Jason Luo 是 Newo 的 CEO，Newo 是一个语音 AI 基础设施平台。他之前曾担任 ALICE 的 CEO 和 Actabl 的 CRO。
在每项技术部署中，都有一个时刻，当问题从“它能否工作？”变为“我们能否将业务建立在它之上？”我在酒店技术领域度过了十年，亲眼目睹了这种转变的发生。这种模式始终相同：一种新能力在试验中证明了自己，早期采用者将其推向关键工作流程，然后它进入了运营层，即系统故障会立即导致经济损失的层面，而不是在事后分析中。那些在演示中看起来不错的供应商，在这种情况下会悄悄消失。语音AI正处于这样的转折点。当赌注真实时，要求会改变语音代理以与每项企业技术相同的方式赢得了其可信度：首先在低风险情况下证明其有用。例如，预约、基本FAQ、呼叫转接等。这些任务中，错误的成本很低，达到“足够好”的标准很容易。这种阶段基本上已经过去了，话题已经转移到其他地方。如今，企业正在将AI代理作为每个入站客户交互的第一联系点进行部署，这个角色曾经属于人类接待员或呼叫中心代理。当AI拥有这个位置时，它就成为企业运营的基础设施的一部分。当AI处于客户获取的关键路径上时，评估标准会完全转变。准确性基准和演示性能变得无关紧要。重要的问题变为：在生产规模下，系统的正常运行时间是多少？当呼叫者有重口音、背景噪音或在句中改变请求时，系统会如何表现？在2点钟的假日，当团队无法联系，系统遇到以前未见过的情况时会发生什么？这些并不是边缘情况。在生产AI部署中，它们只是平常的星期二。实时AI的真正需求在实时环境中运行AI代理，延迟没有余地，无法重试，也没有人工干预，会带来一些在基准测试中不会出现的约束。响应延迟是信任和放弃之间的阈值。发表在《美国国家科学院院刊》上的研究发现，人类自然地在大约200毫秒内传递对话的接力棒，而且即使是小的偏离这种节奏也会被视为信号，表明有些事情出了问题。在语音AI的背景下，这种敏感性有真正的后果。呼叫者不会有意识地决定在响应时间过长时放弃；他们只是这么做。暂停的感觉就像出了问题，他们会相应地采取行动。一致性是第二个约束，而且更难。一个AI代理在第一次呼叫中给客户提供准确的信息，在第二次呼叫中提供不同的信息，不仅会造成混乱，还会破坏对系统和企业的信任。要在规模上实现响应一致性，需要与系统记录进行实时集成：预订平台、库存、服务可用性和特定位置的规则。无法连接到实时数据的AI总是基于昨天的信息进行工作，而在客户对话中，昨天的信息是不够的。第三个约束是区分那些曾在规模上运作过的供应商和那些没有的供应商的因素：从故障中恢复。不是防止每次故障，因为这不可行，而是找到、修复和在下一个班次开始之前部署修复的系统、流程和机构知识。这种能力是在多年内建立的，而不是几个月，并且它不会出现在产品演示中。嵌入式与外接式：为什么它改变了一切在AI补充工作流程和AI成为工作流程本身之间，有一个有意义的运营差异。外接式AI可以在不造成灾难性后果的情况下表现不佳。如果摘要工具漏掉上下文或预约助手需要更正，成本就是摩擦。但是，处理入站呼叫的AI代理，不论是在医疗办公室、家庭服务公司还是多地点零售业务中，都不是补充性的。它是客户在决定是否留下或离开之前的第一个，也往往是唯一的接触点。对不一致性的容忍度几乎为零。当AI进入业务核心时，所有权必须随之转移。处理客户呼叫的语音代理不是IT资产。它属于谁负责收入的人，这完全改变了与供应商的关系。你不是在购买软件。你正在接受一个运营合作伙伴。集成要求也变得强制性，而不是志向。 当我在规模上构建运营技术时，获得永久采用的是那些表现得像已经知道其他所有业务知识的系统。 语音AI必须达到相同的标准。 如果它无法在实时中与您的CRM同步，在下一个呼叫到来之前学习您的更新价格，并在应该时升级到人类，它就还没有准备好进入运营层。性能标准从“一般准确”转变为“可靠一致”。虽然它们听起来相似，但实际上并非如此。这种转变并非语音AI所独有。麦肯锡的客户服务研究记录了同样的模式在客户面向AI中发生：技术从增强转变为基础设施，组织期望也必须随之转变。根据盖特纳的预测，到2028年，33%的企业软件应用将包含代理AI，从2024年的不到1%开始。这说明了运营的发展方向。如何评估AI系统以用于生产大多数组织犯的错误是像评估软件一样评估AI系统，基于功能完整性和基准性能。这在系统是补充时有效，但当系统是承重时就会失败。2025年，麻省理工学院的一项研究检查了300个企业AI部署，发现95%的AI试点未能对利润底线产生可衡量的影响，主要原因并不是模型质量，而是与现有工作流程的集成不良。这种发现应该改变任何领导者对评估的方法。对于将在核心工作流程中运行的代理AI，需要不同的视角。从生产历史开始，而不是演示。询问供应商的最大生产部署是什么样的，规模是多少，并要求直接与这些客户交谈。任何对生产性能有信心的供应商都会毫不犹豫地说是。仔细评估运营支持模型。企业AI部署不是一次性许可购买，而是一种持续的运营关系。问题不仅仅是AI在第一天是否有效，还有谁在第90天监控它，当意外情况在规模上出现时会发生什么。衡量您关心的业务指标，而不是虚荣指标，如“AI采用率”或“处理的交互”。衡量AI处理的呼叫的潜在客户转化率、客户满意度评分以及直接归因于AI恢复交互的收入。这些数字将告诉您系统是否在赚取其位置，还是只是产生活动。最后，计划组织变革。根据盖特纳关于代理AI项目失败的研究，到2027年末，超过40%的代理AI项目将被取消，理由是成本增加和商业价值不明确。我相信，将从语音AI中获得最多的组织是那些从第一天起就为其分配明确的责任、以商业术语定义成功并将系统与团队的其他成员持相同标准的组织。语音AI进入生产是容易的部分。让它保持在那里，保持它的责任感，并使其在业务中赚取其位置，这是大多数组织仍然需要做的工作。
