订单AI映射校验
业务场景
在订单处理及发送供应商时，AI 校验双方酒店、房型的映射关系，识别预订内容与实际供给不一致的风险。将校验结果、人工核实结果及修正后的映射关系反馈至酒店 AI 映射学习，持续改进映射准确率。
应用价值
映射问题赔付率降低约 70%；
售后客服介入工作量减少约 90%。
实践案例
每一个案例，
都从真实工作开始。
围绕订单、对接、客服与数据等业务，
展示具体场景与对应应用价值。
订单业务，共5项实践。
订单AI推荐产品
业务场景
订单发单失败或发现酒店、房型映射问题时，AI 围绕原订单需求，检索 Glink 已对接供应商及第三方 OTA 的资源，推荐替代产品，辅助客服更换供货单并继续处理订单。
应用价值
单笔处理耗时由 10 分钟缩短至 1 分钟以内，减少售前客服工作量。
AI生成邮件模版
业务场景
酒店要求使用指定邮件模板时，AI 识别模板、生成前端样式并映射订单字段。客服可用自然语言调整内容和样式，预览并审核后，该酒店后续订单自动使用此模板，减少重复线下处理。
应用价值
同一酒店由逐单人工处理 100 次，转为首次配置审核 1 次；
后续正常订单自动生成并发送邮件，无需重复人工介入。
客户AI预警
业务场景
持续监控客户订单量、接口失败率和拒单率，结合历史同期数据及业务波动识别异常。向运营提供异常指标、历史对比、疑似原因和排查方向，支持及时处理。
应用价值
由人工巡查、客户反馈转为系统主动监控与预警，预计减少 90% 的人工巡查及预警通知工作。
AI 生成手工单
业务场景
客服补单时，提交酒店、供应商或第三方 OTA 的预订确认邮件、订单截图、确认单等资料。AI 识别预订信息并映射字段，生成手工单草稿；客服核对、补充信息后，确认创建供货单。
应用价值
手工录单耗时由 2 分钟缩短至 10 秒；
录入错误及遗漏减少 90%。
SCM-AI可视化供应商对接
业务场景
新供应商接入或接口调整时，上传接口文档，由 AI 辅助完成流程梳理、字段映射、代码生成及可视化对接，并自动测试、修复问题；测试通过后由人工验收。
应用价值
一般供应商对接周期由 30 天缩短至 7 天。
AI供应商问题自动排查问题
业务场景
客服在群内提问并 @机器人后，AI 调用排查工具分析并回复；发现缺陷时给出修复建议并 @对应研发。未得出结论的问题自动建任务、分配责任人；24 小时未跟进或未回复结论时发送提醒。
应用价值
95% 的问题排查耗时由数小时缩短至十余分钟。
TMC-UI设计器
业务场景
面向 TMC 客户的前端个性化定制需求。客户在开放平台注册后，用自然语言描述需求，由 AI 生成页面、推荐或调整布局样式并生成代码；完成设计后自行提交部署申请。
应用价值
定制投入：由 20 人天降至 1 人天。 交付周期：由 2 周缩短至 1 天。
Open- API AI 对接
业务场景
外部客户接入机票、酒店分销 API 时，通过 AI 初始绑定和人工校验，关联页面字段与接口参数，供各岗位查看；提供可下载的 Skills，指导 AI 完成参数处理、代码生成和接口集成。
应用价值
分销对接周期由 14 天缩短至 3 天。
TMC-AI房型映射
业务场景
在酒店查询与房型展示环节，针对供应商虚拟房型缺少图片、介绍、面积等信息的问题，AI 识别并关联对应的真实物理房型，引用可信资料完善展示。
应用价值
物理房型映射率由 20% 提升至 80%，提高 60 个百分点；
完善房型比较和预订依据，使用后未再收到房型信息不清的投诉。
【Flink】AI 行程规划助手
业务场景
面向机票查询与行程规划，AI 通过对话理解出发地、目的地、出行时间、预算、舱位及中转偏好等需求，调用接口实时查询航班，比较多个方案并推荐出行计划，支持多轮调整，减少人工查询与方案遗漏。
应用价值
客服及业务人员的单次行程规划耗时，由平均 30—60 分钟缩短至 5 分钟以内。
AI突发事件监控
业务场景
针对自然灾害、公共卫生、交通中断、政策变化等出行风险，AI 持续识别信息、判断可信度和风险等级，关联受影响的酒店、订单、企业及客人。存疑信息转人工核实；已确认风险生成酒店核实及企业、客人关怀任务，持续跟进至风险解除。
应用价值
重大及高风险确认后，30 分钟内首次发起触达；
单个风险事件人工投入时长减少 60% 以上。
AI订单履约风险监控
业务场景
针对酒店预订后至入住前后的履约异常，结合订单日志、状态及供应商、酒店风险信息，由 AI 分析与业务规则识别高风险订单，输出原因和核实建议，交客服二次确认及处理；随订单变化持续巡查，跟进至风险解除。
应用价值
风险识别率达到 95%，减少投诉与赔付。
协议托管多Aagent协同
业务场景
面向海外酒店固定价及集团折扣价协议托管，以 AI 协议识别、自动配置、批量验价和工单协同，串联资料录入、酒店确认、配置、验价及上线，减少重复操作、漏错和交付耗时；规划履约监控，提前发现异常，减少预订失败、价格差错及赔付。
应用价值
托管上线产能提升 5 倍以上；
同等供应商条件下，3,000 家酒店的续价周期由半年缩短至 1.5 个月。
AI快速建托管工单
业务场景
AI 识别协议文件、邮件及附件中的酒店、房型、价格、有效期和早餐等信息，预填建单字段，提示资料缺失与字段冲突；运营确认后生成托管工单，减少人工阅读和重复录入。
应用价值
单笔固定价建单平均耗时由 5 分钟缩短至 1 分钟，减少 80%。
AI托管系统配置
业务场景
根据协议类型、客户、酒店及渠道判断配置路径，编排客户、供应商、白名单、酒店、产品和税费等适用任务，复用已有配置并汇总结果；运营集中处理待确认事项与执行异常。
应用价值
单笔新增配置平均耗时由 15 分钟缩短至 1 分钟，减少约 93.3%。
AI托管上线验价
业务场景
按酒店、房型、入住日期及渠道批量查价，核对协议价格或折扣、币种、税费、早餐等要素，识别无价、价差与映射异常，生成差异明细和验价证据；运营确认处理结果与上线结论。
应用价值
同等验价范围下，人工核验耗时减少至少 80%；
应验项目执行覆盖率达到 100%。
AI托管履约监控
业务场景
协议上线后，持续监控可售状态、价格一致性及接单、确认、取消等履约节点，识别异常并关联协议与订单，生成告警和处理任务，跟踪责任人及处置结果。
应用价值
预期因价格输出问题导致的客诉减少至少 90%。
工单AI派单引擎
业务场景
面向酒店分销客服业务，OCP 工单中心统一承接 3 套 GLink 的订单异常、报价补单、退款失败、客户咨询等事项。AI 综合工单内容、业务属性、紧急程度及客服能力、排班和负载分配任务，客服在统一入口接收、处理和跟踪工单。
应用价值
派单准确率由 70% 提升至 90%。
AI 外呼
业务场景
订单需向供应商、酒店核实，或变更后需通知客户时，系统按预设策略自动外呼。AI 完成标准话术沟通、意向识别和信息采集，将结果回传运营中台，推动后续订单、工单处理或转人工跟进。
应用价值
处理效率：结果明确的外呼任务，单次耗时减少至少 90%。 人工成本：可降低 70%。
客服工单处理Agent
业务场景
面向订单异常工单及待办，持续获取订单、供货单和关联任务状态，通过工作流判断失败操作是否恢复、关联对象是否全部终结、时间条件是否失效或任务是否不再适用；满足条件后自动完成工单，减少重复核对和手工关单。
应用价值
处理效率：7 类工单统一校验状态、判断条件并自动完成，单个工单核对与完成效率提升 50%。 处理质量：漏关、错关率降低约 80%。
客服 AI 排班
业务场景
预订组月度排班需兼顾请假、班次偏好、休息规则和每日人数。飞书 Agent通过自然语言收集并确认需求，结合人员及业务规则调用排班程序生成草稿，识别人数偏差和规则冲突；组长复核调整后导出班表。
应用价值
排班耗时由 3 天缩短至 0.5 天，减少逐人逐班编排；
组长聚焦需求确认和结果复核。完整流程仍在试验验证中。
AI酒店映射
业务场景
供应商对同一酒店使用不同语言、简称、别名或历史名称，增加匹配难度。系统先用规则匹配明确数据，再由 AI 结合名称、地址、城市判断疑难候选，给出匹配建议及理由；异常结果由人工复核，关联至标准酒店。
应用价值
有效酒店映射覆盖率平均达到 92% 以上；
有效酒店人工处理率降至 10% 以内。
AI房型映射
业务场景
供应商房型名称和属性描述不一致，部分还缺少床型、面积、景观等结构化信息。AI 结合名称及属性比较候选，识别名称不同但实际一致的房型，提示床型、景观、等级等差异，辅助人工确认映射。
应用价值
有效房型映射覆盖率平均达到 50% 以上，需按供应商持续优化。
AI房型名称数据治理
业务场景
房型名称混入早餐、取消政策、促销等信息，影响展示和映射。业务人员配置命中词及 AI 清洗提示词，系统批量清理无关内容；业务查看结果后可直接调整并重新执行，减少规则调整对技术的依赖。
应用价值
2,000 多万条房型数据的清洗交付周期，由数天缩短至半小时。
AI 酒店经纬度数据治理
业务场景
针对酒店坐标缺失、经纬度颠倒、位置偏移及城市不一致等问题，系统先用规则排查格式和范围，再由 AI 结合酒店名称、地址、城市及候选坐标，给出校准建议和理由；人工重点复核异常结果。
应用价值
单家酒店处理耗时由平均 5 分钟降至 2 秒，减少约 99.3%。
AI多语言数据治理
业务场景
酒店查询和房型报价时，部分酒店、房型缺少中文或英文名称。目前由业务提供热门城市、技术完成翻译；拟由 AI 翻译酒店和房型信息，无法翻译的内容转人工处理。
应用价值
补齐酒店、房型的中英文信息，减少人工翻译与业务、技术交接；
具体提效数据待验证。
ItemTree AI办公软件
业务场景
面向项目协作与 AI 辅助研发，集中管理知识库、代码仓库及父子任务，明确负责人和验收要求，减少资料分散、重复交接与任务遗漏。按任务调用 AI 专家开展需求分析、文档编写、代码修复和验证，将截图及结果回写原任务，由负责人验收，形成可追溯、可复用的协作过程。
应用价值
集中管理任务、知识、验收要求和执行证据；
AI 按任务读取资料、保存成果，修复与复验记录可追溯。
知枢知识库
业务场景
面向研发团队的代码知识与协作平台，解决代码分散、业务逻辑难追踪、接手慢及排障依赖个人经验等问题。已支持多仓库接入、私有 GitLab 索引、代码检索、自然语言问答、生产缺陷根因分析、需求验收核对、测试清单生成及新需求实现路径分析。
应用价值
基于现有代码核对业务规则、影响范围和实现约束，减少需求遗漏、理解偏差及开发返工。
【通用】AI自动筛简历
业务场景
面向候选人搜寻、简历筛选和面试邀约，AI 每天可持续搜寻简历 8—10 小时，匹配岗位 JD，自动触发候选人沟通，并按沟通结果生成、发送面试邀约，减少人工重复操作。
应用价值
单份简历人工参与耗时由 3 分钟降至 1 分钟，减少约 66.7%。
AI Auto Test
业务场景
面向页面、接口测试、版本回归和缺陷跟踪，AI 结合需求、接口资料及项目知识生成测试步骤与预期结果，经人工审核后保存复用。自动执行多步骤业务场景、传递数据并校验结果；失败时汇集日志、截图和接口结果，辅助分析原因、生成缺陷草稿及修复后复验，覆盖酒店订单建单、修改、回查、取消等流程。
应用价值
测试用例生成及测试工作量减少 80%。
运维管理平台
业务场景
面向版本发布、配置及消息服务变更，统一管理发布申请、角色审批、构建执行和部署结果，集中展示版本、环境、地区及进度，提供配置和消息服务变更审批入口，减少信息分散、反复确认、审批遗漏及历史追踪困难。
应用价值
发布耗时：小版本单环境由约 30 分钟降至 6 分钟，大版本由约 180 分钟降至 36 分钟，均减少约 80%。 发版周期：由 1—2 个月缩短至一周以内，加快需求、优化和修复上线。
Skills Market
业务场景
集中管理公司及第三方 AI 技能，按飞书员工身份和团队权限提供内容，统一安装指令、版本和发布维护。目前处于本地联调与上线准备，正式环境尚未部署。
应用价值
获取更便捷：统一查看技能用途和安装指令，减少查找与配置。 方法可复用：将个人经验沉淀为技能和专家包，供不同岗位按任务选用。
从一个真实问题，
开始合作。
告诉我们你的业务问题，
一起找到交付的起点。