物业的 AI：把工单闭环做透，比做智慧社区实在
物业行业的 AI 讨论，大半在讲智慧社区、智能安防、人脸门禁这些。
但对一家物业公司的日常经营来说，决定业主满意度和续签率的，几乎只有一件事：工单闭环。
报修多久有人来、来了修没修好、修不好有没有说法、说了有没有兑现。这四问答不好，门禁再智能也没用。
工单闭环恰好是最适合做第一个 AI 项目的场景——数据现成、频次高、容错空间大、见效快。
---
工单为什么会闭不上
工单系统几乎每家物业都有。问题不在没有系统，在于系统只记录，不推动。
典型的闭不上有四种：
一、派错了。
报的是电梯问题派给了保洁，来回转两次，业主等了一天。
二、派对了但没人动。
工单躺在那儿，没人催，等业主再打电话才想起来。
三、修了但没回访。
系统里显示"已完成"，实际上没修好，业主懒得再报，直接给差评。
四、修不好但没说法。
需要外部维修、需要动用维修基金、需要业委会同意——这类工单会在系统里挂几个月，谁也不敢关，谁也不推动。
第四类占的比例不高，但它贡献了大部分投诉。
---
AI 该做的四件事
一、自动分类派单
从业主的描述里判断这是哪一类问题、该派给谁。
为什么可行：物业工单的类型是有限的（通常几十类），描述虽然口语化但特征明显。
为什么有价值：派错一次的代价是至少多耗一天，而业主的耐心是从第一次报修开始计时的。
注意：输出要给分类 + 依据（业主说的哪句话），让调度员能一眼确认。不要做成黑盒直接派单——错派一次比慢一点更伤。
二、自动催办与升级
到时限没响应 → 催；再不响应 → 升级给主管。
这一件是价值最大的，也是技术最简单的。它根本不需要模型，就是规则加定时任务。
但它必须配一个前提：各类工单的响应时限要有明确约定。这是管理工作，不是技术工作，且必须先做。
三、自动回访
完成后自动发起回访，问"修好了吗"。
为什么重要：这是"已完成"和"真的完成"之间唯一的桥。
判据：回访率要接近 100%，而不是抽样。抽样回访会系统性地漏掉那些没修好但业主懒得再说的——而那些恰恰是最危险的。
四、疑难工单的进度推动
对那些需要多方协调的长周期工单，定期自动同步进度给业主，哪怕进度是"还在等业委会答复"。
这一件的价值不在解决问题，在于让业主知道有人在管。大量投诉的真实触发点不是"没修好"，是"没人理我"。
---
一张工单分类与时限表
分类和时限要一起定，缺一个都不成立。
| 大类 | 典型 | 建议响应时限 | 建议闭环时限 | 能否自动分类 |
|---|---|---|---|---|
| 紧急安全类 | 漏水、跳闸、电梯困人、燃气异味 | 15 分钟内 | 当日 | 能，关键词明确 |
| 公共设施 | 照明、门禁、单元门、路面 | 2 小时 | 3 日 | 能 |
| 室内报修 | 管道、墙面、门窗（在保修期内） | 4 小时 | 5 日 | 能 |
| 环境卫生 | 垃圾清运、绿化、消杀 | 4 小时 | 2 日 | 能 |
| 秩序与投诉 | 噪音、违停、宠物、装修扰民 | 2 小时 | 视情况 | 部分能 |
| 需多方协调 | 动用维修基金、结构问题、跨户纠纷 | 当日回应 | 需单独跟踪 | 能识别，处理需人 |
最后一类必须单独设一条通道。把它混在普通工单里，它一定会被沉底——因为它永远不是"今天最急的那件"。
"紧急安全类"的识别准确率是这个系统的生死线：漏识别一次电梯困人，后果不是满意度问题。这一类宁可误报，误报的成本是白跑一趟，漏报的成本无法承受。
---
闭环怎么量
| 指标 | 定义 | 为什么 |
|---|---|---|
| 一次派对率 | 没有二次转派的工单占比 | 直接决定业主等待时长 |
| 超时未响应件数 | 超过约定时限还没人接的 | 最直接的管理漏洞 |
| 回访确认闭环率 | 业主确认"修好了"的占比 | 这才是真闭环 |
| 长周期工单动作率 | 超过 7 天的工单，近 7 天内有无进展记录 | 防止沉底 |
"回访确认闭环率"和系统里的"完成率"是两个数，且通常差距不小。先把这两个数放在一起看——差距有多大，就说明之前的"完成率"虚高多少。
"长周期工单动作率"是最容易被忽略的一个。它盯的不是"解决了没有"，而是"这周有没有人碰过它"。一个三个月没有任何动作的工单，就是一颗定时炸弹。
---
数据准备
启动前先查三件事，抽 100–200 条历史工单：
1. 业主描述有没有原文保存（还是只剩下调度员填的分类）——只有分类没有原文，自动分类就没法训练也没法验证
2. 完成记录写没写具体处理方式（还是只有"已处理"三个字）
3. 有没有回访记录
三项里缺两项以上，先补记录规范，再上系统。这不是技术问题——系统学不会一件从来没被记录过的事。
---
怎么验收
答案质量的口径可沿用开源评测框架 RAGAS（docs.ragas.io）。物业场景另加四项：
| 指标 | 建议门槛 |
|---|---|
| 紧急安全类识别召回率 | 接近 100%（宁可误报） |
| 一次派对率 | 不低于 90% |
| 自动催办触达率 | 100%（该催的一条不能漏） |
| 回访发起率 | 100%（不是抽样） |
第一项和第三、四项都是 100% 门槛，因为它们靠的是规则而不是模型准确率——规则漏了就是配置错了，不是"模型不够准"。
---
一个务实的推进顺序
1. 先做自动催办与升级——纯规则，两三周上线，价值立刻可见
2. 加自动回访——同样是规则，但要先把回访话术和渠道定好
3. 加自动分类派单——这一步需要历史数据，且要人工确认一段时间
4. 最后做长周期工单的进度推动——这一步需要跨部门约定
第 1 步和第 2 步根本不需要 AI。先把这两件用规则做扎实，指标会立刻改善，团队也会建立信心。等第 3 步真正需要模型时，前面积累的规范记录正好成了训练和验证的数据。
这个顺序还有一个好处：万一第 3 步效果不好，前两步的价值仍然在——不会出现"整个项目白做"的情况。
---
相关阅读
- 企业第一次做 AI，怎样选对项目并设计可退出的试点
- 企业做 AI 项目前需要准备哪些资料
- 企业 AI 项目怎么验收：七层验收标准与证据要求
- 企业 AI 的数据治理：治什么、治到什么程度、谁来治
---
*本文说明的是方法与判断标准，不代表任何未公开项目的实施细节。文中引用的开源评测框架，出处已在正文标明，读者可自行核验。*