Reggie Scales，Vonage 应用业务部门总裁兼负责人 – 访谈系列

Reggie Scales，Vonage 的应用业务部门总裁兼负责人，是一位拥有二十多年经验的技术和通信高管，曾领导销售、运营、市场进入策略和业务增长。自 2018 年加入 Vonage 以来，他在公司应用业务部门承担高级领导职责。此前，Scales 曾在 Masergy 担任美国西部高级副总裁，曾在 Comcast Business 担任中部地区副总裁兼总经理，以及在 Wilcon 担任销售与市场高级副总裁。职业早期，他在 PAETEC 工作超过 12 年，历任多项高管职务，包括销售与服务总裁，负责管理约 500 名员工、年收入 10 亿美元的地区的销售和业务运营。他的职业生涯聚焦于扩展通信业务、打造高绩效团队以及制定企业销售和客户参与策略。

Vonage 是一家全球企业技术公司，隶属爱立信，向全球超过 100,000 家企业提供通信 API、统一通信和联络中心解决方案。其平台使组织能够将语音、视频、消息、身份验证及其他通信功能直接嵌入应用和客户体验中，同时其业务通信和联络中心产品支持员工协作和客户参与。Vonage 正在日益将人工智能和移动网络智能整合到平台中，为企业和开发者提供工具，以在数字渠道上创建更个性化、安全且自动化的通信体验。

您的职业跨越了销售、服务、区域运营、通信基础设施以及如今对 Vonage 应用业务的领导。这样的运营经验如何塑造了您对 AI 采纳的方式，尤其是在创新与可衡量的客户和业务成果之间保持平衡的需求？

我在通信领域工作了超过 25 年，我职业生涯的每个阶段都强化了将技术投资与明确业务需求相结合的重要性。我最初从事长途服务的销售，随后转向本地通信、数据网络、云计算，如今又涉足 AI。我有机会见证行业的多次重大变革，而一个始终不变的教训是: 新技术只有在解决客户和业务的真实问题时，才能带来持久价值。

我将同样的思考方式应用于 AI。在联络中心，起点应当是您希望提升的结果。这可能是帮助客户更快解决常规问题，为员工在对话中提供更好的信息，减少不必要的步骤，或让在不同渠道之间切换时不丢失上下文。

我目前的职责覆盖产品、工程、销售、合作伙伴关系和客户支持，这也影响了我对采纳的思考。某项功能在技术上可能令人印象深刻，但企业仍需考虑它如何融入现有运营、员工和客户使用的便利程度以及如何衡量其是否有效。技术、执行与结果之间的关联在 AI 领域尤为重要，因为变化速度极快。

许多企业渴望在联络中心引入生成式和代理式 AI。在尝试将其规模化超出初始试点之前，需要在数据、工作流设计、系统集成和治理方面完成哪些基础工作？

企业在将 AI 推广至整个联络中心之前，需要夯实基础。试点可以在受控环境中使用有限的数据集和工作流运行。规模化则意味着将 AI 连接到更多系统、更多客户信息以及业务的更多环节，这会带来额外的复杂性。

数据是首要需要解决的领域之一。组织必须了解客户信息的存放位置、其准确性和时效性，以及谁有权限使用。工作流设计同样重要。公司应了解 AI 所介入的流程、它可以做出哪些决策以及何时需要人工介入。

集成是另一关键环节。客户通过语音、消息、视频等渠道进行沟通，而员工可能在后台使用多个系统。如果这些环境仍然脱节，加入 AI 可能会导致额外的碎片化。

治理也应从一开始就建立。企业需要对隐私、安全、访问以及人工监督制定明确规则。同时应明确如何随时间评估 AI。超越试点阶段需要确信技术能够在交互数量和情境范围扩大时保持一致的表现。

客户信息常常分散在客户关系管理系统、通话记录、消息历史以及其他企业平台中。真正统一的客户上下文层需要具备哪些要素，组织应如何防止 AI 系统基于不完整或过时的信息进行操作？

有用的客户上下文层始于将能够说明客户身份、其旅程中已发生的事项以及当前目标的信息进行关联。这可能包括 CRM 信息、通话记录、消息历史、账户详情、以往服务交互以及其他相关记录。

许多公司仍在不同系统中管理这些信息，这会带来问题，无论是否使用 AI。客户可能在一个渠道开始对话，随后切换到另一个渠道，却因第二个系统缺乏首次交互的历史而需要重复信息。AI 使解决这种碎片化更加重要，因为只有在拥有可靠上下文的情况下，代理才能提供有用的建议或采取适当的行动。

组织需要明确哪些系统对不同类型的信息具有权威性，并制定保持信息最新的流程。同时，还需为 AI 上下文不足以自信执行的情况设立防护措施。

如果信息缺失、冲突或过时，AI 应能够识别此限制，并请求澄清或转由人工处理。随着 AI 从回答问题转向为客户执行操作，这一点尤为重要。

从虚拟代理到人工顾问的有效交接应如何呈现？应转移哪些关于客户意图、先前对话、已完成操作以及未解决问题的信息，以免客户需要重新开始？

客户应感受到无缝的交接，仿佛同一对话的延续。当人工顾问加入交互时，需了解客户为何联系、已讨论的内容、虚拟代理已完成的事项以及仍需处理的事项。

至少，交接应包括客户的意图、相关对话历史、交互所需的账户信息、已完成的步骤或验证，以及虚拟代理升级问题的原因。如果客户已说明问题或回答了问题，顾问应能立即获取这些信息。

这种连续性至关重要，因为客户服务中最大的挫败感之一就是被迫重新开始。AI 应帮助降低这种摩擦，而不是增加更多步骤。

随着虚拟代理能够处理更大比例的常规交互，向人工的过渡质量变得更加重要。仍会存在需要同理心、判断力、创造力或更细致问题解决的情境。公司应从一开始就为此进行设计，并为员工提供足够的上下文，以便在这些情境出现时能够有效接手 AI 代理的对话。

客户体验 AI 的下一个阶段预计将更少关注独立工具，而是将智能直接嵌入现有工作流。这将如何改变 AI 在联络中心的角色，企业应如何决定哪些任务完全自动化，哪些仍由人工主导？

将 AI 嵌入现有工作流非常有效，因为员工和客户无需切换到独立的体验即可受益。AI 可以通过帮助员工在对话中查找信息、总结交互、建议下一步或为客户完成常规流程，来支持联络中心已有的工作。

在决定自动化哪些任务时，企业应仔细审视任务的性质和后果。具有明确规则和可预测结果的重复交互是更适合自动化的强候选。例如，简单的账户查询与涉及敏感投诉、异常情况或可能对客户产生重大影响的决策的对话截然不同。

在需要同理心、判断力和创造性问题解决的场景中，员工仍将发挥重要作用。AI 也可以支持这些员工，而非单纯接管交互。

我会根据自动化产生的体验来评估其价值。如果流程加快却导致更多重复联系、更多升级或更大客户挫败感，公司就需要重新审视该工作流的设计。

Vonage 最近为医疗、金融服务和零售联络中心推出了行业专属 AI 代理。为何垂直专业化变得重要，企业应如何判断 AI 代理是否真正理解其行业的工作流、术语和监管要求？

客户与医疗提供商的互动方式可能与其与金融机构或零售商的互动方式截然不同。底层的联络中心技术可能相似，但这些交互涉及的语言、工作流、客户期望和要求可能有显著差异。

随着 AI 代理能够做的不止是回答基础问题，行业背景变得愈发重要。代理需要了解客户常见的请求类型、员工和客户使用的术语、完成这些请求所涉及的系统，以及其应被允许执行的范围边界。

企业应使用来源于实际运营的场景来评估行业专属 AI。这意味着要测试常见请求以及例外和更复杂的情形。企业应观察代理是否遵循预期工作流、是否理解客户使用的语言，以及何时应转由人工处理。

组织还必须评估隐私、安全和监管要求的处理方式。这些考量应成为设计和评估过程的一部分，而不是在代理已与客户交互后才处理。

最终，行业知识的价值体现在能够转化为更准确、恰当且有价值的客户交互上。

随着 AI 代理从回答问题发展到完成交易并代表客户采取行动，需要在权限、隐私、幻觉、可审计性和人工监督方面采取哪些防护措施？

随着 AI 代理承担更大责任，监督力度应相应提升。提供一般信息的代理与进行账户变更、完成交易或采取其他直接影响客户的行动的代理之间存在显著区别。

权限是其中关键环节。AI 代理应仅能访问其被授权执行任务所需的信息和系统。身份验证、访问控制以及关于客户数据使用方式的明确规则同样重要。客户应对其信息的处理方式保持透明。

组织还需要记录交互过程中的情况。当代理开始执行操作时，企业应能够了解使用了哪些信息、完成了何种行动以及若出现问题时问题发生的环节。这在敏感或受监管的环境中尤为重要。

人工监督应根据任务风险进行调整。某些常规操作可由 AI 代理独立完成，而更具影响力的情形可能需要审查或批准。

AI 还需识别不确定性。当信息不完整、冲突或超出其授权范围时，最安全的做法是暂停、请求补充信息或转由人工处理，而不是基于未经支持的假设继续操作。

联络中心 AI 项目通常通过成本节约、呼叫转移或平均处理时间的降低来评估。领导者还应使用哪些额外指标来判断 AI 是否提升了首次联系解决率、客户满意度、员工体验、收入以及长期信任？

效率指标固然重要，但领导者应超越对交互速度或成本的关注。如果因问题未彻底解决而导致客户再次联系公司，即使交互时间短也并不具备价值。

因此，首次联系解决率是重要衡量指标。重复联系率和升级率同样能帮助领导者判断 AI 是否真正帮助了客户，还是仅将问题转移。客户满意度应保持核心地位，因为体验最终决定人们是否继续信任并选择与公司合作。

鉴于我们在客户参与研究中看到的情况，这一点尤为重要。客户对糟糕体验的容忍度有限，企业应避免仅优化单一效率指标而牺牲整体关系。

员工体验同样值得关注。如果 AI 能提供更好的信息、处理重复性工作并帮助员工解决更复杂的问题，领导者应能在员工反馈和绩效中看到这些改进。

我还会关注更广泛的业务成果，如客户保留率、账户增长以及通过服务交互产生或保护的收入。综合这些指标，领导者能够更清晰地了解 AI 是否在长期为客户、员工和业务创造价值。

Vonage 通过 Ericsson 在联络中心、统一通信、通信应用编程接口以及网络驱动能力方面开展业务。这些层级如何协同工作，帮助 AI 代理在各渠道之间进行沟通和操作，而不产生另一个碎片化的技术堆栈？

客户并不关心交互是发生在联络中心平台、通信 API 还是移动网络上。他们期望能够通过适合自己的渠道进行沟通，并在无需额外摩擦的情况下继续交互。支撑这种体验的技术必须保证连续性。

Vonage 在网络 API、CPaaS、CCaaS 和 UCaaS 领域都有布局，这让我们能够将这些能力视为客户体验的相互关联部分。随着 AI 代理能力的提升，这种关联性愈发重要，因为代理可能需要通过一个渠道进行沟通，从另一个系统获取上下文，并在其他地方执行操作。

更为一体化的方式还能在客户在语音、消息等渠道之间切换时保持上下文。这一原则同样适用于 AI 交互转交给员工处理的情形。

我们与 Ericsson 的合作关系也为将通信应用与网络能力更紧密结合提供了机会。目标是确保这些能力在客户旅程中发挥作用，而无需企业管理另一套脱节的工具。

能否请您分享一个示例，说明 Vonage 的联络中心、统一通信、API 与 Ericsson 网络能力今天如何在一次客户交互中协同工作？

一个典型示例是客户致电金融服务联络中心，报告可疑交易或请求账户变更时的情形。

在坐席接听之前，Vonage 的网络 API（由 Ericsson 的运营商基础设施提供支持）已经在运行。当通话进入时，我们的身份洞察功能会将来电号码与实时移动网络数据进行比对，包括该号码关联的 SIM 卡是否近期更换。这是潜在欺诈的强信号，且该过程对客户而言是无感且无摩擦的。

该网络情报通过 Vonage 的通信 API 直接流入联络中心，在坐席工作区内呈现为实时信任信号。如果坐席在 Salesforce 中工作，该洞察会自动显示在 Agentforce 中，坐席即可在通话开始前了解来电者身份是否已验证或是否需要进一步审查。

与此同时，Vonage 联络中心 (VCC) 与其统一通信解决方案 Vonage Business Communications (VBC) 无缝集成，以连接更广泛的组织。如果坐席需要召入欺诈专家或后台同事，他们可以实时查看全公司谁在线，并在保持完整上下文的情况下转接通话。客户无需重复说明，专家加入对话时已了解先前情况。

此示例之所以有意义在于这些层级并非孤立运行。网络为联络中心提供信息，API 将智能与工作流相连，统一通信层确保相关人员参与。客户感受到的是一次单一、连续的交互——这正是应有的体验。

这正是我们在所有能力上努力实现的整合，并已在今天向客户提供。

随着 AI 承担更多常规客户交互，您预计在未来三至五年内，人类联络中心专业人员的职责将如何变化，企业应从现在开始做些什么来准备其人员、流程和领导层？

随着 AI 处理更大比例的常规交互，我预计联络中心专业人员将把更多时间投入到人类技能最为关键的情境中，包括复杂问题、异常情况以及需要同理心、判断或创造力的对话。

联络中心专业人员的角色也将与 AI 更紧密相连。员工可能使用 AI 查找信息、了解交互历史、总结对话或识别可能的下一步。这意味着人员需要了解如何使用这些系统、何时信任以及何时对建议提出质疑或覆盖。

重要的是，企业应立即开始为团队做好准备，领导层在其中发挥关键作用。员工需要明确 AI 引入的原因以及其岗位将如何演变。培训应帮助员工了解 AI 如何融入日常职责，以及在 AI 参与时哪些仍是员工的责任。

公司还应让联络中心专业人员参与实施，因为他们每天都面对客户提问、流程缺口和异常案例。他们的经验有助于识别自动化的适用场景，并预判可能出现的问题。

在未来三至五年，我预计最强大的联络中心将是那些利用 AI 提升人员效能，同时在客户需要时保留明确的人类支持渠道的中心。

感谢这次精彩的访谈，想了解更多的读者请访问 Vonage。