今天，我们正式推出 Intelligent Fields。这是 Maven AGI 推出的解决方案，用于捕获和整理每一次客户交互中产生的数据，助力业务决策、追加销售机会、产品迭代以及企业其他关键战略领域。
您的 AI 智能体已经在阅读每一次对话。它解决工单、回答问题、处理大量咨询。但对话一结束，它所了解的一切便随之消失。没有记录客户为何不满，没有标记客户提到过要离开，也没有信号提示同一问题本周已经出现了 11 次。
对话记录还在，数据却不存在。
常见的做法是手动打标签：在服务台中设置自定义字段，由客服人员填写。这种方法在平时尚可，一旦咨询量激增、新员工入职或分类体系发生偏移，就会失灵。填写率随之下降，数据也变得不再可靠。
以下是大多数团队默认采用的手动打标签为何无法真正解决问题的原因。
手动打标签的陷阱
手动打标签有一个致命缺陷：它依赖人工在规模化场景下始终如一地执行，而这根本做不到。咨询量激增、新员工入职、边缘情况被跳过，填写率下降，数据在不知不觉中变得不可靠，往往直到报表出现异常才被察觉。
即便标签打得再完美，也存在上限。下拉菜单只能捕获类别，无法捕获上下文。一位不满的客户和一位即将流失的客户，区别不在于某个标签，而在于对话记录中间的 4 句话。
真正需要的是什么
结构化的对话数据必须从完整的对话记录中自动提取，而且要借助能够理解语言的技术，而不是关键词匹配。
这正是 Intelligent Fields 的作用。
您只需定义一个字段：名称、类型（文本、是/否、单选、数字或多选），以及用通俗语言描述该字段应捕获内容的说明。Maven 智能体会自动对每一次对话进行评估。结果会被存储、可供搜索，并与对话关联，同时附带置信度分数和分类依据说明。
具体示例：流失风险
来看看实际应用效果。您创建一个“流失风险”字段，类型为单选，设有 3 个选项：高、中、低。说明使用通俗语言：如果客户提到取消服务、对账单表示不满，或在多轮沟通后问题仍未解决，则判定为“高”。
设置就这么简单。发布后，智能体会对每一次对话进行评估。
例如，一位客户写道：“我已经为这个问题折腾了一周，如果今天还解决不了，我就取消服务。”该字段返回“高”，置信度为 0.91，依据为：“客户明确提到取消服务，且账单问题在多轮沟通后仍未解决。”
这条记录现在可以被查询。您可以筛选出过去 30 天内所有流失风险为“高”的对话，实时转给客户挽留专员，或同步到您的 CRM。
几分钟即可完成设置，无需耗费数个迭代周期
一切都在 Agent Designer 中完成。用通俗语言定义字段，选择类型，然后发布即可，无需编写代码。对于希望以编程方式进行管理的团队，我们还提供完整的 REST API。
由此带来的可能
那些充分发挥 AI 智能体价值的支持团队，不只是用它更快地解决工单，更是用它洞察每一次对话中正在发生的事情，其规模是任何人工审核流程都无法企及的。
Intelligent Fields 让这一切成为可能。智能体处理的每一次对话都会成为一条结构化数据记录。每条记录都可搜索，每个趋势都清晰可见。
用您自己的对话来验证。
申请免费的个性化演示。
