案例｜某制造企业：售后 Agent 试点 90 天，ROI 怎么算才不被老板怼

这是一家年营收约 40 亿的装备制造企业。2025 年下半年，售后部门积压工单超过 1.2 万条，平均响应时间 36 小时。IT 提的方案是「上大模型客服」，老板问的第一句话是：多少钱、多久见效、失败了怎么办？

试点设计：先锁一条产线，不碰全厂

FDE 团队和业务一起划了边界：只做售后工单分诊 + 知识库检索，不接 ERP 写回，不改现有 SLA 考核。试点范围是一条核心产线的 3 类高频故障，样本量控制在每天 80–120 单。

90 天里的三个关键数字

• 人工介入率：从 100% 降到 41%（Agent 能直接给出排查步骤或转对工程师）
• 首次响应：36h → 4h（夜间与周末由 Agent 先接单）
• 单均处理成本：下降约 28%（含模型、算力、2 名 FDE 驻场成本）

踩坑：数据比模型重要

前 3 周效果很差，根因不是 Prompt，而是工单历史字段脏：同一故障有 7 种写法，知识库 PDF 还是 2019 年的。FDE 花了 2 周做「上下文清洗」——统一标签、补全故障树、把老师傅的语音笔记转成结构化条目。

给 FDE 的启示

企业 AI 转型案例里，最难的不是上线 Agent，而是让业务相信数字。我们最后给老板看的不是「准确率 92%」，而是一张 ROI 表：试点成本、节省工时、扩容条件、失败回滚方案。

案例经企业脱敏处理，数据为试点期统计，仅供 FDE 从业者参考。