【一线数智评论】

　　最近两年，很多企业都在跑马圈地做AI。有人接了DeepSeek，有人部署私有大模型，有人搭知识库，有人建Agent流水线。

　　但有个现象我反复看到：项目上线了，领导觉得很先进，用户觉得没什么用。问题出在哪？大多数时候，不是模型不够好。而是AI根本没搞清楚用户想干什么。

　　一、你以为用户在问问题，其实他在找出路

　　很多企业建AI时，默认逻辑是这样的：

　　用户问什么 → AI答什么，看起来没毛病。

　　但现实里，用户说出来的话，往往不是他真正想要的答案。

　　举个例子，用户问：“怎么申请报销？”

　　AI老老实实返回一套报销流程。

　　但用户心里真正想知道的，可能是：

　　我这次能不能报？需要准备什么材料？上次被拒是因为什么？钱什么时候能到账？

　　他说的是”怎么申请”，他想要的是”这件事能不能办成”。AI把流程背给他听，问题并没有解决。

　　这就是意图识别失败的典型案例——不是答错了，是压根没理解用户真正的需求。

　　二、什么是意图识别？

　　用一句话说：

　　用户说的是语言，AI要理解的是行动。

　　几个例子：

　　“密码忘了。” → 意图是：账号恢复

　　“系统打不开。” → 意图是：故障报修

　　“有没有便宜点的方案？” → 意图是：购买咨询，或者价格谈判

　　同样一句话，背后可能对应完全不同的处理路径。

　　意图识别做得好不好，直接决定了AI是真的在帮用户解决问题，还是只是在表演”我很智能”。

　　三、从关键词到语义，意图识别经历了什么

　　早期的客服系统逻辑很简单：

　　关键词 → 分类 → 固定回复

　　用户说”退款”、“取消订单”、“不要了”，系统统一识别成退款意图，触发对应流程。

　　FAQ时代，这套够用。

　　但现在不行了。

　　用户越来越不按套路说话：

　　“我不想用了。”

　　“这个功能感觉不太适合我。”

　　“有没有别的选择？”

　　这些话，关键词各不相同，背后指向的可能是同一件事：取消服务。

　　光靠关键词匹配，根本接不住这些表达。今天的意图识别，必须靠语义理解。

　　四、企业AI的四层意图，你在哪一层？

　　很多人以为意图识别就是个分类器，做个模型跑一跑就行。

　　实际上，做得成熟的企业，会建立一套四层体系。

　　第一层：显性意图

　　用户直接说清楚了。

　　“我要退款。” “帮我查一下订单。” “发票怎么开？”

　　这类最好处理，规则引擎就能搞定。

　　第二层：隐性意图

　　用户没说目标，只说了现象。

　　“这个月账单怎么这么高？” → 真实意图：费用明细查询

　　“订单怎么还没到？” → 真实意图：物流追踪

　　这里开始需要大模型介入，做语义层面的理解。

　　第三层：复合意图

　　用户一句话里有多个需求。

　　“帮我看看快递什么时候到，顺便把发票开一下。”

　　传统系统只能处理一个，Agent要能拆解成两个任务并行执行。

　　第四层：探索性意图

　　这是最难的一层，也是Agent真正有价值的地方。

　　用户自己都不清楚自己想要什么。

　　“最近业务增长慢了很多……”

　　这不是一个问题，是一个困境描述。

　　背后需要的可能是：原因分析、数据诊断、改进方向、具体执行建议。

　　这时候，AI不能等指令，要主动发现需求、主动提供路径。

　　大多数企业目前还停在第一层和第二层。

　　五、意图库：被严重忽视的数据资产

　　很多企业上线AI后会发现一个问题：

　　今天识别对了，明天又乱了。越用越难维护。

　　根本原因是：没有统一的意图库。

　　同一件事，可能有六七种说法：退款、退费、取消订单、不要了、不买了、退货……对应六套处理逻辑，谁都说不清边界在哪，后期根本维护不了。

　　正确的做法是建立分层的标准意图库：

　　一级：售后服务

　　二级：退款申请 / 退货申请 / 投诉反馈

　　三级：未发货退款 / 已发货退款 / 部分退款

　　所有用户的表达，最终都映射到这套体系里。

　　意图库不是技术问题，是企业对自己业务场景的沉淀。它越完整，AI就越好用，也越难被竞争对手复制。

　　六、意图识别之后，然后呢？

　　很多企业做到意图分类就停了。

　　但意图本身不创造价值，执行动作才创造价值。

　　用户表达了”想买产品”，后面要拉通的是：产品推荐 → 价格计算 → 优惠券匹配 → 合同生成 → 订单创建 → 支付收款。

　　所以，真正成熟的Agent架构，应该是这样的链路：

　　用户输入 → 意图识别 → 意图图谱 → 能力编排 → 业务执行 → 结果反馈

　　意图图谱的本质，是把”用户想干什么”和”企业能干什么”连接起来。

　　这才是Agent落地的核心，也是大多数企业目前缺的那一环。

　　七、企业怎么分阶段建这套体系？

　　不建议上来就搞复杂Agent，更务实的路线是三步走：

　　第一阶段： 规则引擎 + 关键词体系，解决核心高频场景，先覆盖60%的需求，快速上线验证。

　　第二阶段： 引入Embedding和大模型分类，建立统一意图库，覆盖率提升到80%，同时开始积累意图数据。

　　第三阶段： 加入Agent推理层，允许AI主动追问、主动探索需求，覆盖95%以上的场景，真正实现从”问答”到”办事”的跨越。

　　总的说来，未来模型越来越便宜，知识库越来越标准化。

　　未来企业AI的真正壁垒，很可能不是你用了什么模型，而是你对自己用户理解有多深。

　　模型是通用的，谁都能用。

　　意图体系是企业自己沉淀出来的，很难复制。

　　谁先把意图库、意图图谱和业务执行链路搭起来，谁就更有机会把AI从”聊天工具”变成真正创造价值的生产系统。

　　企业之间的AI竞争，说到底，比的是谁更懂自己的用户。(来源及作者：IT职场斜杠青年 Lydia )