Databricks 谈语音智能体：上下文如何把语音对话变成真实客户价值

在这个简短演示中，语音智能体在通话进行到一半时，于几分之一秒内做出决策，并在不打断对话的情况下改变回应方式。正是这种实时决策能力，让语音智能体能够切换语言、在恰当时机将呼叫者转接给人工，或为最有价值的客户提供他们期待的体验。

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，一位司机因配送时间窗口即将迟到，致电调度中心更改他的码头预约。他正在开车，所以无法使用应用。另外三名司机已在排队等候，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4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完全取决于这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，打电话比上网更简单也更快捷。预订团队只有两个人，却有四十通电话涌入。

在这些时刻中，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满足客户和业务需求，为什么它常常不可用，或者更近些时候，执行得很糟糕？

多年来，答案一直是语音太难做好。但这已不再成立。合成语音现在听起来很自然，对话可以在呼叫者仍在线上时被转成文本并据此采取行动，而如今的语音智能体能够跟上人们在对话中通常相互应答所需的约 200毫秒的节奏。

没有跟上的是大多数公司的思考方式。企业AI投资在很大程度上面向内部，投向员工助手，而更大的机会在于公司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建设，其语音智能体让顾客只需说话就能将商品加入购物车、更改订单并结账。

语音智能体可以创造价值的示例用例。

从更改码头预约的司机到风暴后保留房间的旅客，每一通这样的电话都不仅仅依赖于理解语音。为了发挥作用，智能体需要具备你最好的员工所拥有的同样背景信息：来电者是谁、他们已经在进行什么事情，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。背景信息弥合了这一差距。有了它，智能体可以适应每位呼叫者，遵守你关于它能查看和说什么的规则，并随着每一通电话而变得更好。没有它，即使是最自然的声音也只能给出泛泛的答案。

设想一次通话。一位老客户来电询问延迟的订单。客服坐席已经知道他们是谁、订购了什么以及包裹在哪里。它表示歉意，提供其有权给出的忠诚度积分，并安排补发。如果客户仍然不满，坐席会在当下察觉，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，因此客户既无需排队等待，也无需重复说明。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复时，坐席就会介入，然后在通话结束后将他们带回同一旅程。

在实时通话中汇集这些上下文才是真正的挑战。它分布在众多系统中，坐席需要在几分之一秒内获取它，而且它必须全程受到治理。这正是 Databricks 的用武之地。

语音坐席背后的大脑：Databricks 上的上下文、本体与治理

语音坐席有两个部分。第一部分是 对话层，负责通话本身：传输音频、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 负责承载通话， Deepgram 负责语音转文本和默认语音， 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，它会查找来电者的上下文，应用你的业务规则，并选择下一步，无论是回答问题、提供优惠，还是将通话转接给人工。它还会记录每个决策，以便你的团队日后审查。对话层决定坐席听起来如何。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 上的基础之上。

上下文 是坐席在当下需要的数据：属于通话中那个人的客户、订单、产品和政策数据。
本体是这些数据如何连接。它捕获你的业务所依赖的定义和关系，例如什么使某人成为忠诚度会员、订单属于哪家门店，以及哪项政策适用于哪个产品，从而使坐席能够像你的员工一样对你的业务进行推理。
治理决定谁能看到什么。在 Databricks 上，AI 坐席遵循你的企业数据目录中员工已经遵循的相同访问规则。

对于 Databricks 客户来说，无需搭建新平台。坐席在你数据已经所在的地方运行，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。

支柱 1：让每个答案都扎根于你的业务

在客户交互过程中，坐席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，因此每个回答反映的都是你的业务，而非来自互联网的通用知识。坐席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其身份，而不是听信对方的一面之词。你的业务决定坐席可以提供哪些优惠、能给予多少信用额度，以及在哪个节点转由人工接管。

如果坐席无法在你的数据中找到答案，它会如实告知来电者并转接给人工，而不是猜测。它给出的每个答案都可以追溯到其来源记录。医疗、财务或安全等敏感话题按设计会转接给人工，并且坐席被设定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管控的平台上。

支柱 2：借助快速 AI 决策为每次对话量身定制

语音坐席需要两种思考方式。有些决策必须在几分之一秒内完成，比如遇到码头问题的司机或情绪激动的来电者是否应立即转接人工。另一些则需要审慎推理，比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，而如今 AI 也正以同样的方式构建。大语言模型（系统 2）负责审慎推理，而一类新型快速决策模型（系统 1），例如来自 TypeSafe AI的 Jev，则负责快速判断。Databricks 通过 ai_decide将系统 1 决策引入你受管控的数据，使坐席能够快速做出判断并展示其置信度。

在语音坐席中，两者在对话的每一轮都协同工作。

忠诚会员或回头客可获得其完整历史记录以及符合条件的优惠，并由你能力最强的模型提供支持；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，同时附带订单或预订信息、以往的投诉以及已经提供的优惠。
切换语言的来电者会听到坐席也随之切换语言。
看到不明扣费且无法登录的订阅用户，会依据你的记录进行验证，并直接转入账户恢复流程，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，听到其真正符合条件的挽留优惠。
询问症状是否严重的患者会被转接给护士，并附上完整对话记录。
报告码头事故的司机会被立即升级处理，以免让你损失一单货运。

这让你能在对客户真正重要的环节使用能力最强的模型，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

这些决策中的每一个都会被记录下来。在电话层处理呼叫者同意和录音披露后，每通电话都能被捕获在一个受治理的地方：说了什么、查询了什么、哪个模型作答，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同一套策略，控制谁可以访问这些记录以及保留多长时间。该代理继承 Databricks 平台的安全与合规计划，包括 HIPAA 和 SOC 2 Type II 选项，详见 Databricks Trust Center。语音合作伙伴拥有各自的认证，需要在推广过程中进行审查。

正是这份记录让代理得以改进。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，进一步提升语音代理的有效性。

在 Databricks 上开始使用语音代理

入门并不需要大型项目。构建模块现已可用，且在 GitHub 上开源的 Databricks Intelligent Voice Agents (DIVA) blueprint 为你的团队提供了一个可用的起点。语音随后成为你现有系统之上的一个新渠道。

语音代理负责处理填满队列的常规来电，例如订单状态、续药和重新预订，让你的员工可以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，完整历史已显示在其屏幕上；如果出现任何问题，通话会连同完整转录转接给人工。

这就是客户服务的发展方向。Gartner 预测，到 2029 年，代理式 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 行业工程师建议从为期 90 天的试点开始，覆盖一个渠道、一个团队以及你最高频的常规来电，例如订单状态、司机签到或供应商确认。在试点开始前，记录当前的单次通话成本、处理时间和客户满意度，并跟踪来电者是否会再次回访并购买，以便在结束时比较结果。一旦结果经得起检验，你就可以将同样的受治理设置扩展到更多地点和更多类型的来电。

下次领导会议上的三个问题

我们最常处理哪些客户和合作伙伴对话，其中哪些是代理今天就能准确回答的？
如果语音代理明天代表我们接听电话，它会知道自己在与谁交谈吗？它会遵循与我们的员工相同的规则吗？
我们能否追踪代理在通话中做出的每一个决策，并证明它受到了治理？

要查看实际效果，请观看完整演示，并与你的技术团队分享 GitHub 上的 DIVA blueprint。其中包含编码代理可直接遵循的现成指令。随后联系你的 Databricks 客户团队，讨论并构思你的首个用例。

你的客户很快将代表你与 AI 代理对话。关键在于该代理对他们的了解程度。