连锁零售企业私有化 AI 客服与门店网络升级

挑战

1,800 家门店以单条宽带接入，POS 与会员系统高峰期频繁掉线；客服中心 400 名坐席依赖人工检索 30 余份制度与商品文档，平均处理时长 6 分钟；企业要求会员数据与对话记录不出企业边界，公有云大模型 API 不被允许。

GSS 责任范围

GSS owned store dual-link SD-WAN, HQ inference-cluster and RAG platform infrastructure, nationwide field engineering and 24/7 operations. Knowledge-base content, service scripts and model evaluation criteria were owned by the customer service and IT teams.

方案

GSS 为门店交付双链路 SD-WAN（宽带 + 4G/5G 备份）与集中安全策略，在总部私有化部署大模型推理集群与企业知识库检索增强（RAG）平台，上线 AI 客服助手与门店店员问答机器人，并提供全国门店现场交付与 7×24 托管运维。

背景

该零售企业在全国拥有 1,800 家门店与 400 名客服坐席。门店以单条本地宽带接入总部，促销高峰期 POS 与会员系统掉线是门店投诉的首要问题；客服坐席需要在 30 多份制度、促销规则与商品文档间来回查找，平均处理时长 6 分钟，新员工培训需 4 周。

企业希望引入大模型提升客服效率，但明确要求会员信息、交易记录与对话内容不得离开企业环境，因此不能直接调用公有云大模型 API。

方案

门店网络（传统网络业务）

• 双链路 SD-WAN：1,800 家门店统一更换为 SD-WAN 边缘设备，主链路本地宽带 + 备份链路 4G/5G，POS 与会员系统流量优先并在主链路劣化时毫秒级切换。
• 集中安全策略：门店统一出口策略、访客 Wi-Fi 隔离、IoT（电子价签、摄像头）独立分段，策略由总部一次下发全国生效。
• 全国现场部署：GSS 现场交付团队按区域分 5 个批次完成设备安装与割接，日均割接 40–60 家门店，单店停业时间为零（营业前 / 打烊后施工）。
• 运维：全国门店由 GSS NOC 7×24 监控，设备故障由最近的现场工程师在 8 小时内到店更换。

私有化 AI 客服（AI 业务）

• 推理集群：在企业总部数据中心部署 GPU 推理集群，运行经企业数据微调的开源大模型，所有推理在企业内网完成。
• 企业知识库 RAG：30 余份制度文档、促销规则、商品库与历史工单经清洗后构建向量知识库；每次回答均附带引用来源，坐席可一键核对。
• 坐席助手：实时聆听对话，自动检索知识并推送建议回复与办理步骤；会员身份与订单信息由业务系统接口在内网完成查询。
• 店员问答机器人：门店店员通过企业微信向机器人提问（促销规则、退换货流程、系统操作），替代向区域督导电话求助。
• 质量闭环：坐席对 AI 建议的采纳 / 修改被记录，用于每月模型与知识库迭代；敏感问题（投诉、法务）自动转人工。

成果

指标	项目前	项目后
门店掉线事件	月均约 2,300 次	月均约 200 次（−91%）
促销高峰 POS 可用性	约 97%	99.9%
客服平均处理时长	6 分钟	2.5 分钟
AI 首轮解决率（无需转人工）	—	68%
新客服培训周期	4 周	1.5 周
店员向督导求助电话	日均约 900 通	日均约 250 通
数据出域	—	0（全部在企业内网）

项目于 2025 年 1 月全部上线，GSS 继续承担门店网络托管运维与 AI 平台的模型迭代支持。