让经验复利：Parts Town 用 AIP 赋能一线客服与 1,800 名现场技师

摘要

Parts Town 的生意一句话能说清、做起来却极其困难：每天帮助客户让关键设备保持运转——商用厨房停摆、冷藏设备故障、技师与时间赛跑时，他们都在线上。贯穿所有场景的最大挑战是零件识别（parts identification）：把正确的零件、在正确的时间、送到正确的人手里。客户常常只有模糊的照片、残缺的零件号或残缺的序列号。

CEO Bill Geary 在 AIPCon 10 分享的答案不是用 AI 取代人，而是「放大专家」：客服工具 PartsIQ 把设备信息、手册、服务记录、影像与数十年通话转录织入本体，让新手在几秒内获得资深员工的识别能力；更进一步，AIP 智能体全程旁听电话、实时填充屏幕、按公司 SOP 引导下一步。扩展到 1,800 名现场技师的「无限服务集团」后，分派引擎把每张工单放进数千张历史工单的上下文里，为每张工单匹配经验最相关的技师，并自动完成排程与后台工作——人类始终在回路中。

商业回报可观：预计价值机会超过 200 个基点的 EBITDA 利润率。但 Geary 说最重要的成果不是美元，而是能力——一个让「经验、数据与 AI 协同工作」的新运营模式。

正文

一、零件识别：四十年经验如何被每一位员工调用

Parts Town 的业务逻辑很简单，执行却独一无二地难。每天他们都在帮助客户维持关键设备的运转：商用厨房停摆、冷藏单元故障、技师争分夺秒想让厨房恢复时，他们都在线上。这些场景里反复出现的同一挑战是零件识别——正确的零件、正确的人、正确的时间。听起来简单，现实是客户往往没有完整信息：一张模糊的照片、一个残缺的零件号、一个残缺的序列号。

近四十年来，Parts Town 的员工一直在用专业经验解决这些具体问题。但随着公司成长，他们开始问一个不同的问题：如何让每一位 Parts Town 员工都能调用这份经验，而不只是那些工龄最长的老手？更进一步——如果每一次对话都能反复复利这份经验，让运营与客户服务同时变得更好呢？Geary 强调：「这不是要把人从等式里拿掉，而是赋能他们调用 Parts Town 最好的东西，交付无与伦比的客户体验。」这个问题成为他们与 Palantir 合作的基础。

二、PartsIQ：放大而非替代专家的电话实战

旅程始于前线——客服电话线上。第一步是 PartsIQ：部署给客服团队、直击零件识别核心挑战的工具。它把设备信息、手册、服务记录、影像、数年的客户通话转录与历史知识汇聚在一起，帮助团队更快、更有信心地识别正确零件。客服代理在电话中开始输入收到的任何细节——制造商信息、不完整的零件号、零件的粗略描述——本体就开始为他们工作：缩小到相关型号，引导代理与那位客户的对话。「PartsIQ 从来不是为替代专业经验而设计的，它是为放大专业经验而设计的。我们刻意不用 AI 智能体替代员工，而是交付他们需要的工具，让他们在保住 Parts Town 独特优势的同时提供最好的支持。」

识别流程中，一个运行在本体之上的「伙伴智能体」（partner agent）会介入提问，一步步收窄搜索；此时客户不再是提问方，而是协助智能体完成工作——「这对我们来说是一个根本性的转变」。几乎无需来回沟通，客服就能在几秒内识别出相关零件。系统还会基于对零件现场部署频率与历史支持事件完整上下文的了解，把用户导向最可能的零件——这些上下文在本体里深度互联，因此可以在所有智能体间自由遍历。

成功识别零件会触发两个关键结果：其一，客服代理可以直接为替换件生成报价、推进工作流、与客户关闭工单；其二——同等甚至更重要——这个解决方案连同用于支撑该决策的部落知识一起被捕获进本体，复利现场上下文，让下一个来电者获得更好的体验。

三、从通话到工单：AIP 重新想象服务全生命周期

PartsIQ 改变了电话线上的游戏规则，但与 Palantir 前向部署工程师合作后，他们意识到可以把「LLM 加本体」注入流程更上游的位置：让 AIP 旁听员工与客户的通话，主动支持他们交付最佳客户体验，同时不丢掉 Parts Town 的独特体验。这开启了「无限服务集团」（unlimited service group）的工作——一个拥有 1,800 名现场技师、维修商用食品设备的事业部。

第一步是进一步改造支持流程：智能体主动支持电话线上的员工，背后是与 PartsIQ 同样强大的本体。不再是客服团队手动输入查询，AIP 已经在捕捉对话并基于公司独特的 SOP、CRM 数据与捕获的部落知识引导下一步。客户可以分享照片、症状、零件、设备细节——全部被 AI 智能体实时捕捉。屏幕上，AI 智能体不只是记录信息，它正用这些信息实时填充用户界面：基于通话中分享的信息主动呈现正确的客户资料，并建议加速解决路径的下一步动作——下一步直接出现在用户的聊天窗口里，促成与客户的无缝对话。这一切由丰富的本体支撑：围绕已识别客户对象搜索，几秒内就能调出与该客户的完整历史、全部设备、全部保修信息——用户一个搜索词都不用输入，可以专注于自己独一无二的职责：与客户协作解决问题。

沿着决策链继续延伸，他们与 Palantir 一起从头到尾重新想象服务生命周期：先在公司最大的服务品牌之一做试点，与技师、调度员、运营领导层并肩工作，在前向部署工程师（「他们绝对出色」）的支持下从零构建方案。在既有本体上复利：扩展到技师现场运营、工单、路线优化、主动服务推荐。输入是一样的——客户带着问题来电——但现在分派引擎（dispatch engine）在一张工单的上下文里分析它与之前数千张相似工单的关系：全国不同分支机构的两位技师可以共享同一个历史知识库。「这对我们跨品牌的业务是一次大规模解锁。」系统能推荐零件与库存、最佳作业方式，并把经验最相关的技师派到现场，最大化首次上门修复率。智能体遍历所有技师的经历、专长与可用性，为每张工单找到合适的人：准备工作计划、敲定排程、完成全部后台工作，让技师尽快抵达需要他的客户身边。当然，「人机组队」意味着熟练的专业人员始终在回路中：想改排程？直接跳进 AI 智能体刚写好的同一张排程表里编辑，注入自己的独特上下文。

这项工作的影响远超技术：横跨 PartsIQ 与进行中的 USG 用例，预计价值机会超过 200 个基点的 EBITDA 利润率——在规模上这是巨大的数字。但 Geary 强调最重要的成果以能力而非美元衡量：今天的 Parts Town 正在构建一个智能平台，帮助员工做他们最擅长的事——服务客户、解决问题、比以往更快做出更好的决策。从零件识别难题起步，这已成为 Parts Town 根本运营方式的转型：「与 Palantir 一起，我们不只是建造工具，我们正在创造一种新运营模式——让经验、数据与 AI 协同工作，让我们的员工更快、让客户成功、让伙伴关系更牢固，让 Parts Town 站在专业分销未来的领先位置。而我们才刚刚开始。」