从人找工具，到工具找人：一次主动式服务的设计

我在做什么

我在一家企业里做经营分析与客户管理。这套「盘客系统」管理着客户与商务的关系——商务靠它了解客户、跟进客户。过去系统里的 AI 都是「等人来问」：你问我答，被动、安静、不添乱。

我想换一种方式：让 AI 从「等人来问」变成「追着业务流程跑」——不是任务去找数据，而是数据自己找上任务。

落地：五个自动化任务

第一批落地了五个自动化任务：客户营销动作分级抓取、每周优先级盘点、每月待定复评。这里的「营销动作」指客户自己的市场营销动作——客户的商机来源，也是商务最关注的客户市场情报。

分级是为了平衡成本：客户按跟进级别分成高优、中优、待定三档——高优每天扫描抓取市场营销动作，中优每周，待定每月。级别不是死的：每两周，AI 按优先级评定规则自动评估一次，级别动态调整。

AI 不再等商务开口，而是按业务节奏，把该看的主动送到面前。

第一个难题：情报该推给谁

推送撞上第一个难题：情报（营销动作、优先级）都是按客户维度设计的，但商务跟进客户时会细化到条线 / 品牌维度——多个商务跟进同一个客户的不同条线 / 品牌，粒度对不上。

把客户维度升回条线 / 品牌？那不是我们数据该有的粒度，会污染太多人；单独推给某个商务？又不知道给谁——一个客户背后有好几个商务。

解法不是追着粒度算，而是放弃单独推送：建一个统一的市场情报群，客户情报推到群里，所有相关商务都能看到。精准送达让位给共同可见——粒度错位，不该用「放大」解决，用「群」解决。

意图信号：出差审批流

主动服务最怕两件事：猜错意图、打扰到人。我找到的第一个信号源，是出差 / 外勤审批流——它天然表达了「我要离开工位」。AI 不需要预测意图，只需要监听意图的副产品：审批通过的那一刻，服务就知道该把客户动态打包好，等商务回来再看。

这也定了主动服务的分寸：帮忙还是监视？透明大于神秘——让用户清楚知道它为什么来。

首跑撞墙：写回三路全失败

主动询问跑通了，但真正的坎在「写回」——AI 要把商务的反馈写回系统。三条路全撞墙：直接读历史被权限拦下；搭中转站过于复杂；卡片回调按钮没人用。

那一刻很挫败：明明主动推得动，反馈却收不回来。

顿悟：拉模式改推模式

我停下来想，问题不在「写回」这个动作，而在时机：写回被设计成「定时翻聊天记录找反馈」——拉模式。但聊天会话根本不适合当数据管道：反馈散落在对话里，翻历史永远是滞后的、脆弱的。

改法是把时机倒过来：反馈消息到达，立刻写表——推模式。同一件事，拉模式里是死路，推模式里是坦途。

验证：新链路跑起来了

某头部 3C 客户按新链路运行：发卡 → 收反馈 → 收到即写表。12:12 发卡、19:00 收反馈、收到即写——写回从「翻历史」变成「等消息」。旧的粗粒度任务停用。

更让我意外的是场景复活：半年前几乎无价值的查询助手，现在基本解决——「AI 做不了」从来只是带时间戳的结论。

经验沉淀

做对的：

• 用审批流当意图信号：不预测意图，只监听副产品，主动但不越界
• 粒度错位不靠放大：放弃单独推送，市场情报群共同可见优于精准点名
• 同一动作换时机就是换生死：拉改推，翻历史改等消息

踩的坑：

• 聊天会话不适合当数据管道：翻历史写回永远是滞后脆弱的
• 写回三路设计（权限 / 中转 / 卡片回调）都想复杂了，本质是时机错了
• 主动服务第一变量是「打扰许可」：看起来是帮忙还是监视，透明大于神秘

一句话方法论：从任务找数据，到数据找任务；AI 做不了，只是带时间戳的结论。