上周跟一家做智能家居的朋友聊天，他吐槽最近半年光處理"假故障"就賠了不少錢，用戶報障說設備壞了，工程師上門一看啥事沒有，返廠檢測也顯示正常，可上門費、交通費一分沒少花，折騰一圈全是無效成本。

這種事兒聽著離譜，在IoT設備運維圈里卻挺常見。

這事兒不能全怪一線工程師，傳統(tǒng)運維流程里，客服接到報障就按固定SOP問幾句："重啟了嗎？""網(wǎng)絡正常嗎？""換個插座試試？"四步走完，用戶說還不行就直接派單。

用戶那邊可能只是信號臨時斷了，或者誤觸了設置，可客服手里就那幾頁紙的標準流程，根本判斷不出來。

我后來去他們公司調(diào)研，發(fā)現(xiàn)有個有意思的現(xiàn)象：公司里有位干了十年的張師傅，他接的報障單里，假故障攔截率比別人高一大截。

本來想問問張師傅有啥秘訣，結(jié)果他擺擺手："哪有啥秘訣，就是多問幾句唄。"

可真跟著他記錄了一周才發(fā)現(xiàn)，這"多問幾句"里藏著12個步驟，從設備基礎狀態(tài)、網(wǎng)絡環(huán)境、用戶操作習慣，到歷史故障記錄，甚至周邊環(huán)境變化都得考慮。

而客服用的SOP，只覆蓋了其中最基礎的4步，這種"隱性知識"在技術崗位太常見了。

老專家憑經(jīng)驗能一眼看穿的問題，新人照著手冊干卻總踩坑。

畢竟很多判斷是"只可意會"的，比如"用戶說網(wǎng)絡正常，但語氣猶豫時就得查路由器日志"，這種細節(jié)根本寫不全。

發(fā)現(xiàn)問題根源后，我們琢磨著：能不能讓AI把張師傅這12步"看家本事"學過來？團隊里的技術架構(gòu)師提議用ReAct框架，簡單說就是讓AI模擬專家"思考-行動-觀察"的過程。

比如接到報障，AI先"思考"該問什么（對應張師傅的第一步"確認基礎狀態(tài)"），用戶回答后再"行動"（比如調(diào)取設備日志），最后根據(jù)結(jié)果"觀察"是不是假故障。

光有邏輯還不行，得讓系統(tǒng)硬起來。

之前總有人為了"怕?lián)?繞過流程直接派單，這次我們改了系統(tǒng)，只有AIAgent給出"建議上門"的結(jié)論，派單按鈕才會亮。

剛開始一線同事罵罵咧咧，說AI"死板"，但兩周后就沒人抱怨了：無效上門單少了一大半，大家不用再白跑冤枉路。

全量上線那天，我們盯著后臺數(shù)據(jù)看了一上午，離線場景的假故障工單，AI攔截率一直穩(wěn)定在挺高的水平。

朋友掐著指頭算：之前平均每月30多單無效上門，每單成本小兩百，一年下來就是七萬多，現(xiàn)在至少能省八成，再加上返廠檢測費，每年實打?qū)嵞苁资f。

這可不是什么"軟性提效"，是真金白銀從成本表里摳出來的。

其實做項目時我就發(fā)現(xiàn)，很多企業(yè)談AI總喜歡說"賦能""升級"，但真能落地產(chǎn)生ROI的不多。

這個項目能成，關鍵是抓住了"隱性知識顯性化"，把老專家藏在腦子里的12步邏輯，變成AI能執(zhí)行的思維鏈，再通過系統(tǒng)改造把流程卡死，不讓人為操作鉆空子。

現(xiàn)在朋友公司正在琢磨下一步：先把這套邏輯擴展到更多設備類型，比如智能電表、安防攝像頭，以后還想讓AI主動給設備做"體檢"，不等用戶報障就把潛在問題解決了。

從被動修故障到主動防故障，這才是AI在運維里該干的事兒。

說到底，AI時代的業(yè)務架構(gòu)師，真不是光懂技術就行。

張師傅現(xiàn)在偶爾還會接幾個AI搞不定的復雜報障，他總跟年輕人說："別覺得AI搶飯碗，它就是個不知疲倦的徒弟，把我這些老經(jīng)驗學過去，你們才能騰出手干更難的活兒。"

這話挺實在，AI不是要取代誰，是幫我們把該省的成本省下來，把該留的經(jīng)驗傳下去，這才是真的降本增效。