无人零售的竞争，正在经历一次关键转折。
过去几年，RFID、机器视觉和深度学习技术的成熟，让智能货柜在全国范围内快速铺开。行业的核心命题是设备能力——识别准不准、开门快不快、扣款稳不稳。谁能做出更好的硬件方案，谁就占据市场。
但当各家设备能力逐渐拉平、行业标准逐步建立，一个新的问题浮出水面：设备铺出去之后，如何持续、稳定、高效地运转？答案不在柜子里，在柜子外的服务体系。
轻购云是这条赛道里最早意识到这一点的企业之一。
作为国内智能货柜领域的头部设备商，轻购云自主研发 RFID、视觉识别、重力识别和深度学习技术，服务着数以万计的品牌商、运营商。几千个客户群在同时运转——每服务一批客户，就多一段需要持续经营的关系。一家以 AI 技术立身的公司，当它审视自己的客服体系时，会做出什么选择？轻购云的答案是：先想清楚业务逻辑，再让 AI 进场。
智能零售的客服场景，特殊在哪？
要理解轻购云的选择，先得看清楚智能零售设备商面对的服务结构。
它不是常规的「客户问一个问题，客服给一个回答」。它的特殊，来自三个维度同时叠在一起：
1、品牌多，同一个设备商，同时服务多家品牌方。同一个问题——「扫码无法开门」——品牌商A的柜子上和品牌商B的柜子上，查的系统、走的流程、给出的答复都不一样。
2、角色多，品牌商、渠道商、终端网点，常常坐在同一个企微群里。一条消息弹出来，客服需要判断说话的是谁、要解决的是哪类问题、该由谁来处理。
3、系统多，设备监控、支付后台、SaaS管理……信息散落在不同系统里。效率的瓶颈不在「不知道怎么答」，而在「怎么快速找到答案对应的那部分信息」。
这三层叠在一起，指向一个清晰的判断：这个场景需要的，不是一个更聪明的问答机器人，而是一套能「先理清关系、再做判断、最后才回答」的完整系统。
轻购云比大多数企业更早看清了这一点——毕竟他们自己就是做 AI 的，知道 AI 能做什么、不能做什么。他们的选择是，不追风口，先把基础打牢。
第一步：统一服务入口，让服务体系先成形
轻购云做的第一件事，是把所有企微群接入一个统一平台。
这一步听起来基础，但它的价值被很多人低估了。
数千个群同时在跑，如果坐席还在不同的群里来回翻消息，谁回了、谁没回、一天处理了多少，全靠感觉——那再聪明的 AI 也插不进来，因为没有一条标准化的服务流程能承载它。
渠道统一之后，系统自动分配、轮流接待，工作量一目了然。服务有了规则、有了记录、有了管理的抓手。这一步不涉及任何 AI，但它是 AI 能落地的地基。
这个选择，让轻购云的服务体系率先走出了「人找群」的原始阶段，进入了「群找人」的可管理时代。对一个正在快速扩张的智能零售企业来说，这一步本身就是竞争力。
在这一层，轻购云借助合力亿捷的全渠道接入和统一工作台能力完成了基础搭建。它的价值不在于「让客服用了一个新工具」，而在于「服务终于有了一个能承载智能升级的底座」。
第二步：建智能路由，让 AI 先判断，再回答
底座搭好之后，下一个问题就清晰了：前端那么多品牌、后端那么多系统，AI到底先做什么？
轻购云的答案是：先做路由，再做回答。
背后的逻辑很朴素。一条消息进来，如果 AI 直接搜知识库，它怎么知道该用哪套知识库？问题是同一个——「帮忙查一下这个货柜的费用」——但品牌商A的答案和品牌商B的答案，完全不同。
所以轻购云的设计思路是反过来的：先不急着回答，先做归属判断。举例来说，访客反馈「消费者拿了货，为什么没有扣款」，机器人先引导访客提供货柜编码，再通过系统自动识别该货柜属于哪个品牌商。
匹配成功则直接推送对应知识库的答案给访客；若机器人无法解答，则自动转接至对应品牌商的人工坐席处理。
这是一种和传统问答机器人完全不同的逻辑。问答机器人擅长「听到问题→搜索答案」，但在这个场景里，「该用哪个答案」这个关键信息，不在问题文本里，而在消息背后的业务归属关系中。
这个判断背后，是轻购云对自身业务的深刻理解：不是用户不知道答案，是用户的问题本身就是复合的。AI 要解决的第一个问题不是答什么，是分给谁。
在落地实现上，合力亿捷提供了 Agent 智能路由和多品牌自动分流的技术能力，将轻购云的业务设计转化为可运行的系统。它的目标不是让 AI 更会聊天，而是让 AI 先理解业务，再去服务客户。
第三步：人机各司其职，复杂问题不落空
答案再准的 AI，也有它处理不了的问题。设备硬件故障、多方协调、特殊情况判断——这类问题，需要人的判断力。
轻购云的设计逻辑很清楚：AI 负责高频、标准化的问题——操作指引、常见故障排查；人工专注复杂场景——硬件诊断、系统异常、需要跨部门协调的情况。不是 AI 替代人工，是让各自回到擅长的位置。
还有一个细节。有些问题，在线文本说不清楚——设备报错界面什么样、柜子实物出了什么状况，一张图或一段视频比一百个字更高效。所以在需要人工介入的环节，除了文本转人工，还接入了在线客服、视频客服等多种沟通方式，让问题的处理更快落地。
在服务规模持续增长的情况下，轻购云在坐席人数不变的情况下，日均可承接会话量有效提升40%，整体服务承载能力明显增强。
同时，通过Agent对品牌、设备和问题归属进行前置识别，咨询进入人工环节后的二次转派率下降10%，更多问题能够一次匹配到对应处理人员，减少内部流转和重复沟通。
三层咬合，环环相扣
回看轻购云构建的这套服务体系，三条线是紧紧咬合在一起的：
统一接入和流程管理，让服务有地基；智能路由和归属判断，让 AI 理得清业务；人机协作和多形态沟通，让复杂问题不落空。
三层缺一不可。轻购云没有追求一步到位上 AI，而是沿着业务本身的节奏，一层一层地构建、一层一层地验证。这个顺序本身，可能是这次实践中最有参考价值的东西。
轻购云的实践，折射出一个更通用的规律：在多品牌、多层级、多渠道的服务场景下，智能客服落地的核心命题不是「答得有多准」，而是「判断得有多对」。
同一个问题，归属不同、路径不同、答案也不同。AI 得先理清关系，才能正确地完成回答。
这种场景远不止智能零售。家电售后品牌服务全国经销商、汽车零部件供应商对接多家车企、连锁加盟总部管理不同区域门店——它们的服务结构都是一对多的。轻购云正在构建的这套服务体系，对它们同样有参照意义。
当智能货柜已经能用 AI 毫秒级识别消费者拿了什么，设备商对经销商的服务，当然也该被 AI 重新做一遍。轻购云迈出了这一步，合力亿捷也在其中，陪着客户一起把这条路走实。
