我把一个园区三个月的报修工单拉出来，发现老板不是在管物业，是在当客服

晚上十一点，租户电话打进来，说空调漏水，滴到了工位上。

老板接完电话，转给物业主管。物业主管打给维修师傅。师傅说明天早上看。第二天八点，租户又打过来，说你们到底管不管。老板上班路上再催一次。到了十点，师傅去了，说不是空调的问题，是楼上装修把排水管堵了。

这笔账你算一下：一个工单，来来回回六通电话，三个人经手，最后解决的是个十几分钟的小事。但这个老板哪天晚上睡好了？

我上个月复盘一个园区的工单。三个月，1040 多条，我一条条看。老板花在催办事上的时间，比花在招商上的时间还多。一个园区运营方，愣是被干成了客服中心。

今天不聊大模型跑分，就聊这一件事：物业报修这摊子事，AI到底能不能接住。讲一个我亲眼看着跑起来的案例。

先把烂摊子摊开看

这个园区有八栋楼，三百多家租户，物业加维修师傅一共九个人。表面上，报修流程是有的：租户在系统里提交，物业接单，派给师傅，师傅处理完拍照销单。

实际怎么跑的？

租户不爱用系统。为什么？因为提交要填楼栋、填房间、填类型、写描述，还要等系统响应。大多数人直接微信找物业，要么打电话。物业主管手机里躺着十几个租户群，消息一刷就是几十条。

师傅也不爱看系统。都是打电话：“老张，106 又跳闸了，你去看下。”干完了，单子还在那儿挂着。月底结算，物业主管对着系统补单，补到凌晨。

维修标准也不统一。同一个“空调不制冷”，王师傅去了说加氟，李师傅去了说换电容。租户问到底能不能修好，没人给准话。月底看维修记录，全是“已处理”，但下个月同一间又报了同样的问题。

算笔账。一个报修工单从提出到真正开工，平均要花多少时间？

我把三个月的单子拉了表。租户第一次报修到师傅真到现场，平均间隔是四个半小时。夜间和周末，平均间隔拉到十一个半小时。这不是师傅懒，是信息在路上跑。

另外还有隐性成本。每月重复报修的比例接近两成。同一个房间、同一个问题，两个月内再报一次。要么是上次没修透，要么是修完没人复检。物业费收不上来的时候，租户翻旧账，说你们连个空调都修不好。

过去这活儿怎么干？靠人肉催、靠面子、靠物业主管记性好。代价是什么？老板的时间被切成碎片。深夜电话是常态，租户满意度往下走，续租时候还要被砍价。

AI来了，先别急着“智能化”

这个案例里，我们没有一上来就搞什么“智慧园区大屏”。那玩意儿最没用，花里胡哨，老板看两眼就忘了。

我们干的第一件事，是把三个月的 1040 条工单全部导出来，按类型打标。结果发现，将近六成的工单，其实就那么五类：跳闸、漏水、空调问题、网络端口损坏、门禁失灵。

其中跳闸和网络端口损坏这两个类型，占了三成多，处理方式非常标准：跳闸就是去推电闸、检查有没有过载；网络端口损坏就是换个模块、重新打线。这类活儿，老师傅闭着眼干，新手也出不了大错。

于是我们把工单分了三层。

第一层，标准件。跳闸、网络端口、门禁——这些是“能自动应的”。租户在微信里说“又跳闸了”，AI 先接住，问清楚几栋几层、电闸在哪、有没有冒烟或者烧焦味。如果只是过载跳闸，给租户推一个复位的示意图，同时生成工单。

第二层，需要派单的。比如空调漏水、水管渗水。AI 自动把租户拍的照片、描述、地址打包成一个单子，推给对应的师傅。师傅手机上看一眼，知道去哪儿、什么问题、带什么工具。

第三层，必须老板拍板的。比如消防管道、承重墙、需要外聘第三方的活儿。这些 AI 不碰，直接标红转给老板。

关键在哪儿？是分诊，不是全自动。 AI 不是替师傅修空调，是替老板把那些消耗时间的信息传递活儿先滤一遍。

跑起来之后，流程变成这样。租户在微信群或者小程序里说一句“厕所灯不亮了”，AI 秒回，把地点、问题、照片要齐，生成工单。系统自动判断类型，该自动回的就回，该派单的就派，该转老板的就转。师傅做完，拍张照片发回来，AI 自动比对前后图，确认状态变了，单子才能销。

听起来不复杂。但就是这一层“分诊”，把平均响应时间从四个半小时压到了四十分钟以内。夜间和周末的岗，AI 是全程在线的，不用等人醒。

这里最容易翻车的，其实不是技术。

落地最容易踩的四步

第一，工单照片拍不清楚。师傅修完，随手拍一张糊的，AI 根本判断不了“已修复”和“未修复”。我们在现场做了个设置：不强制前后对比，但同一位置、同一角度、能看清关键部件，才给销单。达不到，单子一直挂黄点，月底统计出来，谁的单子黄点多，一眼看出。

第二，旧台账补录太急。很多老板一听上系统，第一反应是把过去几年的工单全导进去。别干这事。数字化不是考古，是把今天之后的活儿跑顺。老账放着，等新流程跑一个月，回头再慢慢清洗。一次全导，标签错乱、数据打架，团队第一周就会喊系统不好用。

第三，外包师傅不入系统。园区有一部分维修是外包的。这些师傅旱涝保收，没动力配合。你让他在手机上点单，他说不会用。怎么办？我们的做法是，AI 生成工单之后，自动生成一条简明短信发给外包师傅，不用他装任何 App。他回一个“收到”或者“完成”，系统就自动留痕。别让他填，别让他选，就让他回短信。

第四，AI 客服一上来就想全自动。这是最大的坑。租户报修的时候带着情绪，你要 AI 完全自己去应答，出了问题算谁的？我们在前两周设置的是“半自动”：AI 生成本条工单，把要发给租户的话草拟好，但第一周由物业主管点一下“确认”再发。等人对 AI 的判断有了底，再逐步放开。

这笔账到底划不划算

跟老板算账，不能讲“提升了多少效率”，那是废话。要讲人。

这个园区，以前物业主管每天接报修电话、回租户群消息的时间，我让他自己估过，大概三到四个小时。不是连续三四个小时，是被切成碎片的三四个小时。上系统一个月之后，他每天花在工单流转上的时间降到了一个半小时以内，其中大部分集中在早中晚三个时段集中处理。

老板自己的深夜电话，从原来的每周至少三四个，降到了一个月两三个。而且剩下那几个都是真正需要他拍板的事，不是“空调不冷”这种。

重复报修率，三个月里从两成降到了百分之七左右。不是师傅技术突然变好了，是每一条工单都有前后对比。谁糊弄、谁没修透，月底单子拉出来，数字会说话。

还有一个意外收获。因为工单数据开始沉淀了，到了续租谈判的时候，老板能拿出数据：“你们公司去年报修十三次，其中九次在四十分钟内响应，六次是你们自己用电器过载导致的跳闸。”这比空口白话管用多了。

抄作业能抄什么

我先把话说狠一点：别指望 AI 把你从“没时间”里救出来，除非你愿意先拿一个具体环节试。 这个案例之所以能跑通，不是因为模型强，是因为场景够窄、数据能闭环。

你要是也想抄，按这几步来：

第一，把你过去三个月的报修记录导出来，哪怕是个 Excel。先数一数，总量多少、最常见的前五类是什么、平均响应多长。没有这三个数字，后面都是拍脑袋。

第二，找一种租户最容易接入的报修方式。大概率是微信，不是系统。报修这件事，入口越浅越好，租户不可能为了修一盏灯去下载一个 App。

第三，先干“分诊”这一件事。AI 把活儿分类：能标准应复的应复，能直接派单的派单，必须老板处理的标红。别一上来就追求全自动。

第四，勒紧销单环节。工单一定要有“完成状态”的确认，要么是租户点确认，要么是前后图对比。没有这一步，报修数据的价值就是零。

对 OPC 创业者来说，这个场景的机会很实在。一个两三人的小团队，可以就做“园区报修工单分诊”这一个切入点，用对话式入口加一个轻量工单后台，不需要做平台、不需要做硬件。先让一个园区用起来，拿真实工单跑一个月，有了数字，再去下一个园区。门槛不在技术，在于有没有耐心把一千条工单拉出来看。

不要贪多。AI 一天能干的活儿很多，但一个园区今晚要解决的问题就一个：别让老板再当客服。

我最近老跟人讲 Keep 那个案例。2026 年 8 月 24 日，Keep 发了上半年财报，自有品牌健身产品卖了 4.83 亿，同比涨了 21.7%，但线上会员收入跌了 26.9%，月订阅会员从 278.7 万掉到 216.9 万。它 AI 落地不算慢，能生成课表，能语音陪跑，但用户续费意愿就是没起来。

为什么？因为那些 AI 功能停在“包装升级”上，没有真正改变用户“三分钟热度”的本质。买块瑜伽垫是一次性冲动消费，每月续费是持续性代价。AI 再聪明，解决不了这个底层矛盾。

放在园区报修上一样。AI 要是没落到每天具体发生的那件小事上，再热闹的技术数据也是空中楼阁。落到深夜十一点的空调报修上，落到工单的重复报修率上，才叫落地。

数字不会骗人。把你的报修单拉出来看看，老板的时间都去哪儿了。