我在项目中的主要工作
1. 角色与责任
我的工作主要包括方向梳理、需求拆解、进度协调和产品表达。我参与对齐企业需求与项目目标、讨论产品边界，将业务痛点整理为功能、流程和文档，并配合团队完成里程碑与方案取舍。
| 责任模块 | 我的具体工作 | 主要产出 |
| 需求与规划 | 承担部分用户访谈，参与业务梳理和优先级判断，协同确定三个月 MVP 范围。 | 用户画像、业务流程图、34 条需求清单、优先级矩阵、PRD |
| 核心方案 | 重点参与三层 AI 应答、工单生命周期、人工兜底、超时升级和四端协同规则设计。 | 功能规则、状态机、异常边界、消息触达规则 |
| 原型与推进 | 完成高保真原型，配合开发与每周测试，并跟进问题调整。 | 26 页 Axure 原型、流程图、数据流转图、接口时序图、测试记录 |
| 验收与表达 | 参与整理交付材料、验收汇报和演示脚本，向企业导师说明方案思路。 | 可运行 Demo、答辩材料、项目复盘与交付文档 |
2. 我如何判断真正的问题
项目初期，我没有直接照着需求清单画原型，而是先确认真实业务流程。企业侧调研覆盖 2 名一线客服和 1 名运营主管，我还跟随客服观察了半天工作；线下走访两家社区养老服务中心，团队访谈 8 位老人、5 位护工和 2 名机构管理人员，并回收 42 份家属有效问卷。
调研发现，客服约 62% 的工作量来自送餐时间、报修进度和活动通知等重复咨询；老人更依赖口语与语音，家属关心服务进度透明度，护工则容易漏看微信派单。由此我把核心问题定义为：人工效率低、紧急响应不及时、工单无闭环、过程数据难沉淀。
3. MVP 取舍
团队共整理出 34 条有效需求。我使用“用户价值 × 实现难度”矩阵排序，只保留咨询、求助、工单和人工转接四类核心场景。AI 情感陪伴、健康问诊和线上挂号虽然更吸引眼球，但超出客服中心定位和团队能力，因此没有进入 MVP。
4. 核心产品方案
分层应答
常规咨询由知识库直接回答；服务需求由 AI 识别意图、提取字段并生成工单；SOS 等紧急场景立即转人工和护工，5 分钟未响应自动升级。
工单闭环
围绕待受理、处理中、已派单、已完成、已关闭、已驳回六类状态，定义触发角色、流转条件、通知方式和超时规则。
四端协同
老人端强调语音入口，客服工作台减少重复录入，护工端缩短操作路径，运营后台承担数据查看、知识库管理和工单规则配置。
5. 从原型到 Demo
我完成 26 页 Axure 高保真原型，并在开发阶段配合跟进。团队每周进行一次小范围测试，前后调整 20 余处细节。针对老人表达口语化的问题，我和算法同学从调研记录中整理 120 余条常用表达，对应 8 类核心意图，并设置低于 70% 置信度时转人工的兜底规则。
针对护工工作中不便频繁查看手机的问题，我提出分级触达方案：SOS 工单同时发送小程序推送与短信；普通工单 15 分钟未读时补发短信。在不增加复杂功能的前提下，提高重要消息被看到的概率。
6. 交付与验证
| 验证项 | 项目内结果 | 口径说明 |
| 意图识别 | 8 类核心意图平均准确率由 68% 提升至 87% | 使用 50 条从养老机构采集的真实提问进行项目盲测 |
| 客服处理 | 人工参与工单的平均处理时长由约 8 分钟测算至约 5 分钟 | 基于企业历史人工数据与项目方案对比，测算提升约 37.5% |
| 工单流转 | 从受理到派单由约 22 分钟测算至约 10 分钟 | 基于自动识别、生成与派单流程测算，提升约 55% |
最终团队交付近 40 页 PRD、26 页可交互原型、业务流程与数据流转说明，以及能够跑通“咨询 - 识别 - 生成工单 - 派单 - 执行 - 反馈”的 Demo。项目完成校企联合验收，产品方案被企业采纳为后续 AI 客服功能迭代的设计参考。