摘要 ：电信运营商日均工单量已达百万级，涵盖套餐变更、故障报修、跨省业务迁移、 AI 算力套餐计费核对等复杂场景。传统工单处理依赖人工坐席与固定规则 RPA ，在数据孤岛严重、业务逻辑动态变化的压力下，灵活性不足与维护成本高企的问题日益凸显。 AI Agent 以大模型语义理解、多智能体协同与跨系统操作能力，正在重构运营商工单处理的技术底座。本文从工单分类与智能路由、故障定位与根因分析、跨系统编排与闭环处置、产品选型与部署、实施路径五个维度，结合中国电信、中国移动、中国联通三大运营商及产业伙伴的落地实践，系统梳理电信运营商海量工单智能 Agent 的技术路径与选型逻辑。

关键词 ：电信运营商；海量工单； AI Agent；智能分类；自动路由；多智能体协同；故障根因定位；私有化部署；信创适配

二、运 营商的工单困局：为什么传统方案走到了尽头

电信运营商的工单处理正面临三重结构性矛盾。

• 第一重矛盾：工单量级与处理效率的剪刀差。 大型运营商日均处理的业务工单量已突破百万级，涵盖基础套餐变更、故障报修、跨省业务迁移、信创环境系统适配以及 AI 算力套餐计费核对等多类场景。湖南电信长期面临日均超 3000 张投诉工单的处理压力，存在地址确认难、问题定界复杂、跨域协同效率低、流程冗长等痛点。工单量的增速远超坐席人力的增速，传统的人海战 术已不可持续。

• 第二重矛盾：系统烟囱与数据流转的断裂。 运营商内部通常运行着 CRM 、计费系统、 OSS 、 MSS 以及各省分公司的独立平台。以一个典型的跨省宽带注销工单为例，用户协议存储在 A 省服务器，计费涉及集团中心化平台，物理设备回收由 B 省营业厅执行。由于系统间接口标准不一，常出现“协议已签、计费未停、设备已还、工单未闭”的僵尸工单现象。

• 第三重矛盾：传统 RPA 的认知天花板。 早期自动化方案多采用传统 RPA ，基于固定坐标或简单元素识别。一旦 BSS 系统进行 UI 升级或逻辑微调，自动化脚本就会大规模失效。面对“网络时好时坏”这类模糊语义的投诉工单，传统 RPA 无法理解意图，只能转交人工。工单处理需要的不是“会点击”的机器人，而是“能理解、会判断、可编排”的智能体。

三、智能分类与自动路由：工单处理的第一公里

工单到达后的第一步是理解诉求、分类标注、路由到正确的处理队列。这一步的效率直接决定后续环节的响应速度。

分类能力的核心技术是意图识别。 常州电信依托 DeepSeek 大模型构建 AI 智能处理体系，系统可直接解析用户口语化投诉内容，精准提取核心诉求，自动归集到 12 类投诉场景，意图识别准确率达 95% 以上。无锡电信融合集团“启明”大模型与省内 RAG 检索技术，构建专属语料库，意图识别准确率同样超过 95% ，可精准匹配查询、排障等 6 大类核心需求。

自动路由的核心挑战在跨系统流转 。 常州电信构建了 “省智能体—本地智能体”两级转派体系：省智能体接单后快速定位场景，输出处理意见并转派至本地；本地智能体同步反馈落地信息，全面取代人工录单与转派。该功能已覆盖常州电信 5 个区局，各环节总耗时控制在 1 分钟内。青岛联通引入 AI+RPA 数字员工建立客诉处理平台，系统实时查询处理人员的工号、今日处理时段、工单上限、可处理工单类型等信息，自动对申诉组工单、重大投诉班工单、普通省内工单等依次进行筛选和分单处理。

分类路由的技术路线正在从单一模型向多模型协同演进。 部分运营商采用 “大模型理解语义 + 小模型执行分类”的混合架构：大模型负责复杂语义解析与意图推断，小模型负责高频场景的快速分类，兼顾准确率与响应速度。

四、故障定位与根 因分析：工单处理的价值高地

分类路由解决的是 “谁来做”的问题，故障定位解决的是“问题在哪”的问题。这是工单处理中技术门槛最高、对专家经验依赖最深的环节。

山东电信的 “移动网服务数字员工”提供了一个标杆级实践。 依托中国电信自主研发的星辰智能体平台，“数字员工”沉淀了根因推理、工单溯源、处置方案生成等可编排复用的 Agent Skills 。面对用户投诉，实现自动整合基站工参、网元告警、终端状态、历史工单等 O 域与 B 域多源异构数据，对问题进行综合判定。上线以来已辅助处理投诉工单超 1 万条，投诉根因定位时间从数小时压缩至 5 分钟以内，网络投诉根因识别准确率达 92% ，用户满意度提升 8 个百分点。

浙江移动与中兴通讯联合打造的 “黑灯工厂”模式，将故障处理推进到接近全自动的水平。 基于大模型构建 Multi-Agent 多智能体系统，嵌入故障处理流程，月均处理超 20000 张故障工单，支持自动完成故障诊断、输出抢修 / 抢通方案并推送一线抢修人员手机 APP 。根因定位平均耗时从 45 分钟缩短至 2 分钟内，抢修方案输出从 20 分钟缩短至 2 分钟内，故障处理平均效率提升 40% 。

江苏移动与中兴通讯在核心网投诉处理领域的突破值得关注。 双方引入多模态信令大模型与 Agent 技术，实现端到端信令自动解析与异常检测。投诉 Agent 自动编排分析工作流，整合信令分析大模型与核心网配置数据，在国际漫游等复杂场景中实现精准定位。自 2025 年 12 月规模化部署至 2026 年 3 月，国际漫游投诉工单平均处理时长从 180 分钟压缩至 30 分钟，投诉处理从“经验驱动”转向“知识驱动”。

湖南电信与中兴通讯的 “移网智能感知数字员工”则展示了全流程自动化的路径。 双方基于低代码平台与 VMAX 能力封装，构建集知识图谱、多智能体协同与实时数据分析于一体的数字员工“大脑”，深度嵌入客服受理、工单流转、诊断分析与闭环处理等环节。数字员工融合智能地址纠偏、非网络问题自动识别、基于思维链的网络问题分析、实时感知后评估四大能力，投诉工单处理平均时长与总量均压降超 10% 。

五 、跨系统编排 与闭环处置：打通工单的最后一公里

故障定位完成后的挑战是：如何把解决方案真正执行下去，跨系统完成工单闭环。

中国联通政企智能生产体系提供了一个全链路编排的范本。 该体系搭建填单、审核、调度、受理四类角色化自主协同智能体，实现工单自主拆解、跨系统自动流转、合规风险智能识别。截至 2026 年 7 月，已在全国落地，本年度累计智能生产订单超 200 万笔，政企集约业务平均受理时长从 2025 年的 43.1 小时缩短至 21.54 小时，整体流程提效 50.02% 。

在受理环节，智能受理功能实现系统自动识别并拆解成清晰的子单列表，所有公共信息一键填充，受理员只需逐条核对关键差异项，确认无误后即可批量提交。 联通中台受理员反馈手动操作点击减少 70% 以上。在填单环节，智能甩单智能体支持需求邮件、业务附件等多种输入方式，自动解析业务意图，关键字段自动回填表单，附件自动分拣归类，一次甩单成功率显著提升。

运营商工单的跨系统操作面临一个特殊难题：系统新旧混杂，部分老旧系统无 API 接口。 实在 Agent 的 API+GUI 自动化双轨架构对此提供了针对性方案：有 API 的系统直接走 API 高效对接，无 API 的老旧系统则通过 ISSUT 屏幕语义理解技术“看懂”界面元素并操控，不需要原系统做接口改造。在江西电信、重庆电信的客服场景中，实在 Agent 已实现规模化落地，在客户可选包订购 / 退订工单处理中自动登录客服网站，实时抓取客户需求工单，按照预设业务规则精准完成处理，并通过短信、电信 APP 推送等方式自动同步结果给客户。

六、产品选型：从技术架构到场景适配

运营商在选择工单智能 Agent 产品时，需要关注五个关键维度。

维度一：系统集成能力。 运营商 IT 架构的突出特征是历史遗留的烟囱式系统与云原生平台并存，部分系统无标准 API 。产品需要同时具备 API 对接、 RPA 模拟操作与屏幕语义理解三种集成模式。实在 Agent 基于 ISSUT 技术实现免 API 跨系统操作，兼容老旧 C/S 架构和信创环境。

维度二：多智能体协同能力。 单一 Agent 难以覆盖工单处理的全链路。湖南电信的实践中，数字员工采用“大脑 LLM 进行逻辑推理和决策 + 四肢智能体进行任务执行和反馈”的分层架构，结合 RAG 知识库实现投诉定界定位、实时感知评估与工单质检。 Shipsy AgentFleet 围绕四个命名 Agent 构建自主执行体系， Infios 采用渐进自治模型实现从建议到自动执行的逐阶段信任建立。

维度三：私有化部署与信创适配。 运营商涉及用户通信数据、计费信息、网络拓扑等敏感信息，私有化部署是合规底线。产品需支持国产芯片（鲲鹏、飞腾、海光、兆芯）、操作系统（统信 UOS 、麒麟 Kylin ）与数据库（达梦 V8 ）的全栈适配。实在 Agent 支持完全私有化部署，确保用户隐私与通信数据在内网闭环。

维度四：行业知识沉淀深度。 运营商工单涉及无线网络、核心网、传输网、家宽、政企业务等多个专业领域， Agent 需要具备足够的行业数据训练基础。华为与上海移动通过自研大模型技术，积累基础语料 2 万亿条、通信语料 700 亿条，结合无线运维大模型技术，输入 1000 万 + 产品数据、 10 万 + 经验案例、 5000+ 运维指导书。

维度五：性能基准与可验证指标。 实在 Agent 在 OSWorld 权威评测中以 90.2% 任务成功率登顶总榜，成为全球首 个突破 90% 成功率的 Computer-Use Agent ，并提供画布式零代码搭建、 30+ 预置技能和智能体市场，与华为联合发布“ Agent 智能体 +DeepSeek 昇腾一体机”。

五款代表性方案对比：

实在 Agent ： API+GUI 双轨架构，免 API 跨系统操作，支持私有化与信创，覆盖工单分类、路由、闭环处置全链路，适合系统架构复杂、老旧系统多的运营商场景

中国联通 AICC 3.0 ：打通知识库、工单、 CRM 等业务系统，打造“咨询 - 办理 - 运营”一体化执行链路，适合已使用联通体系的企业

中兴通讯投诉分析智能体：多模态信令大模型 + 知识驱动投诉处理，适合核心网运维场景

中信科移动 HiNet 2.0 ：以“智擎”智能体运营平台为中枢，大、小模型协同驱动自智网络，适合网络优化与故障处理场景

华为 ICNMaster ：基于通信大模型的运维智能体，适合已部署华为核心网设备的运营商

七、实施路径与关键指标

分阶段实施路线：

第一阶段：单场景验证。 选择意图识别或工单分类作为切入场景，部署 Agent 进行意图识别准确率验证。目标：意图识别准确率≥ 90% ，覆盖日常投诉场景 40% 以上。

第二阶段：故障定位能力建设。 在多源数据整合的基础上，部署根因分析 Agent 。目标：根因定位时间压缩至 5 分钟以内，识别准确率≥ 90% 。

第三阶段：跨系统闭环编排。 实现 Agent 跨 CRM 、 OSS 、计费系统等多平台自动操作。目标：工单自动化处理率≥ 50% ，人工转派量大幅压降。

第四阶段：多 Agent 协同与规模化推广。 建立多智能体协同体系，覆盖省级到地市级多层级。目标：整体流程提效≥ 50% ， AI 解决率≥ 46% 。

关键指标体系：

效率指标：意图识别准确率、根因定位时间、工单处理平均时长、自动派单覆盖率

质量指标：根因识别准确率、一次解决率、工单复核率、合规风险识别率

效益指标：人工转派量降幅、人力成本节省、经济效益产出

覆盖指标： AI 解决率、场景覆盖率、地市推广覆盖率、装维 / 坐席人员覆盖率

八、趋势：从单点工单处理到自智网络

多 Agent 协同成为主流架构。 中国移动集团网络事业部已提出投诉处理故事线，基于智能体和多模型架构智能处理投诉工单，构建运营运维 Agent 集群。中信科移动 HiNet 2.0 以“智擎”智能体运营平台为中枢大脑，驱动自智网络迈向 L4 等级。

投诉处理从 “经验驱动”走向“知识驱动”。 江苏移动与中兴通讯的实践表明，基于知识库和案例推理的投诉处理建议推荐，正在取代传统的专家经验判断。

工单处理与 AI 算力业务融合。 随着运营商推出 Token 算力服务，新型工单涉及 Token 消耗监测、动态计费核销及模型调用权限分配，对工单处理系统的实时性与智能化提出更高要求。

能力开放与一线赋能。 湖南电信与中兴通讯的 “能力开放、一线赋能”模式将推广至更多运维场景，持续探索故障预测、资源优化、客户体验管理等领域的智能化应用。

对于电信运营商而言，当下最具操作性的切入策略是：从投诉工单的意图识别与分类路由场景启动验证，跑通后向故障根因定位延伸，在集成能力和多 Agent 协同框架成熟后逐步扩展至跨系统闭环处置。先分类后定位，先试点后规模，集成能力决定落地深度，信创适配决定合规底线——这四条原则构成了运营商海量工单智能 Agent 落地的核心逻辑。