从“被动响应”到“主动服务” 嘀嗒出行用大模型定义客户服务新范式

来源：IT时报

客服是打车用户体验的重要一环。对于出行平台客服而言，如何化被动为主动，让服务更前置更实时，处置响应更高效，判责更准确公正，沟通交互更高效便捷，是进化升级的方向。

近年来，嘀嗒出行将大数据、算法、大模型等技术深入应用到体验、效率、安全、客服等各个环节。近日，嘀嗒出行又公布大模型在客服领域的最新应用进展：基于大模型的智能判责准确率已超过80%；基于大模型自动生成的客服智能工单，创建效率提升50%，且准确率高达98%，大幅度提升客服的响应及处置效率。

嘀嗒出行相关负责人表示，在客服领域，基于自建语音识别能力，嘀嗒出行已将大模型应用到系统智能判责、智能工单生成、敏感对话干预、履约管控、异常行为识别干预等多个方面，大幅提升了客服处置效率，同时让安全干预更主动，让顺风车生态治理更加公正透明，大模型正在越来越多维度成为客服人员的助手。

据悉，嘀嗒出行近期还准备将智能工单和智能判责的基座模型切换至DeepSeek，进一步提升响应效率和准确率，更高效满足用户需求。

语音识别服务实时转写 轻松识别方言

对用户而言，良好体验来自于平台对用户诉求及时响应、快速处置，公正准确判责，高效灵活沟通，快速解决具体诉求。

要做到这些，首先需要以最快速度对各方面信息进行全面客观的理解分析。为此，嘀嗒出行已于两年前就自建语音识别能力，基于行程录音以及车乘端内沟通等信息，快速了解事情原委，梳理脉络，明确车乘诉求，把握关键要点,并由此进行推理判断，这极大降低了客服处理信息的时间成本，提升了客服人效。

值得一提的是，嘀嗒出行不久前还上线了基于大模型能力的方言语音识别引擎，覆盖粤语等方言的语音识别，为公正客观判责提供更准确依据。

除了事后处置，语音识别能力已广泛应用到产品研发等各个环节，助力具体产品机制、功能和流程的升级优化。同时，也让平台对用户的出行安全守护更主动更前置更实时。

比如，在一些特定场景行程过程中，如车乘沟通出现一些不愉快、言语不文明等情况，平台可以对录音进行实时转写分析，判断存在潜在风险，会迅速通过语音播报、推送等手段主动干预提醒。数据显示，目前行程录音语音识别功能的意图识别准确率接近100%，识别速度最快可达秒级，让车乘出行安全更有保障。

大模型智能工单准确率98%

当大模型成为服务系统的“数字神经”，传统客服正在从成本中心跃升为价值创造中心，服务能力提升的飞轮效应也日益凸显。

在客服工作中，生成工单是基础环节，客服人员由此对用户来访进行跟进处理，一个工单需要记录来访主题、主要对话内容、初步结论、判断依据等，过往这些通常要由客服手动填写，如今嘀嗒出行已交给大模型来完成，并且准确率已高达98%，高于人工质检通过率95%。

这背后，是嘀嗒出行利用大模型强大的自然语言理解和总结能力，让其按照嘀嗒设定的工单结构自动填写，在持续进行训练调优过程中，模型准确率也在不断提升。

此外，嘀嗒出行还结合历史会话数据来训练AI模型，为客服自动推荐最适合TOP工单分类，代替了以往客服需要从数百个分类中选择出本次对话问题分类，并逐级下拉选择分类的繁琐程序，或凭借经验使用关键词搜索分类的方式，大幅提升客服工单创建效率。

通过以上两种路径，嘀嗒客服工单创建效率已提升50%，每位客服人员每天可额外节省出40多分钟来接待更多用户，处理更多复杂事项。

嘀嗒出行一位大模型应用负责人表示，近期将考虑把智能工单和智能判责的基座模型都切换到DeepSeek上，以尝试进一步提升其准确率和响应速度。

推动客服从“解决问题”升级为“预防问题”

对于出行中高频出现的需要判定责任归属的场景，如何让判责更及时更公正更客观？这就需要依赖于大模型的分析、推理和判断能力。

嘀嗒出行基于大模型的智能判责能力已日趋成熟，通过多次数据标注和模型优化，判责准确率已达80%，节省来访用户等待时间，大大提升了客服的应答效率。比如，大模型基于订单信息和车乘沟通记录，通过对上下文的理解和分析，可以快速准确判断订单取消的真实原因和责任方。

“我们希望通过大模型的应用，更加提前预判乘客需求，让服务更前置、判责更公正，推动服务体验从‘解决问题’升级为‘预防问题’。”嘀嗒出行内部人士表示。

随着大模型应用持续深入，与业务场景更深度融合，未来，在与用户服务相关的各个环节，都能为用户带去更加智能、高效和人性化的体验，也让出行更加安全。

比如基于大模型应用，部分敏感地址的识别将更准确高效，路径规划将更精准；在用户履约管控和风控等方面，使用大模型能更好提升对异常行为的识别能力，提升平台规则执行的公平性与透明度，以实现全场景风控覆盖。后续平台还可利用大模型进行业务分析，挖掘更多强化用户履约意识的机会点。