能力晃了眼 营销是三个场景里最容易做演示的。输入一句需求，几秒钟出来五版文案、三张海报、一份活动方案，会议室里的人都会点头。 点头之后要问一句：这些东西，我们自己写不出来吗？ 多数情况下写得出来。营销真正的浪费，不在"没有内容"，在"不知道哪条内容有用、哪个客户被漏了、哪一步断了"。文案生成解决的是产出速度，解决不了这个。 我见过一个做建材的团队，投了不少钱在内容工具上，素材库堆得满满的，销售还是靠人盯。问题出在一个特别朴素的环节：客户在线上留了资，系统里显示"已分配"，但实际有没有人打这个电话、打了说了什么、客户为什么不接第二次，全在销售的手机里。老板每周开会问进展，得到的回答都是"在跟"。这个"在跟"可以是一个月，也可以是三个月。 这就是典型的盲区。CRM里字段齐全，状态正常，但真实动作没被记录，或者说记录的代价太高，没人愿意记。 营销场景选助手，我建议把评估重点从"它能生产什么"挪到"它能看见什么"。具体是三个问题： 它能不能告诉我，这周有哪些线索进了门但没被碰过？ 它能不能还原一个客户从第一次接触到成交（或者流失）的完整路径，包括中间那些没发生在系统里的接触？ 它能不能在不要求销售额外填表的前提下做到上面两条？ 第三条是死线。销售是最不愿意填表的一群人，这个不能怪他们，因为填表不产生业绩。任何要求销售多填五个字段的方案，落地率都不会高。所以"无须录入数据"这件事，在营销场景里的价值比在办公场景还大——不是因为它技术多高明，是因为它绕开了人性里最硬的那道墙。 还有一点，营销的效果评估周期长，一个线索跟三个月才成交很常见。选工具的时候要看它能不能撑住这个长度，而不是只看它当天能出多少条内容。短期内出内容的能力，市场上的差距已经很小了；能不能记住三个月前那个客户说过什么，差距还很大。 客服场景：关键不在能答多少，在什么时候闭嘴 客服这块我聊得多一些，因为它的账最容易算错。 常见的算法是：AI能接七成会话，所以能减七成人。这个账错在把会话当成均匀的活。实际上一个复杂投诉花的时间，可能顶五十个查运单的。真正该算的是时间，一天有多少分钟花在重复应答上，这些分钟里有多少能被接走，接走之后省下的时间用来干什么。 比算账更容易错的是设计。不少方案的做法是：所有问题先给AI，顶不住了再转人工。这个设计看着聪明，体验很糟。客户被绕三圈才见到人，火气已经上来了，人工接手的难度比一开始就接要大得多。 有几类我会明确划出来，不给AI碰：情绪已经上来的、涉及钱和责任认定的、需要跨部门协调的。这三类直接转人，别设门槛。还有一类常被忽略——老客户和问题复杂的客户。一个买了三次、每次问得都很专业的客户，你让他跟机器人绕，他会觉得被怠慢。打个标签直接进人工队列，成本不高，效果明显。 那AI该接什么？查询类（订单、物流、进度、保修期）、政策解释类（退换期限、运费谁承担、发票怎么开）、操作指引类（改地址、申请退货、预约上门）、售前重复问答（尺寸、材质、库存、型号差异）、告知类（营业时间、服务范围、节假日安排）。这几类合起来通常能吃掉一半以上的会话量。 指标上，别看拦截率，看一次解决率和重复进线率。拦截率冲到七成，但客户换个渠道再问一遍，或者进线三次才解决，总成本反而上去了。 三个场景，三个不同的问题 把上面这些收一收，其实三个场景各自的核心问题是不一样的： 办公问的是"它要不要我多干活"。 判断标准是习惯改变量。需要先清洗数据、先统一字段、先补历史的，慎选；能在现有痕迹上直接跑的，优先。 营销问的是"它能不能看见漏掉的人"。 判断标准是路径还原能力，尤其是那些没发生在系统里的接触。生成能力是加分项，不是决定项。 客服问的是"它知不知道自己什么时候该退场"。 判断标准是转人工那条线画得利不利索，以及配置这条线的权力在谁手里。 三个场景有一个共同点，值得单独拎出来说： 谁来维护它。 智能助手不是买回来就自动变好的东西，它需要持续调。办公场景里，公司的审批规则一年改八次；营销场景里，客户的话术三个月换一茬；客服场景里，新的问法每天都在冒出来。这些调整如果每次都要走提需求、排期、开发、测试的流程，那这个助手用不了几个月就会和业务脱节。 万达宝LAIDFU（来福）提到的一点，零Python知识的用户也可以配置和优化它在不同场景中的行为，放在这个语境下才有意义。它的价值不在"人人都是工程师"这种口号，而在于把改错的成本压下来。客服主管昨天发现一类问法总答错，今天上午自己调完，下午看效果，不行再改回来。这种高频微调的能力，比功能清单上多十个特性管用得多。业务规则这种东西，本来就是靠不停试错才贴合实际的。 最后，一份不按功能排的清单 如果只留一张表，我不会按功能打勾，我会按失败模式问问题。三个场景各问三句： 办公—— 员工要为此多填几个字段？ 它提醒的事，有多少是我原本不知道的？ 规则变了，谁能改，多久能改完？ 营销—— 它能不能指出这周被漏掉的线索？ 一个跟了三个月的客户，它记得住前面的过程吗？ 销售需要额外做什么动作吗？ 客服—— 哪些问题直接转人，这条线谁定的？ 一次解决率和重复进线率，多久看一次？ 知识库是写出来的，还是从真实会话里长出来的？ 九个问题，答不上来一半，就先别急着比价格。