Zenava UserDay最佳实践｜鱼跃医疗刘莉：Agent不是替代人工，而是重构客服组织能力

这看起来是一个简单的售后问题，但在鱼跃医疗的服务场景里，它可能涉及测量姿势、测量时间，也可能涉及产品功能、使用环境，甚至用户对健康结果的焦虑......

在这些场景里，如果Agent只给出一个标准答案，虽然可以答得快，却不一定能理解用户需求，真正解决用户的问题。

所以这要求客服团队不只是引入一个Agent，而是像建设服务产品一样：拆场景、建知识、写规则、配流程、做运营，最终交付一个可以稳定、规模化服务用户的“Agent服务产品”。

即，医疗器械服务的难点，不是“有没有答案”，而是能不能在专业、安全、可控的前提下，完成判断、引导和服务闭环。

这也是鱼跃医疗推进Agent客服时最核心的判断：Agent不是简单替代人工，也不是把客服话术搬进系统，而是要把服务经验、产品知识、业务流程和风险边界，重新工程化为可持续交付的AI服务能力。

在Zenava UserDay杭州站，鱼跃医疗用户服务中心负责人刘莉分享了他们在Agent落地中的实践。她认为，Agent带来的不是单点效率提升，而是客服组织能力的重构。

Agent落地，先看业务基本盘，再决定从哪里切入

刘莉提到，鱼跃推进Agent客服，不是先上系统、再寻找适配场景，而是先回到业务本身，判断数据价值、流程基础、场景稳定性和组织承接能力。

只有场景值得做、流程接得住、团队能运营，Agent才能真正落地。

具体来看，鱼跃主要从四个维度判断优先级。

第一，看业务数据，哪些场景量大、价值高。

鱼跃会先分析热线、在线、电商、咨询、工单等不同渠道和场景的业务比例，判断哪些问题量大、重复度高、人工消耗大，也更容易通过Agent形成稳定结果。所以Agent优先进入的，不一定是最复杂的场景，而是价值明确、需求高频、规则相对清晰的场景。

第二，看流程基础，哪些业务已经具备线上化条件。

Agent真正进入业务，不只是前台能回答，还要后台能承接。

如果业务没有线上化，流程没有梳理清楚，系统之间没有打通，就容易出现“前台聊得很好，后台接不住”。尤其是维修、换货、安装、补发这类工单协作场景。因此，鱼跃会优先选择流程相对清楚、业务基础更成熟的场景切入。

第三，看业务稳定性，哪些场景适合先跑通。

并不是所有高频场景都适合马上做Agent。比如电商业务活动节奏快、规则变化多，Agent上线后容易跟着业务反复波动。相比之下，品牌服务、标准售后、常见咨询等场景相对稳定，更适合作为优先试点。先在稳定场景跑通方法，再逐步进入复杂场景，是更稳妥的路径。

第四，看组织资源，有没有人持续运营。

Agent客服需要长期运营，且它不是技术部门单独就能做成的，它需要客服、产品、业务、技术团队一起，把服务逻辑拆清楚，把知识和流程沉淀下来。因此，鱼跃也投入了专门的业务骨干和运营力量，持续推进知识梳理、服务设计、流程配置和Agent运营。

鱼跃的Agent落地逻辑很清楚：不是哪里热门就做哪里，而是哪里价值明确、流程稳定、组织能承接，就先从哪里开始。

把Agent做进业务，要从“会回答”走向“能协作”

鱼跃做Agent客服，不只是做一个能回答问题的Chatbot，而是要让Agent承接任务、推动流程。

刘莉把鱼跃的Agent项目分为两类：一类是咨询型，一类是协作型。前者解决“用户问，Agent答”；后者解决“用户提出需求，Agent把事情往下推进”。

1.咨询型Agent：把问题答准、答稳

咨询型Agent更接近Chatbot，核心是知识准确、表达稳定、边界清楚。

比如用户咨询产品怎么用、测量为什么不准、售后政策是什么，Agent需要基于结构化知识给出可靠回答，而不是简单匹配话术。

这一步的重点不是“答得快”，而是答得准、答得稳、答得有边界。

2.协作型Agent：推进任务、完成闭环

协作型Agent的要求更高。用户提出的往往不是一个问题，而是一个需求。

比如退货、换货、维修、安装、补发、物流、打款、开票、投诉升级，Agent不能只是解释规则，还要推动处理。

它需要完成一条任务链路：理解需求→推荐方案→用户确认→生成单据→审核信息→跨系统流转→回传节点→消息下发→服务闭环

协作型Agent解决的是“怎么把事情办下去”。它不需要更会聊天，而是要能把用户需求推进到系统、流程和结果里的数字员工。

Agent最难的，是把经验、知识和流程工程化

Agent客服真正难的，不是把资料放进系统，而是把分散在业务中的服务经验，转化为Agent可理解、可判断、可执行的能力。

在鱼跃的实践中，他们把说明书、FAQ、客服话术、优秀对话和业务骨干经验重新拆解、整理和沉淀，形成Agent能调用的知识、流程和规则。

第一，知识库不是资料仓库，而是服务经验的结构化表达。

鱼跃的知识库经历了多轮迭代：从FAQ和话术，到按产品和问题整理的结构化知识，再到面向具体场景的流程、规则和策略，最后转写成Agent可执行的提示词和规则。

比如用户问“血压计测量不准”，Agent不能简单判断是产品问题或用户操作错误，而要结合测量姿势、身体状态等因素，再给出解释和引导。因此，鱼跃整理的不是单点答案，而是一整套围绕产品、用户问题和服务判断展开的知识体系。

第二，流程和规则决定Agent能不能把服务跑顺。

刘莉提到，知识是服务的血肉，流程和规则是服务的骨架。知识告诉Agent“说什么”，流程和规则告诉Agent“什么时候说、怎么判断、下一步做什么”。

很多企业Agent客服做不深，不是资料少，而是流程没拆清、规则没显性化、骨干经验没有沉淀成Agent能执行的逻辑。

第三，风险边界必须提前定义。

医疗器械行业不能只看效率，还要守住边界。Agent可以解释产品使用、引导故障排查、推动服务流程，但不能越界做医学诊断和治疗建议。

鱼跃也没有因为幻觉问题否定Agent。关键不是要求Agent永远不出错，而是提前定义清楚哪些错误可接受、哪些风险不能发生、哪些情况必须快速转人工。

所以，Agent客服真正的基础设施，不只是模型，而是被显性化的经验、被结构化的知识、被工程化的流程，以及被提前定义清楚的服务边界。

鱼跃医疗的实践说明，Agent客服转型不是一次工具采购，而是一场服务组织的持续进化。

在这个过程中，业务要被重新拆解，知识要被重新整理，流程要被重新定义，人员能力也要随之升级。

只有当服务经验被显性化，知识被结构化，流程被工程化，Agent才真正从一个问答工具，变成企业可持续交付服务能力的新方式。