让采集自动发生
服务记录不再依赖员工主动提交。工牌完成现场录音与上传，为后续分析保留连续输入。
我的角色售前产品经理 / AI 产品协同
落地行业餐饮门店 / 电信营业厅
项目周期2023-2025
项目命题
录音被保存，不等于服务被改进。
服务发生在现场。只有采集链路、质检标准和后续处理同时成立，管理者才可能从分散对话中持续发现问题。
核心判断
录音只是输入，可被复核并推动行动的服务记录才是产品价值。
一枚工牌，把现场接入质检闭环。
产品把硬件采集、AI 分析和管理动作连接成一条链路，每个环节都有明确输入与下一步。
- 自动采集
工牌记录面对面服务，并自动上传录音。
- 生成记录
录音完成转写，沉淀为可追溯的服务记录。
- 执行质检
系统按岗位、场景和质检项分析会话。
- 人工复核
管理者确认关键结论，避免模型直接裁决。
- 推动改进
结果进入报告与待办，回到日常服务管理。
管理首页先回答，今天该处理什么。
首页没有把设备、规则和质检结果拆成孤立入口，而是围绕当日运行状态与待处理问题组织信息。
- 设备运行
- 在线、故障与待添加设备集中呈现，先保证采集链路可用。
- 规则场景
- 岗位场景与启用状态并列展示，管理者能快速判断配置覆盖。
- 质检监测
- 合格率与风险会话回到同一视图，支持从概览进入问题记录。
- 事件待办
- 未完成事项进入处理队列，让分析结果继续向业务动作流转。
配置规则，不必从空白表单开始。
小安助手把岗位、服务场景和质检项的创建与修改变成对话任务，文件与自然语言都可以成为起点。
AI 先结构化，再把决定权交还给人。
助手不是直接发布规则。它先整理输入，再让业务人员核对和确认，降低配置成本的同时保留业务边界。
- 01理解输入
接收岗位说明书或自然语言描述，识别本次创建与修改目标。
- 02结构化生成
把原始资料整理为岗位职责、注意事项与考核内容。
- 03人工确认
业务人员核对输出后再确认，保留最终配置权。
不是换一个行业，而是重做产品模型。
同一套智慧工牌能力从电信营业厅走向餐饮门店，产品从试点工具升级为覆盖日常运营的服务管理系统。
电信营业厅
先验证服务对话能否被稳定分析
围绕话术复盘、意图识别与质检规则完成试点，沉淀产品能力与私有化交付经验。
餐饮门店
再把能力放进门店每天的运营流程
岗位、场景、质检项、设备、组织和服务记录共同运转，分析结果继续进入报告与改进任务。
四个产品决定，让 AI 真正进入业务。
每个决定都在回答同一个问题：如何让模型输出可配置、可检查，也能继续推动现场改进。
拆开规则层级
用岗位、服务场景和质检项组织标准，让不同门店任务可以复用，也可以分别调整。
把 Agent 放在配置端
小安助手负责生成和修改草稿，降低复杂配置的起步成本，但不替代业务确认。
让结果回到运营
质检结论进入报告、风险会话和事件待办，管理者可以继续复核、追踪并推动服务改进。
结果与复盘
AI 不是最终裁决者，它是可配置、可验证的质检协作者。
产品由电信营业厅试点积累，升级为餐饮门店真实落地，并把硬件采集、AI 质检、人工复核与管理改进串进同一套产品闭环。
模型能力只有被规则、样本测试、人工复核和业务动作共同承接，才能成为长期可用的产品能力。
继续查看API 原子能力交易平台