- 语音已经在改变客户与品牌互动的方式。那些从实体店转向网站、再转向应用的人，如今期望能直接与自己购买产品的公司对话，同样的转变也正在延伸到供应商、司机和外勤团队。
- 迄今为止，大多数企业AI都是向内看的。更大的机会在于企业每天与客户和合作伙伴进行的对话，而如今每一次这样的对话都可以被实时捕捉、理解并采取行动。
- 任何团队都能构建一个会回话的语音智能体，但只有当智能体掌握了来电者是谁的上下文时，价值才会产生。在此基础上，它才能针对该人做出调整、遵守既定规则，并在每次通话中不断改进。
- 在Databricks上，智能体的大脑就位于你受治理的数据旁边。上下文和本体为每个回答提供依据，快速的AI决策为每一轮对话量身定制，而每次通话都会汇入一个学习循环。
- 上手很简单。选择一个高频的常规通话，衡量智能体处理它的效果，并以DIVA blueprint作为下一个场景的起点。
为什么是语音，为什么是现在
想想消费类企业中每天都会发生的三个时刻：
- 早上6点，一名司机因送货时间窗口即将迟到而致电调度中心，要求调整他的码头预约。他正在开车，所以应用不是选项。另外三名司机已经在排队等候，他每多等一分钟，下一单配送就多一分风险。
- 中午，一家得来速有四辆车排队，只有一名员工戴着耳机，同时还要收款和递送订单。顾客只能通过说话点单，所以队伍前进的速度只能取决于一名员工处理订单的速度。
- 傍晚，一场风暴导致航班停飞，滞留的旅客致电酒店要求保留房间并推迟入住。站在登机口、两手各提一个包时，打电话比上网站更容易也更快捷。预订团队只有两个人，却有四十个电话打进来。
在每一个这样的时刻，语音都是客户联系企业最快或唯一的方式。那么，如果语音最终能最有效地服务客户和企业需求，为什么它常常不可用，或者近来执行得很糟糕？
多年来，答案一直是语音太难做对。这已不再成立。合成语音如今听起来很自然，一段对话可以在来电者仍在线上时被转成文本并据此采取行动，而今天的语音智能体能够跟上人们在对话中相互回应通常所需的约 200毫秒 。
没有跟上的是大多数公司对它的思考方式。企业AI投资在很大程度上是向内看的，投向面向员工的助手，而更大的机会在于企业每天与客户和合作伙伴进行的对话。美国最大的快餐品牌之一已经在朝这个方向构建，其语音智能体让顾客只需说话就能将商品加入购物车、修改订单并结账。
语音智能体能够创造价值的示例用例。
从调整码头预约的司机到风暴后保留房间的旅客，每一次这样的通话都不仅仅依赖于理解语音。为了有用，智能体需要具备你最好的员工所拥有的同样上下文：来电者是谁、他们已经在进行什么、以及它被允许对此做什么。
缺失的一环是了解你的客户
大多数语音智能体试点证明的是智能体能够进行对话。能证明它可以被托付给真实客户的则少得多。上下文弥合了这一差距。有了它，智能体可以针对每位来电者做出调整、遵守你关于它能看什么和说什么的规则，并在每次通话中不断改进。没有它，即使最自然的语音也只能给出泛泛的答案。
设想一次通话。一位忠实客户致电询问一笔延迟的订单。智能体已经知道他们是谁、订购了什么以及包裹在哪里。它道歉，提供它有权给出的忠诚度积分，并安排补发。如果客户仍然不满，智能体会在当下察觉，并在几分之一秒内决定将通话转接给下一位可用人员。该人员接起时已掌握完整上下文，因此客户既不用排队等待，也不用重复自己。当患者更改预约，或订阅者在发现一笔不认识的扣款后无法登录时，同样的模式也适用。在每种情况下，当客户离开应用或网站并需要立即得到答案时，智能体就会接手，然后在通话结束后将他们送回同一旅程。
在实时通话中汇集这些上下文才是真正的挑战。它分散在许多系统中，智能体需要在几分之一秒内获取它，而且它必须全程保持受治理。这正是Databricks的用武之地。
语音智能体背后的大脑：Databricks上的上下文、本体与治理
语音智能体有两个部分。第一部分是 对话层，它处理通话本身：承载音频、将语音转为文本，并说出回复。专业合作伙伴在这方面做得很好。在我们的原型中， LiveKit 承载通话， Deepgram 处理语音转文字和默认语音， ElevenLabs 添加富有表现力的语音。像 Twilio 这样的电话运营商可以接入普通电话线路。
第二部分是 大脑，由Databricks提供。在通话的每一轮中，它会查询来电者的上下文、应用你的业务规则，并选择下一步，无论是回答问题、提出优惠，还是将通话转交给人工。它还会记录每个决策，以便你的团队日后审查。对话层决定智能体听起来如何。大脑决定它是否能给出正确答案。
大脑建立在三样已经共同存在于Databricks之上的基础之上。
- 上下文 是智能体在当下需要的数据：属于线上那个人的客户、订单、产品和政策数据。
- 本体 数据之间的连接方式正是如此。它捕捉了你的业务所依赖的定义和关系，例如什么条件使某人成为忠诚度会员、某个订单属于哪家门店，以及哪项政策适用于哪个产品，从而让智能体能够像你的员工一样理解你的业务。
- 治理 决定谁能看到什么。在Databricks上，AI智能体遵循与你的员工相同的访问规则，这些规则位于你的 企业数据目录 中。
对于Databricks客户而言，无需搭建新的平台。智能体运行在你的数据已经所在之处，并通过经批准的只读查询连接到你已经运行的系统，例如订单、忠诚度和CRM系统。
支柱1：让每个答案都扎根于你的业务
在客户交互过程中，智能体利用你的上下文和本体来查询此人的订单、你的政策以及你的产品信息，因此每个答案反映的都是你的业务，而非来自互联网的通用知识。智能体只能看到属于来电者的记录，并且通过核查你的系统来确认他们的身份，而不是仅凭他们的一面之词。你的业务决定智能体可以提供哪些优惠、能给予多少信用额度，以及在哪个节点由人工接管。
如果智能体无法在你的数据中找到答案，它会告知来电者，并将他们转接给人工，而不是猜测。它给出的每个答案都可以追溯到其来源记录。敏感话题，例如医疗、财务或安全问题，按设计会被转接给人工，并且该智能体被构建为绝不提供医疗建议。只有对话内容会经过语音合作伙伴，客户数据则保留在你受治理的平台上。
支柱2：通过快速AI决策为每次对话量身定制
语音智能体需要两种思维。有些决策必须在几分之一秒内完成，例如一位遇到码头问题的司机或一位情绪激动的来电者是否应立即转接给人工。另一些则需要仔细推理，例如为延迟订单找出正确的解决方案。研究人员称之为 快思考与慢思考，即系统1和系统2，而AI现在也正以同样的方式被构建。大语言模型（系统2）负责仔细推理，而一类新型的快速决策模型（系统1），例如来自 TypeSafe AI的Jev，则处理快速判断。Databricks通过 ai_decide将系统1决策引入你受治理的数据，使智能体能够快速做出判断并展示其置信度。
在语音智能体中，两者在对话的每一轮都并肩协作。
- 忠诚会员或回头客会获得其完整历史和符合资格的优惠，并由你最强大的模型提供支持；而常规问题则以更低的成本获得快速、准确的回答。
- 情绪激动的来电者会被转接给人工，同时附上订单或预订信息、此前的任何投诉以及已经提供的任何优惠。
- 切换语言的来电者会听到智能体随之切换语言。
- 看到不认识的扣款且无法登录的订阅用户会通过你的记录进行验证，并直接进入账户恢复流程，而不是在通用队列中等待。
- 致电取消的订阅用户会在仍能改变其决定的时刻，听到他们真正符合资格的挽留优惠。
- 询问症状是否严重的患者会被转接给护士，并附上完整通话记录。
- 报告码头事件的司机会被立即升级处理，以免让你损失一票货物。
这让你能够在真正对客户产生影响的环节使用最强大的模型，而在其他所有环节使用更快、成本更低的模型。
支柱3：通过每次通话构建学习闭环
上述每一个决策都会被记录。在电话层处理来电者同意和录音披露的前提下，每通电话都可以被捕获在一个受治理的位置：说了什么、查询了什么、哪个模型做出了回答，以及每个决策为何做出。你的团队使用已经治理其余数据的相同策略来控制谁可以访问这些记录以及保留多长时间。智能体继承Databricks平台的安全与合规项目，包括 HIPAA 和 SOC 2 Type II 选项，详见 Databricks信任中心。语音合作伙伴拥有各自的认证，需要在你的部署过程中进行审查。
正是这些记录让智能体得以改进。每通电话都可以自动进行质量评分，联络中心和客户体验负责人可以用自然语言询问有关其通话的问题，例如上周二退款请求为何激增。这些洞察随后可以反馈到更好的提示词和模型中，进一步提升语音智能体的有效性。
在Databricks上开始使用语音智能体
开始使用并不需要大型项目。构建模块今天已经可用，而 Databricks智能语音智能体（DIVA）蓝图已在GitHub上开源，为你的团队提供了一个可用的起点。语音随后成为你已有系统之上的一个新渠道。
语音智能体负责承接填满队列的常规通话，例如订单状态、续药和重新预订，让你的员工能够专注于需要人工的对话：情绪激动的客户、复杂的请求，或者只是更愿意与人交谈的来电者。当员工接起电话时，完整历史已经显示在其屏幕上；如果出现任何问题，通话会连同完整记录转接给人工。
这就是客户服务的未来方向。 Gartner 预测，到2029年，智能体AI将 在无需人工干预的情况下自主解决80%的常见客户服务问题 ，从而使运营成本 降低30%.
Databricks 的行业工程师建议先从一个 90 天试点开始，覆盖一个渠道、一个团队，以及你们话务量最高的常规通话，例如订单状态、司机签到或供应商确认。试点开始前，记录当前的单次通话成本、处理时长和客户满意度，并跟踪来电者是否会再次回来购买，以便在结束时对比结果。一旦结果经得起检验，就可以把同一套受治理的配置扩展到更多地点和更多类型的通话。
下次领导层会议上的三个问题
- 我们最常处理哪些客户和合作伙伴对话，其中哪些是智能体现在就能准确回答的？
- 如果明天由一个语音智能体代表我们接听电话，它会知道自己在和谁说话吗？它会遵守与我们的员工相同的规则吗？
- 我们能否追踪智能体在通话中做出的每一个决策，并证明它受到了治理？
要观看实际演示，请观看完整演示，并与你的技术团队分享 GitHub 上的 DIVA blueprint 。其中包含编码智能体可以遵循的现成指令。然后联系你的 Databricks 客户团队，讨论并构思你的第一个用例。
你的客户很快就会代表你与 AI 智能体交谈。关键在于这个智能体对他们了解得有多好。
相关标签：在收件箱中获取最新文章
订阅我们的博客，最新文章将直接发送到你的收件箱。