广东省机场管理集团有限公司数字科技部部长、白云国际机场股份有限公司总经理助理兼信息总监黄志锋（记者张哈斯巴根/摄）

新一代智慧客服在广东机场集团的应用实践

广东省机场管理集团有限公司数字科技部部长、白云国际机场股份有限公司总经理助理兼信息总监黄志锋：各位领导、各位嘉宾，大家下午好！我汇报的题目是搭建新一代智慧客服的实践分享。

广东机场集团下属有六个机场，目前在建的还有一个佛山的机场，还有六个成员单位。实际上在25年，整个机场集团的旅客吞吐量首次突破了1亿人次，其中白云机场是8300万人次。整个集团去年的客服热线的接通的电话62.5万人次，也是一个新高。

长期以来，智慧客服这一方面有一些痛点。一个是旅客的体验不太好，特别是传统的语音按键交互的时间路径比较繁琐，我们也测试了一下，最长的快接近一分钟。另一个就是自助的高频的咨询解答，比如说航班的查询也只覆盖了大概30%的划拨量。另外一个原有的这些所谓的智能的服务答非所问，体验感很差，这是一方面。第二个是作为大机场来讲，一线的服务人员，特别客户服务人员，效率是比较不太理想，一方面他需要去熟悉一些，背诵一些知识，查阅一些知识文档来去回答旅客的问题。所以说旅客的等待时间有时候是比较漫长的。再一个就是处理工单的时候，人工的记录事项比较多，负荷比较重。通话的时候大概有35%的内容需要跨部门的协调，需要线下或者是电话去流转，这方面效率是比较低下。第三个就是运营管理方面，管理上越来越难，特别是机场大了以后，求助类的疑难问题的业务增长去年大概增长了13%，处理非常的耗时。再一个我们旗下的大概六个机场，实际上客服的现状的标准都不一样，能力上也参差不齐。再一个就是对于数据的统计分析，包括对一些热点高频的诉求难以快速及时的识别来提高我们的服务质量。

面对这些问题，实际上广东机场集团在24年已经开始着手研究新一代智慧客服的建设。特别是2025年民航局下发了《关于推动人工智能+高质量发展的实施意见》里，这里有42个场景，大概机场的大概有22个。对新一代的智慧客服是有了非常明确的指引，这对项目的建设有了很大的帮助。另一方面25年以来，特别是今年上半年大模型、多智能体的技术的发展，使得我们建设新一代智慧客服有了很好的技术路径。

根据前一段时间我们的研究，大概在2026年1月份，我们就开始着手建设新一代智能客服。由我们旗下的百亿信科，联合广东联通、腾讯团队一起进行攻坚。我们也打造了分层协同、全域贯通的全新的5G的技术架构，以算力、数据、模型为核心来筑牢我们的智能底座，打造机场的智慧大脑。在这个基础设施层面，实际上集团已经在2022年建了云数据中心，投入了算力这方面的投入，我们购买了大概大概有现在大概有200张卡的GPU的服务器。在搭建这个异构算力平台方面，也就是我们的搭建的算力平台以后，我们着手优化算力的利用率，我们通过智能调度弹性扩充的机制，实现了算力资源的高效盘活。这方面我们大概提升了50%的算力的资源，有效地破解了传统算力调度优化资源闲置的难题。

在核心智能能力方面，我们也建设了大模型的训推和安全平台，搭建了集开发、编排、调度于一体的多智能体的能力层。另外在构建业务、数据、IRE级专业技术、服务四大的协同中台，全新落地了大概28项的AI的核心能力，筑牢了数字化复兴的核心的内涵。在场景落地方面，我们这次建成了智慧客服一体化的中台，打造了15项专属服务应用。同时我们依托融合服务总线，打通了18个系统的接口，全面覆盖了有力支撑了九大旅客服务的触点。

坚实的技术架构也需要标准化、模块化的基础的IRE能力作为核心支撑。我们依托统一的底座架构，沉淀了标准化可复用的模型和算法仓库。在部署了开源大模型的同时，针对通用模型容易产生幻觉，民航领域的专业知识欠缺等痛点，我们经过认真的评选，选择了一款大模型作为基座模型。同时借助大模型的讯推平台的全流程能力，采用高质量标注数据实施的专项训练。比如我们用了白云机场客服的录音，大概有4.5万条的录音，进行人工的复核以后保留4.2万，我们进行了模型的训练。训练完以后，把这4万条录音的数据注入，让AI持续进行学习训练，来提升AI的自助的办结率。通过训练的微调，我们也构建起机场专属大模型，并持续迭代优化，为智慧客服等场景提供安全专业可控的模型服务。

在此之上，实际上在集团的顶层的应用框架里，我们的模型也向各单位进行开放。各单位利用了大模型、小模型与专家的算法，围绕安全、服务、运行、营销、管控、办公等领域，我们现在开发的应用场景超400个。其中大模型这一类占70%，小模型类占20%，专家算法占10%。现在已经落地了近270余个，为业务的应用提供了坚实的支撑。

在模型及算法能力的落地的基础上，我们也创新构建了多智能体的协同机制，也就是大小模型分工，多智能体协同工作，重构服务流程。旅客通过语音等多模态方式发起咨询以后，首先由大模型担任决策大脑，完成语义的理解，精准识别旅客的意图，对诉求做任务的拆解。我们也部署了多语言的模型，能够识别多种语言。识别意图以后，系统将智能分发任务，遇到航班查询、失物招领这类比较高频的业务以后，就调动我们的小模型集群和智能体的矩阵来快速给出专业答复，实现秒级的响应。答复也需要严格遵循民航的业务规则，调用权威的知识库，依托检索知识图谱的能力，保证回答准确合规，规避IRE的幻觉的风险。一旦碰到复杂的一些场景，高风险的业务，包括是旅客的情绪需要安抚，人文关怀等情况系统会直接转接到人工的坐席协同处置。这套方案的核心是人机协同，技术升级，但服务的温度依旧。IRE承接大量的重复的咨询，客服人员可以把更多的精力投入到需要人文关怀复杂争议的场景。依照这种大小模型的分工协作，也实现了高效的协同，精准合规，秒级的响应。同时依托数据反馈，我们可以闭环的持续迭代优化。在保留人文服务品质的前提下，提升旅客全流程的服务体验，以助力我们智慧客服的转型。

依托这个技术底座，模型的算法能力与智能协同机制的全面升级，我们在一线客服也实现了规模化的场景落地，实现服务效率与旅客体验的双提升。过去我们客服存在平台功能不一，信息为共享，服务标准不一致，缺乏智能辅助的这些痛点。我们围绕这个热线的全业务的链条对话务接入、客服接待、工单流转、服务评价、质量管控、数据应用六大关键环节，实现了智能化的改造，建成了多项的IRE的服务能力。聚焦的旅客服务体验进行提质，智能机器人由传统的按键导航升级为自然语言的智能交互。依托AI处理的简单高频咨询，复杂个性化问题由人工坐席兜底的这套体制，我们现在统计的智能客服的一次性的解决率现在是40%，比我们原来的要提升了15%。人工15秒的接通率也达到了96.9%。面向一线，我们效能也有效的提升，包括上线了智能的坐席助手，提供智能的知识推荐，通话的自动小结，工单的智能填单，以及服务风险智能预警，这些辅助能力推动了坐席服务模式由单兵的作战转向AI协同服务，坐席的平均通话时长缩短了15秒，客户诉求解决率提升了10%。

总体来说，前一阶段我们初步实现了从分散管理升级为全域的统一管理，数据互通由单点的应用迈向了全链条的协同，从被动服务转向主动服务。以线上线下深度协同的失物招领这个场景为例，原有的模式主要依赖人工翻阅台账，比对查找处置效率偏低。引入失物招领专项的智能以后，旅客在线提交报失信息以后，系统通过AI的图像识别自动比对物品库，智能推送相似物品关联结果，智能推送的相似的物品关联结果，物品类的识别率大于等于95%，业务处置效率显著提高。实际上失误的认领率在揭阳机场的指标是从7%提升到20%，较以往提高了13%。

最后，推动人工智能与民航服务的深度融合，是新时代赋予广东机场集团的一个重要的课题和任务。下一步，我们也将持续深化I技术的落地应用，推动整体体系从单一的智能客服向完整的智能服务生态进行迭代的演进。一方面我们还是要继续打磨核心智能的交互能力，持续深耕人工智能的技术融合，迭代AI服务的应答效果，打造更具人情味，更贴近真人感受的对话体验，来提升旅客的服务体验。第二是拓宽业务的应用覆盖边界，将人工智能能力从热线服务场景向外延伸，拓展至全流程的旅客营销与综合服务领域，充分释放数字化转型的价值。第三个我们也希望共建民航的服务生态，与上下游这些服务的客户一起秉持着生态共建，行业共创的理念，强化多方协同联动，进一步提供可复制推广的民航智慧化客户服务的范式。

我的汇报结束了，谢谢。