马来西亚第五代移动通信运营商 U Mobile 披露，其自建的 AI 工单系统 AiDaH 已覆盖六个业务部门、150 多个运营场景，部分关键故障工单量下降 84.5%。这组数据的意义不只是客服效率提升，而是企业 AI 已开始进入排障、调用系统和提出修复方案的核心流程。

这是什么

AiDaH 是 U Mobile 与 AWS 及合作伙伴 Axrail 开发的 AI 驱动的智能帮助台，底层采用 Amazon Bedrock AgentCore。Agent（能自主调用工具并完成多步任务的 AI 程序）接到工单后，会查询接口日志、核对用户资格、检索内部政策，再整理处理建议，必要时将复杂问题转交后端团队。

AgentCore 负责运行这些 Agent，并保存多轮对话所需的信息状态（记忆）。U Mobile 采用的是规格驱动方式，即先明确任务规则和预期结果，再开发与测试流程。与传统自动化不同，它不只是根据固定条件执行，还能跨多个系统收集信息后作出下一步判断。

行业怎么看

值得关注的是，U Mobile 没有先增加人手，而是把 AI 放进原本就存在系统割裂的流程中。若工单量下降能够持续，其收益不只是节省客服时间，还包括缩短网络故障影响、降低后台团队重复排查压力，并把员工精力转向复杂问题。

但 84.5% 是企业内部测量，且仅适用于“关键类别”，不能直接外推为整体成本下降。电信系统涉及用户资料和核心网络，风险收益比并不普通：一次错误判断、越权查询或向客户给出不当承诺，都可能把效率收益变成合规与信任成本。此外，Agent 依赖日志、政策和接口数据质量，底层系统若没有标准化，智能化也可能放大混乱。

对普通人的影响

对企业 IT：企业采购 AI 的重点可能从聊天助手转向流程执行，但需要先治理数据、权限和审计机制。Agent 能否跨系统工作，将比单次回答质量更接近实际业务价值。

对个人职场：客服、运维等规则明确又需跨系统查询的岗位，会先受到影响；工作重点将从搜集信息转向审核判断、处理例外和承担最终责任。

对消费市场：移动用户可能更快获得故障答复和更准确的服务处理，但复杂问题是否真正缩短等待时间，仍取决于后台人员、系统接口及责任边界是否同步改善。