直接答案
客户线索流程只有在高频、输入可结构化、分流规则相对稳定、异常能够恢复时，才适合逐步自动化。AI 可以整理信息、建议评分、分派负责人和生成跟进草稿；是否放弃线索、承诺价格、改变客户状态或发送高影响沟通，仍应由销售或运营责任人确认。
Dynamics 365 的官方线索资格流程把评分模型、资格条件和后续动作分开配置，线索可以由自动化或人工更新阶段〔1〕。这说明评分只是触发条件之一，不能等同于最终业务判断。
适用边界
用四个维度先判断：
| 维度 | 适合自动化的信号 | 暂不适合的信号 |
|---|---|---|
| 发生频率 | 每周持续出现、步骤重复 | 偶发且每次处理方式不同 |
| 规则稳定性 | 来源、地区、产品、规模等规则明确 | 规则主要存在于个人经验中 |
| 人工责任 | 哪些建议可自动、哪些决定需确认很清楚 | 无人对错分、漏跟和承诺负责 |
| 异常恢复 | 可重新分派、补充信息、撤销和人工接管 | 出错后只能手工查日志补救 |
线索量很少或销售流程尚未统一时，先做表单、状态和责任治理，通常比增加模型更有价值。
实施步骤
- 画出现状路径。 从渠道进入、去重、补充信息、评分、分派、首次跟进到结果回写逐步记录。
- 统一最小字段。 明确来源、需求、地区、产品、预算或规模、联系方式和授权状态。
- 拆分规则与模型。 确定性条件用规则；文本理解和建议排序才交给模型。
- 设置人工节点。 高价值线索、信息冲突、低置信分类和对外承诺必须确认。
- 设计恢复。 支持重新评分、改派、撤销草稿、人工接管和重复线索合并。
- 回写结果。 记录是否联系、是否有效、未成交原因和人工修改，用于后续评估。
NIST AI RMF 要求组织明确人机角色、测量风险并持续管理已部署系统〔2〕。因此评估不应停留在线索分类准确率，还要检查实际漏跟、错分和客户影响。
验收清单
- 样本覆盖不同渠道、重复线索、缺字段、垃圾信息和高价值例外。
- 使用人工已确认结果作为对照，避免模型自己评价自己。
- 分别检查有效线索漏检、无效线索误入和负责人改派。
- 验证低置信或冲突信息一定进入人工队列。
- 验证草稿不会未经授权自动发送给客户。
- 验证失败后能恢复到明确状态，不重复联系、不丢失原始输入。
- 上线后持续记录响应时间、漏跟、人工改正、转化阶段和退出原因。
参考来源
- Qualify the best leads — Microsoft Dynamics 365
- Artificial Intelligence Risk Management Framework 1.0 — NIST
- NIST AI Resource Center
- Get started with Power Automate approvals — Microsoft Learn
下一步
先选择一个稳定渠道和一批已知结果的历史线索，验证“进入—分流—跟进—恢复—回写”全链路。可以查看Google 地图获客与定制营销系统、了解企业 AI 工作流服务，或带着脱敏字段、当前分派规则和样本结果提交业务问题。