员工使用内部工单系统提交 IT 请求，流程与知识分散。ETPI 在 MOI 上构建 AI 对话助手，为 IT 服务提供统一的自然语言入口。
ETPI 是菲律宾的电信服务企业，内部通过名为 Eastern Desk 的网页工单系统承载全公司的 IT 服务请求流程。
对一家电信企业而言，内部 IT 支持的效率直接影响一线业务的连续性——网络、终端、账号权限出问题的时候，等待时间就是业务停摆时间。
尽管平台配有说明文档，员工——尤其是新入职的员工——仍然经常搞不清楚三件事：这个问题该选哪个 SR 类别、需要填写哪些字段、提交之后大概多久能处理完。
根源在于两套语言之间没有桥梁。工单分类体系是按 IT 团队的内部职责划分的，而员工是按自己遇到的现象来描述问题的。要正确提交一张工单，员工必须先理解 IT 的组织结构——这是一个不合理的前置要求。
结果是大量请求因为分类错误或信息不全被打回。一来一回把解决时间拉长，而在员工看来，问题从提交到解决之间经历了什么是不透明的。
同时服务台被重复性的一线咨询占据：同样的问题被不同的人反复问，真正需要技术判断的问题反而排在后面。
ETPI 在 MOI 平台上部署 AI 对话助手，为 Eastern Desk 提供一个自然语言入口。员工不必先选类别，直接描述遇到的问题即可。
助手把工单系统数据与 IT 知识库、操作文档、历史工单打通，在同一次对话里完成两件此前分离的事：判断「该提交什么工单」，以及回答「这个问题怎么解决」。这两件事在员工的认知里本来就是一件事，只是被系统边界人为拆开了。
系统识别意图后，通过混合检索定位可用的解决方案。如果问题可以自助处理，直接给出处理步骤；如果确实需要工单，则推荐正确的 SR 类别，说明必填字段与预期 SLA。
答案生成依据的是已审定的 SR 目录与 SOP，而不是模型的自由发挥——在企业 IT 服务场景里，一个听起来合理但与实际流程不符的指引，比不给指引更浪费时间。
试点测试中，AI 生成的回答与已审定的 SR 目录及 SOP 保持一致，达到了预设的成功率门槛。
员工无需联系服务台即可确定正确的 SR 类型、必填字段与预期 SLA，因分类错误或信息不全被打回的请求相应减少。
相当一部分问题在对话中直接得到解决，根本不需要生成工单——这部分请求从统计中消失，而不是被更快地处理。
一线重复答疑被有效分流，IT 团队的精力回到真正需要技术判断的问题上。
新员工的上手门槛也随之降低：不需要先学会工单分类体系，才能获得 IT 支持。