分散的数据——客户服务的最大敌人
航空公司面临一个悖论：关于乘客的信息很多，但这些信息分散在十几个系统中。预订历史存在一个数据库里，与客服的通信在另一个库里，饮食偏好又在第三个库里，而网站和App上的行为数据则存放在完全独立的存储中。员工不得不手动在多个窗口之间切换，一点一点拼凑全貌。结果是——上下文丢失、问题重复询问，以及一种“智能”服务其实对你一无所知的感觉。
Virgin Atlantic走了另一条路：与其雇佣更多人手动整合数据，这家公司尝试用AI助手来聚合客户信号。
ChatGPT Work如何将分散的数据变成连贯的故事
这一方法的核心是ChatGPT Work。这是助手的的企业版，允许接入公司的工作服务，并在受保护的安全边界内处理数据。Virgin Atlantic没有让算法一次性获得所有系统的完全访问权限，而是配置了多种场景，让助手按需查询相关数据源，并将答案汇总成一份统一的摘要。
哪些数据会被纳入处理
- 预订历史 —— 过去和当前的航班、服务舱位、航线。
- 沟通渠道 —— 邮件、在线聊天、客服电话。
- 网站行为 —— 乘客搜索过哪些目的地、对什么感兴趣。
- 特殊需求 —— 过敏信息、喜爱的餐食、携带儿童或宠物飞行的要求。
过去，这些数据彼此孤立存在。现在，助手按需调取它们并构建时间线：乘客在联系之前发生了什么、哪些问题已经解决过、下次接触时需要注意什么。
实际运作方式
当乘客联系客服时，员工不再需要搜索五个数据库，只需将请求的要点传递给助手。ChatGPT Work会找到相关记录并提供现成的摘要：我们面对的是谁、他的会员等级和历史如何、是否有过类似事件、之前哪种回复方案已经奏效。
一个重要的细节是——助手不是取代人，而是帮人摆脱繁琐事务。员工会收到回复草稿或对话要点，但最终决定权始终在自己手中。这在航空业尤为关键，因为涉及转机、行李和赔偿——这里的错误代价高昂。
这对客服团队意味着什么
过去花十分钟查找上下文，现在只需一分钟。员工不再向客户重复询问已知信息，可以专注于解决问题，而不是诊断问题。此外，乘客听到“很抱歉，我们看不到您的预订”这种推脱话的概率也大大降低——系统确实能看到。
成果：对客户和航空公司分别意味着什么
最大的收益是体验的连贯性。客户不再觉得每次都要从零开始对话。他可以在线聊天、打电话，然后回到即时通讯工具继续对话——所有历史记录都已经呈现在客服代表面前。这减少了挫败感，让品牌在乘客眼中更有人情味。
对航空公司而言，好处同样实实在在：处理请求更快、重复询问更少、留住常旅客忠诚度的概率更高。过去流失的信号，现在服务于可预测的服务。
结论
Virgin Atlantic的案例生动地展示了一家大型企业如何利用生成式模型——不是为了赶时髦，而是为了解决一个长期存在的问题。通过ChatGPT Work整合客户信号，可以在不完全自动化的前提下实现个性化服务：机器负责收集和分析信息，人负责责任和共情。
这种方法也可以推广到航空业之外：银行、零售、电信。凡是关于客户的信息很多但很分散的地方，AI助手都能成为那种粘合剂，把一组事实变成对一个人的完整认知。
