直接答案
反馈自动分类不是终点。真正的闭环必须同时回答五个问题：这是什么问题、影响多大、谁负责、多久处理、用什么证据确认完成。AI 可以从文本中建议类别、情绪和相似问题，但优先级不能只由情绪或关键词决定，高影响投诉、合规风险和跨部门争议必须由责任人确认。
Atlassian 对 SLA 的定义包含开始、暂停、停止条件，以及按优先级配置的时间目标〔1〕。这说明分类结果只有接入可执行的服务目标，才会从标签变成工作流。
适用边界
| 工作 | AI 或规则适合承担 | 人员必须承担 |
|---|---|---|
| 初始分类 | 主题、渠道、产品、语言、相似工单建议 | 新类别、歧义和高风险内容确认 |
| 优先级 | 根据明确规则计算候选级别 | 商业影响、客户关系、合规风险判断 |
| 分派 | 按产品、地区、技能和轮值表路由 | 跨部门责任争议和资源调整 |
| 跟进 | 提醒、超时升级、状态同步 | 解决方案、客户沟通和承诺 |
| 关闭 | 收集完成证据和客户确认 | 决定是否真正关闭及是否复盘 |
如果现有工单没有明确状态、负责人和关闭条件，先统一流程，不要先训练分类模型。
实施步骤
- 定义分类字典。 每个类别写清包含、不包含和容易混淆的例子。
- 建立优先级规则。 将影响范围、紧急程度、客户等级、合规风险和可恢复性分开记录。
- 绑定唯一负责人。 每个工单必须有当前 owner；协作人不能替代责任人。
- 配置时间目标。 为响应、处理、等待客户、验证和关闭定义可测量的起止条件。
- 设计升级路径。 无人接单、超时、重复退回和高风险关键词需要明确升级对象。
- 要求关闭证据。 修复记录、回复内容、客户确认或复测结果至少保留一种。
NIST 的测试、评估、验证和确认资源强调，AI 系统需要持续测量，而不是上线后只看一次离线准确率〔2〕。分类模型也应按真实工单持续检查漏分、错分和人工改正。
验收清单
- 用最近一段时间的真实反馈建立盲测集，并保留人工基准标签。
- 分别统计高风险类别的漏检和误报，不能只看总体准确率。
- 验证每个分类都能得到优先级、负责人和下一动作。
- 验证等待客户时 SLA 是否暂停，重新回复后是否恢复。
- 验证超时升级不会只发通知而不改变责任状态。
- 验证关闭后仍能追溯原始反馈、处理记录和验证证据。
- 每月抽样复核分类字典和优先级规则，处理新问题类型。
参考来源
- Create service level agreements to manage goals — Atlassian Support
- NIST AI Resource Center
- Use priority to group SLA goals — Atlassian Support
- Artificial Intelligence Risk Management Framework 1.0 — NIST
下一步
先选一个反馈渠道和一个业务团队，用历史工单跑通“分类—分派—处理—验证—关闭”。可以查看相关项目能力、了解企业 AI 工作流服务，或带着匿名工单样本、分类字典和当前 SLA 提交业务问题。