项目背景
纠纷场景同时包含事实核验、规则理解、情绪沟通和处理路径选择。本案例仅展示去敏化的产品框架，不披露内部规则、策略阈值或业务数据。
核心问题
AI 需要缩短用户获得有效帮助的路径，但不能在证据不足或责任边界不清时给出确定性承诺。
我的角色
参与用户问题拆解、服务流程梳理和 AI 方案协作，关注回答可信度、用户情绪与人工接管条件。
用户与业务痛点
- 用户往往在高情绪状态下描述问题，信息可能不完整或顺序混乱。
- 处理结果依赖证据与规则，单纯生成自然语言不能替代事实核验。
- 用户需要知道当前进度、下一步动作以及何时能够获得人工支持。
产品方案
- 把一次长对话拆成问题识别、信息补全、处理建议与状态反馈四个阶段。
- 优先展示用户可执行的下一步，并解释为什么需要补充某项信息。
- 为高风险、低置信度和强情绪场景保留清晰的人工接管入口。
AI 方案
- 以意图识别和关键信息抽取辅助问题归类，再基于可验证规则组织回答。
- 对证据不足的情况输出限制说明和补充信息请求，不让模型自行补全事实。
- 把置信度、风险类型和用户诉求作为是否转人工的重要参考，而非只看对话轮数。
遇到的困难与解决方式
遇到的困难
- 用户表达与标准问题类型之间存在较大差异，容易出现错误归类。
- 自然语言回答流畅并不等于结论可信，必须控制承诺和责任边界。
解决方式
- 用结构化信息槽位检查关键事实是否齐全，并为缺失项提供针对性追问。
- 建立拒答、澄清和转人工三类兜底路径，让系统在不知道时明确说明。
项目结果
- 形成了兼顾用户体验、事实约束和人工接管的智能客服产品框架。
- 具体业务效果未在当前公开材料中确认，可在后续补充经授权的量化结果。
面试官可能追问的问题
如何避免 AI 在纠纷场景中编造结论？
我会这样回答
我会把回答建立在结构化事实和可验证规则上；证据不足时只做澄清或路径建议，并明确转人工条件。
为什么不能完全自动化？
我会这样回答
纠纷包含责任判断、例外规则和高情绪沟通。AI 更适合降低信息整理成本，最终决策仍需与风险等级和人工机制匹配。