物业 · 物业管理公司,莫斯科2026

物业管理公司服务台:所有渠道的报修集中在一个窗口

AI 判断工作类型和紧急程度,系统跟踪期限,维修师傅用语音汇报

任务

莫斯科的一家物业管理公司,管理 30 多栋楼。居民在城市门户上留言、给调度员打电话、发邮件、给聊天机器人发消息。每个渠道都在各自的窗口里,调度员要手工转录报修、选择维修班组并跟踪期限。城市门户上的逾期会被监管部门看到,物业公司要为此负责。

第二个痛点是分类。居民随手选择主题:地下室漏水被归到“房屋构件损坏”,报修就被派给了错误的班组,期限也不对。

我们做了什么

一个调度台处理全部四个渠道。连接器从门户、邮件和聊天机器人拉取报修,电话报修由调度员一键录入。每条报修都能立即看到距规定期限还剩多少时间。

调度台:来自四个渠道的报修,显示工作类型、AI 置信度、期限和状态
调度台。数据为虚构,界面为演示而制作。界面为俄文,我们会按客户的语言开发

AI 读取报修内容,按物业公司的分类目录判断工作类型:十几种工作类型、几百个条目。如果居民选错了主题,系统会重新计算紧急程度和期限。调度员一键确认维修班组,班组根据楼栋和工作类型自动匹配。置信度低时,报修交给调度员人工处理。

报修卡片:报修内容、AI 判断的工作类型及置信度和期限、派单和处理进度
报修卡片:AI 的判断、派单,以及带时间戳的完整处理过程

根据语音汇报生成完工单

维修师傅在手机上打开工单,拍下维修前后的照片,口述做了什么。AI 把口述内容按物业公司的模板整理成完工单:地址、工作内容、材料、时间。负责人检查并签字,居民在报修来源的渠道收到回复。回复草稿也由 AI 撰写。

维修人员应用:工单、维修前后照片、语音汇报
维修人员应用。戴着手套也不用打字
根据维修师傅的语音汇报和照片生成的完工单
完工单根据语音汇报和照片生成。负责人按需修改并签字

我们如何验证 AI

在承诺准确率之前,我们先建立了基准:一百五十多条真实报修,标注经过人工核对。我们测试了几种模型。在基准上,工作类型的判断准确率约为 98%,所有紧急报修都被识别为紧急。测试全部模型只花了几美元,因此之后每次修改分类目录都可以重新测试。

居民的个人数据不会发送给模型:发送前文本已做脱敏。模型由物业公司自选:俄罗斯模型、国外模型或本地模型。

适合谁

适合通过多个渠道接收报修的物业管理公司、业主协会和楼宇运维服务商。

TypeScriptReactPythonLLM 分类器PWA

我们会用您的典型报修演示,并计算能为调度员节省多少时间。