当用户无法购买流量包时，客服面对的往往不是一个简单问答，而是要检查接口日志、用户资格、未完成订单和业务规则。AWS 11月4日披露，马来西亚5G运营商U Mobile已建设名为AiDaH的多智能体运营平台，让AI参与跨系统诊断和处理建议。

AiDaH全称为AI-Driven Agentic Helpdesk，由U Mobile与AWS及合作伙伴Axrail共同建设，运行在Amazon Bedrock AgentCore之上。它不是只负责生成回复，而是根据用户权限调用不同业务系统，汇总证据、寻找根因并提出修复步骤。

从两个试点智能体扩展到八个专家

U Mobile在2025年底开始构想平台，先用两个试点智能体和知识库验证方向。2026年第一季度，内部IT服务台上线4个智能体、覆盖20个运营场景；第三季度，系统向50名二线客服和门店人员开放。官方文章称，目前已有8个专业智能体，覆盖六个业务部门的150多个已记录运营场景。

这些专家分别面向客户关系、订单与SIM卡、号码携转、基础设施监控、大数据分析、云成本和财务运营等领域。智能体可通过Agent2Agent协议相互委派任务，把原本分散在多个后台系统的结果整合成一份说明。

大部分请求不必调用最复杂模型

平台采用分层路由。根据AWS披露，约70%的请求可以通过确定性关键词匹配处理，20%交给轻量模型分类，只有约10%需要完整编排智能体。这种设计试图让最简单、成本最低且足够可靠的路径优先运行，避免所有请求都消耗高成本模型。

员工主要通过Microsoft Teams使用AiDaH。系统在调用工具之前检查身份、角色权限和安全规则，再通过AgentCore Gateway与MCP接口连接云端及本地系统。敏感用户字段在返回模型之前进行遮蔽，调用记录则写入监控和审计系统。

执行动作前保留人工确认

在一个实际案例中，系统发现用户连续三天尝试购买同一附加服务超过30次，失败原因是账户中存在未完成订单。AiDaH将错误代码、根因和建议措施合并呈现，减少客服在不同系统之间反复查询。

平台可以形成重置服务、推送配置或创建网络工单的处理方案，但对真实用户账户产生变化之前仍需人员确认。这一设计把人类决策点保留在高风险动作发生之前，避免诊断错误直接变成生产操作。

官方称部分工单量下降超过八成

根据U Mobile内部统计，2026年1月至9月，配置与网络类月度工单量下降84.5%，一般咨询下降81.6%，计费与收费类工单下降48.7%。这些数据来自企业内部测量，反映的是特定流程、分类和时期，不应直接外推到其他运营商。

编辑观察：电信智能体的价值在跨系统协同

U Mobile案例表明，电信智能体的价值在跨系统协同，而不是单纯让客服回复得更快。真正困难的是权限控制、工具连接、数据遮蔽、操作审计和跨部门流程标准化。

企业复制这一模式时，应从权限明确、结果可验证的场景开始，记录智能体查找了哪些数据、调用了哪些工具、人员是否修改建议以及最终结果。只有当诊断准确率、处理时间、工单减少和客户体验能够持续验证后，才适合逐步扩大自动执行范围。

配图为AIcent原创AI生成实景风格示意图，非官方新闻现场照片，不使用第三方新闻图片。

参考来源：AWS Machine Learning Blog（2026年11月4日）。正文为基于官方消息的中文整理，编辑观察与事实披露分开呈现。