一、为什么客户会使用 AI 呼叫

• 产品背景

在深入探讨AI呼叫行业之前，我们先来理解客户选择使用AI外呼的根本原因。呼叫行业，作为人类沟通的一种古老形式，其历史可以追溯到20世纪90年代。那时，随着腾讯等企业的兴起，呼叫行业以寻呼机的形式开始进入公众视野。而后，华为等其他企业也开始提供通信增值服务，推动了这一行业的早期发展。呼叫行业之所以经久不衰，是因为它提供了一种直接与用户互动的方式，这种互动可以绕过传统的通信壁垒，实现主动式的联系。呼叫行业包括主动式的呼出和被动式的呼入两种形式，分别对应AI外呼和AI接听。这种主动式的沟通方式，使得呼叫行业在效率上具有无可比拟的优势。

从90年代至今，呼叫行业经历了显著的演变。起初，呼叫主要依赖人工操作，随后发展到硬件辅助的人工呼叫，再到网页版的人工呼叫。大约六年前，机器人呼叫开始出现，而今天，我们利用智能体大模型进行呼叫，这一变化过程直观地展示了技术的进步如何推动行业的发展。

AI外呼的技术路径是一个复杂而精细的过程。它涉及到语音识别、自然语言处理、机器学习等核心技术。这些技术共同协作，使得AI外呼系统能够理解用户的意图，提供准确的响应，并持续优化其性能。尽管在六七年前，电话机器人的智能水平和识别准确性有限，但用户依然选择使用，这主要是因为AI外呼的成本效益比人工呼叫要低得多。AI外呼的高效性使得它即使在技术尚未成熟的早期，也已经被市场所接受。

1.智能呼叫系统的优势

在当今快速发展的人工智能领域，智能呼叫系统无疑是AI技术商业化应用的典范之一。这一系统之所以能够成为商业化的一个亮点，主要得益于其在效率、成本效益和容错性方面的显著优势。

1.高投资回报率

智能呼叫系统的投资回报率（ROI）通常高于1，这意味着其使用效率，尤其是与人工呼叫相比的产出效率，具有明显的优越性。企业在采用AI呼叫系统时，会特别关注其综合北极星指标的表现，例如通过AI呼叫添加微信好友的成本效益。如果通过人工方式添加微信好友的综合成本为50元，而AI呼叫的成本仅为100元，那么AI呼叫系统的ROI显然具有吸引力。

2.高容错率

智能呼叫系统具有较高的容错率。与文本交互相比，音频交互在智能客服领域更为单一，因为文本交互是一个多模态场景，可能包含文本、音频和附件等多种元素。然而，在呼叫领域，由于通信条件的限制，互动主要依赖音频进行，这就使得智能呼叫系统在容错性上具有优势。用户对AI在通话中的错误具有一定的容忍度，这与阅读书籍时对作者逻辑错误的容忍性相似。

3.高能力

智能呼叫系统的能力足以应对业务需求，这表明AI呼叫是一个适合商业化的低精度业务场景。比如说自动驾驶技术。自动驾驶技术在汽车行业的应用的年限已经不短了，但大部分人依然不太敢使用自动驾驶的方式开100到200公里，但自动驾驶的技术在扫地机器人的场景里已经进行了大量的应用。以此类推，大模型技术也将在客服语音数字人等相关领域里先进行应用，因为这些是典型的低精度场景，但是像法律，医疗等高精度场景，这种技术的应用速度就会偏慢，这是整个行业的一个变化。智能呼叫系统正是利用了这一技术演进路径，SaaS和AI都是一种复利游戏，它们本身的特点就在于每一个月或者每一周都会基于代码量和数据量进行不断的升级，而这样的升级就会带动的产品进入到一个快速的业务增长期。

综合以上优势，智能呼叫系统的早期应用受到青睐的原因一目了然。即使在六年前，智能呼叫技术尚处于起步阶段，语音识别技术的准确性也有待提高，甚至很多的最基础的语音都会识别不准，但随着技术的进步，这些问题已经得到了显著改善。值得一提的是，在通信环境下，尽管许多人使用的是5G网络，但打电话时实际上使用的是3G或4G网络，这导致了通话音质相对较低。从音频质量的角度来看，人们在正常通话中使用的是8000赫兹的音频，而在像腾讯会议这样的应用中，则使用的是16K的音频。在这种音质较低的场景下，智能客服需要进行特别的优化和应用，以确保用户的体验。作为AI技术商业化的一个成功案例，智能呼叫系统不仅展示了AI在特定领域的应用潜力，也反映了技术进步如何推动行业向前发展。随着技术的不断成熟和优化，智能呼叫系统有望在未来的商业环境中扮演更加重要的角色。

2.客户联络演变

在AI技术的浪潮中，智能客服行业经历了翻天覆地的变化，主要包括内容、渠道、活动和决策四个方面。

1.内容层面

从早期的大规模、无差别化的沟通方式，到如今个性化、一对一的交流模式，智能呼叫系统已经实现了质的飞跃。随着大模型时代的到来，智能呼叫系统不仅能够提供个性化的服务，还能够与客户管理系统紧密联动，实现更加精准和高效的客户沟通。在大模型的加持下，智能呼叫系统能够读取并理解客户管理系统中的用户信息，如姓名、背景等，进而生成个性化的沟通内容。这种基于大模型的智能呼叫，与上一代机器人相比，实现了跨时代的进步。它不再是一种简单的自动化工具，而是一个能够理解、学习和适应客户需求的智能伙伴。

2.渠道层面

同时，智能呼叫系统的渠道也在不断演变。过去，智能呼叫系统可能只是单一的通信工具，但现代的智能呼叫系统需要与多种产品和渠道进行协同工作。例如，智能呼叫可以与挂机短信、微信推送、企业微信机器人通知等进行整合，实现全方位的客户接触和沟通。这种整合不仅提高了沟通效率，也为客户提供了更加连贯和一致的体验。

3.活动层面

维护用户的全生命周期里有大量的点是需要进行智能化的客户联络的，智能呼叫系统从单一的节点式爆发，走向了持续的关系化，其应用场景也在持续扩展。比如在电商行业，从用户购买、收货、评价、后期复购，到会员营销、节日回访以及用户流失管理，智能呼叫系统在用户生命周期的各个阶段都发挥着重要作用。通过智能化的客户联络，企业能够更好地维护与客户的关系，提高客户满意度和忠诚度。

4.策层面

通过个性化的联络，甲方从直觉化的驱动进入到了一种数据化的驱动。智能呼叫系统还推动了企业从直觉驱动向数据驱动的转变。通过收集和分析大量的用户数据，如接通率、意向客户标签率、通话时长、客户所属地域等，企业可以更加精准地调整业务策略，提高营销效果。这种数据驱动的决策模式，为企业提供了更加科学和客观的依据。

随着人力成本的不断上升和私域运营需求的增加，甲方对于提高营收和客户满意度的要求也越来越高，这些因素共同推动了新一代智能客服场景的有效落地。总之，智能客服行业的发展是一个不断演进和创新的过程。随着AI技术的不断进步，智能呼叫系统将在未来的客户服务领域扮演更加重要的角色。它将帮助企业实现更高效、更个性化的客户沟通，为企业的持续发展提供强大的支持。

3.AI相对人力优势

在探讨人工智能（AI）在呼叫行业中的效率优势时，我们不得不提到AI在处理高容量任务时的卓越能力。AI呼叫系统的设计初衷是为了提高效率、降低成本，并且提供一致性的服务体验。让我们深入分析AI如何实现这一目标。

1.工作效率

AI呼叫系统不受人类工作者的生理限制。人类呼叫中心的工作人员每天最多工作八个小时，而这段时间内，他们能够处理的有效通话数量大约在100到200通电话之间。相比之下，AI系统能够持续不断地工作，不受时间限制，其有效通话量可以达到惊人的800到1000通电话，大大提升工作效率。

2.工作状态

AI系统在处理任务时的严格性和一致性也是人工呼叫所无法比拟的。AI不会因情绪波动、疲劳或个人偏见而偏离业务主线，它能够始终如一地执行任务，确保服务质量的稳定性。此外，AI系统能够进行高效的数据分类，这不仅提高了处理速度，还增强了对客户信息的精准把握。

3.客户跟进

然而，尽管AI呼叫系统在效率和成本上具有显著优势，上一代的AI机器人呼叫并没有实现广泛的普及。这主要是因为它们的智能水平有限，无法满足复杂多变的客户需求。但是，随着大模型技术和搜索增强技术的演进，新一代的AI智能客服已经具备了超越人工的能力。这些技术的进步使得AI客服能够更好地理解和处理复杂的客户查询，提供更加个性化和精准的服务。新一代AI智能客服的市场价值在于它们真正具备了取代人工的可能性。随着自然语言处理（NLP）和机器学习技术的发展，AI客服能够更加自然地与人类进行交流，理解客户的意图，并提供相应的解决方案。这种智能水平的提升，不仅提高了客户满意度，也为呼叫中心带来了更高的运营效率。

4.费用成本

在成本效益方面，AI呼叫系统同样展现出其无与伦比的优势。AI的成本大约只有人力成本的十分之一，这意味着在相同投入下，AI能够提供更高的产出。如果我们进一步分析，AI的综合成本仅为人力的四十分之一，而效率却是人类的四倍。这一成本与效率的结合，无疑为AI呼叫系统带来了巨大的市场竞争力。

AI呼叫系统以其高效率、低成本和一致性服务，正在逐步改变呼叫行业的面貌。随着技术的不断进步，我们可以预见，AI将在未来的呼叫行业中扮演越来越重要的角色，为企业提供更高效、更智能的客户服务解决方案。

在AI时代，呼叫行业的成本结构发生了根本性的变化。传统上，人力成本占据了呼叫中心运营成本的很大一部分。然而，随着人工智能技术的发展和应用，我们见证了成本结构的重塑。AI呼叫系统的核心优势在于其能够显著降低人力成本，转而将成本重心转移到经营性成本上，比如通信费用。在不计算通信费用的情况下，AI的综合成本可能仅为人力成本的四十分之一。这一成本优势源于AI系统的自动化和规模化能力，它们能够以极低的边际成本处理大量的呼叫任务。当通信费用被纳入计算时，AI的成本可能降至人力成本的十分之一左右。这种成本效益的显著提升，为AI呼叫系统在商业领域的广泛应用提供了坚实的基础。

AI呼叫的技术路径

在人工智能（AI）引领的呼叫行业革命中，技术路径的明确性和系统性是确保成功实施的关键。AI呼叫系统的设计和实现遵循一个非常直观的分层架构，分别是支撑能力层、基础服务层、业务层,这不仅保证了技术的可扩展性，还为未来的创新提供了坚实的基础。以下是对AI呼叫技术路径的深入分析，旨在为读者提供科普性和专业性的洞见。

（一）产品的基本架构

1.支撑能力层：AI呼叫的基石

支撑能力层是AI呼叫系统的底层，它为整个架构提供了必要的技术支撑。这一层由三个核心组成部分构成：AI基础能力、智能引擎和通信能力。

1.AI能力

AI能力涉及语音识别（ASR）、自然语言处理（NLP）和语音合成（TTS）等，这些技术使得AI呼叫系统能够理解人类的语音，并以自然的方式进行回应。随着技术的进步，NLP的能力得到了显著提升，现在可以支持实时打断、变量呼叫和多轮对话等高级功能。

AI 能力也不仅仅在于逻辑对话，还包括了 VAD 及降噪等模块。

2.智能引擎

智能引擎是AI呼叫系统的核心，它负责处理和理解用户的意图。得益于大模型技术的发展，智能引擎的能力已经从传统的意图理解升级为更加复杂的处理能力，如基于RAG（Retrieval-Augmented Generation）搜索增强和大模型的智能处理。

3.通信能力

通信能力是呼叫行业特有的技术要求，包括SIP（Session Initiation Protocol）协议、呼叫转接技术、空号识别和智能路由调度。这些技术确保了呼叫的顺畅进行和高效管理。

基础服务层：AI呼叫的中坚力量

在人工智能（AI）呼叫行业的架构中，基础服务层扮演着至关重要的角色，它建立在支撑能力层的坚实基础之上，各种组成要素共同作用为AI呼叫系统提供强大动力，并为业务层提供必要的服务和功能。

话术管理：智能交互的核心

AI对话能力是基础服务层的核心，它使得AI呼叫系统能够与用户进行自然、流畅的交流。这一能力依赖于先进的自然语言处理（NLP）技术，包括语音识别（ASR）、自然语言理解（NLU）和语音合成（TTS）。通过这些技术，AI呼叫系统能够理解用户的意图，生成合适的回应，并以语音的形式传达给用户。

外呼管理：高效任务执行

外呼管理能力涉及到呼叫任务的配置和管理。这包括呼叫策略的制定、任务的调度以及黑名单管理等。通过智能路由和调度，AI呼叫系统能够确保每个呼叫都能够得到及时和有效的处理。

客户管理：客户关系维护

用户管理能力是AI呼叫系统中用于维护客户信息和关系的重要组成部分。类似于客户关系管理（CRM）系统，它负责管理用户的个人信息、呼叫历史、偏好设置等。这有助于企业更好地了解客户，提供更加个性化的服务。客户数据公海管理是指对潜在客户资源的管理和分配。通过将潜在客户信息导入客户公海，企业可以更有效地分配销售和营销资源，提高转化率。

API接口：开放与集成

API接口能力为AI呼叫系统提供了与其他系统和服务集成的能力。通过开放的API接口，企业可以将AI呼叫系统与现有的业务流程、数据库和其他应用程序相连接，实现数据的导入、导出以及信息回传等功能。

基础服务层是AI呼叫行业的中坚力量，它通过提供一系列强大的服务和功能，使得AI呼叫系统能够高效、智能地运行。随着AI技术的不断进步，基础服务层的功能将变得更加强大和多样化，为企业带来更高的运营效率和更好的客户体验。在这本畅销AI书籍中，我们将继续探索AI呼叫系统的更多奥秘，揭示它如何改变我们的沟通方式和商业实践。

业务层：AI与消费者互动的前沿

业务层是AI呼叫产品的核心，它涉及AI坐席与消费者之间的直接互动。这种互动可以采取多种形式，包括但不限于主动呼叫、被动呼入以及人机协同等。主动呼叫指的是AI系统根据预设的策略或用户需求，主动联系消费者；被动呼入则是消费者主动联系AI坐席，寻求帮助或信息；而人机协同则是一种更为高级的互动形式，它结合了人工智能的高效处理能力和人类坐席的灵活性，以提供更加个性化和人性化的服务。

这些互动过程中产生的数据是至关重要的，它们不仅为企业提供洞察消费者行为和需求的机会，也是优化服务和提高效率的关键。数据的流转通常通过以下几种方式实现：

1. 人工坐席：在AI无法解决复杂问题或需要人类判断的情况下，人工坐席能够介入，提供必要的支持和决策。
2. 挂机短信：在通话结束后，系统可以自动发送短信给消费者，提供进一步的信息或确认服务细节，增强用户体验。
3. 数据报表：通过收集和分析AI呼叫过程中的数据，企业可以生成详细的报表，这些报表不仅帮助企业了解服务效果，还能指导未来的业务决策和流程优化。

（二）智能呼叫的历史演进

智能呼叫技术的发展历程，无疑是一段充满突破与创新的史诗。从最初的自动化拨号器到现代的高级人工智能系统，智能呼叫技术已经走过了一段漫长而充满挑战的旅程。在这段旅程中，我们见证了技术如何从简单的机械自动化，逐步演进为能够理解和响应复杂人类语言的智能系统。

1.IVR播报时代

智能呼叫技术的起点可以追溯到IVR（Interactive Voice Response，交互式语音响应）播报系统——0.0版本，即IVR播报，通过按键选择来引导用户完成对话。在大约过去十年的时间里，IVR播报成为了主流的交互方式。它通过简单的按键指令，如“用户请按零”或“用户请按一”，来引导用户进行操作，实现基本的交互功能。这种方式虽然基础，但在当时已经极大地提高了服务效率和用户自助服务的能力。

1. 语音识别与合成技术的应用

进入2017至2018年，智能呼叫行业迎来了技术革新的浪潮。语音识别技术使得系统能够理解用户的语音指令，而语音合成技术则让系统能够以自然流畅的语音回应用户。结合关键词搜索引擎（ES），智能呼叫系统开始提供更为自然和流畅的交互体验，用户不再需要通过按键来选择服务，而是可以直接用语音与系统进行交流。

1.图形化与上下文理解

2019年，智能呼叫系统进一步发展，引入了图形化界面和上下文理解能力。图形化界面使得用户可以通过触摸屏等设备与系统交互，而上下文理解能力则让系统能够根据对话的上下文来提供更加精准的服务。智能呼叫系统开始能够处理更加复杂的对话场景。尽管关键词匹配依然是主流的处理方式，但这一阶段的系统已经能够处理更加复杂的对话场景。

2.正则表达式的突破

到了2020年，正则表达式的引入为智能呼叫系统带来了新的突破。正则表达式是一种强大的文本匹配工具，它使得系统能够更有效地解析用户的复杂意图。例如，当用户询问“大户型的房子多少钱”时，系统能够通过正则表达式拆解出“大户型”和“多少钱”这两个关键信息，从而提供更加精确的回答。

3.NLP自然语义理解技术的兴起

2022年左右，随着NLP自然语义理解技术的发展，智能呼叫系统开始采用问法对问法的相似度算法，通过向量化处理，实现了对词条的高效索引和排序。这种方法不仅能够处理复杂的问法，还能够解决问法之间的互斥问题。

2.大模型时代的技术革新

随着大模型技术的兴起，智能呼叫行业进入了一个新的技术周期。大模型智能体结合NLP语义理解，提供了一种成本效益高、响应迅速的解决方案。这些模型通常拥有数十亿甚至数千亿的参数，能够处理更加复杂的交互场景，提供更加精准和个性化的服务。大模型的引入，使得智能呼叫系统在理解用户意图、提供个性化服务以及处理复杂对话方面达到了前所未有的水平。

AI呼叫中心正站在一个新的历史机遇面前。随着大模型技术的发展，智能呼叫行业有望实现根本性的变革。在中国，每天有近500万人在呼叫中心工作；在国际市场上，许多东南亚国家，如柬埔寨、菲律宾等，以英语为母语，利用较低的人力成本，将呼叫中心作为国家的支柱产业。大模型技术的低成本、高智能特性，为这些国家的呼叫中心行业提供了巨大的替代潜力。随着技术的不断成熟和应用的不断深入，我们有理由相信，AI呼叫中心将在全球范围内发挥更加重要的作用，推动整个行业的创新和发展。

智能体对行业的变更是很明显的，人力呼叫的每通电话成本在 3～5 元，而 AI 可以实现十倍+的成本下降，很多朋友会说 AI 不能完全取代人力，但是假定一个 1000 人的呼叫职场，那么 1000人的综合管理及人力成本为 2亿元，将此调整为 2000+AI 智能体结合 200 人的团队，可以将成本从 2 亿下降至 8000 万。

（三）智能客服的知识类型

在人工智能（AI）领域，智能客服的演进是企业服务创新的重要体现。新一代的智能客服系统不仅仅是一个简单的交互工具，而是一个高度集成的智能平台，它通过整合企业的知识资产，提供深度定制化的客户服务体验。新一代智能客服系统的核心是一个被称为“知识大脑”的复杂知识库。这个知识大脑是智能客服系统智慧的源泉，它由三种类型的知识构成：

1.行业知识

第一种类型是行业知识，这是智能客服系统理解特定行业需求和语境的基础。以家装或房地产行业为例，智能客服需要掌握与这些行业相关的专业知识和术语。这些知识不完全由企业提供，而是由SaaS（Software as a Service）厂商结合不同行业的专业能力构建而成。行业知识的整合使得智能客服能够更准确地理解用户的需求，并提供专业的服务。

2.职业知识

第二种类型是职业知识，它涉及特定职业角色的交流方式和行为准则。例如，销售冠军的沟通技巧、优秀客服人员的服务标准、前台接待的专业用语等。职业知识帮助智能客服系统模拟专业人士的行为，提供更加人性化和专业的服务。

3.企业私有知识库

第三种类型是企业自己的私有知识库。这个知识库包含了企业独特的信息和知识，如产品细节、服务流程、客户案例等。私有知识库可以通过表格、文档、API或网页等多种形式呈现。这些知识是企业员工，包括新入职员工，必须掌握的，涵盖了个人履历、行业背景、职业培训以及企业特有的私有知识。

智能客服系统通过整合上述三种知识，构建了一个全面的知识体系。这个体系不仅包含了行业和职业的通用知识，还融入了企业特有的私有知识，使得智能客服能够提供高度个性化和专业化的服务。随着AI技术的不断进步，智能客服系统将变得更加智能和自适应。机器学习和深度学习技术的应用将使智能客服能够不断学习和优化，提供更加精准和个性化的服务。此外，随着自然语言处理（NLP）技术的发展，智能客服将能够更好地理解用户的意图和情感，提供更加人性化的服务体验。新一代智能客服系统的发展，标志着企业服务模式的一次重大变革。通过构建强大的知识大脑，智能客服不仅能够提供专业的服务，还能够不断学习和进化，满足不断变化的市场需求。

（四）模型的选择

在智能呼叫行业的发展历程中，选择合适的大模型对于实现高效、个性化的客户服务至关重要。本文将深入探讨这一主题，从技术选择到业务场景的应用，以及未来技术的发展趋势。

1.选择合适的大模型

智能呼叫系统的核心在于其处理自然语言的能力，这需要依赖于先进的大模型。大模型的选择应基于业务场景的具体需求，考虑到通话的流程特性和成本效益。由于通话通常较短，不会超过十分钟，一个人一分钟说话的数量大约在300字左右，这意味着在一次通话中，大模型的token消耗通常不会超过3000个token。因此，智能呼叫系统可以选择成本更低、尺寸适中的模型，如turbo或4K大小的模型，以实现成本效益和性能的平衡。

模型的大小也会进一步影响互动，并非越大的模型越好，越大的模型代表成本更高，速度更慢，而小模型也会存在智商偏低的问题。所以模型的选择需要根据实际的业务进行判断。我们更倾向于国产大模型，因为延迟和对话逻辑更符合中文特点。

2.智能呼叫的业务场景

智能呼叫系统的输出可以广泛应用于多种业务场景，包括但不限于文本客服和音频客服。文本客服可以在公域和私域中提供服务，而音频客服则包括AI外呼、AI接听和数字人客服等形式。这些业务场景的实现，依赖于大模型的自然语言处理能力，能够理解和响应用户的需求。

随着技术的进步，模型选择变得更加自定义化。企业可以根据自己的业务需求和市场定位，选择不同的大模型来构建智能呼叫系统。例如，Deepseek、通义千问、智谱清言、豆包等模型可以针对特定的中文市场进行优化。而在国际市场上，Lama或ChatGPT 4等技术能力则提供了更广泛的语言支持和应用场景。我们认为，智能呼叫技术的未来将朝着第五代技术能力发展。这一代技术将更加注重个性化、智能化和集成化，能够提供更加精准和人性化的服务。

智能呼叫行业的发展是一个不断演进的过程，它需要不断地技术创新和业务模式的探索。选择合适的大模型，实现模型选择的自定义化，以及探索未来的技术能力，是智能呼叫行业持续发展的关键。随着技术的不断进步，我们有理由相信，智能呼叫系统将在未来的客户服务领域发挥更加重要的作用，为用户带来更加便捷、高效和个性化的服务体验。

（五）智能体呼叫的概述

智能体呼叫技术是人工智能领域中一个令人兴奋的分支，它不仅融合了传统呼叫中心的自动化特性，还引入了声音克隆、多语种交互等创新技术。比如，通过声音克隆技术，系统可以模仿特定人的声音进行呼叫，这不仅提高了用户体验，还为个性化服务提供了新的可能性。此外，智能体广场的概念允许企业快速构建和部署一系列呼叫智能体，实现规模化的智能服务。多语种交互是智能体呼叫技术的另一大亮点。随着全球化的发展，企业和客户之间的交流越来越频繁，能够处理中英文等多语种的智能呼叫系统变得尤为重要。这不仅有助于企业拓展国际市场，还能为不同语言背景的用户提供更加便捷的服务

1.问题

尽管智能体呼叫技术带来了许多创新和便利，但在实际应用中也面临着一些挑战。以下是大模型呼叫技术中存在的一些典型问题：

1. 成本高：大模型的运行需要消耗大量的计算资源，尤其是在处理大量token时，这会导致成本显著增加。为了降低成本，企业和开发者需要寻找更高效的算法和优化模型结构。
2. 延迟高：在实时交互中，响应速度至关重要。然而，大模型的复杂性可能导致处理延迟，影响用户体验。为了解决这一问题，可以采用边缘计算、模型剪枝等技术来减少延迟。
3. 拟人化程度低：尽管大模型在理解和生成自然语言方面取得了显著进展，但在模拟人类情感和复杂语境方面仍有提升空间。提高拟人化程度需要进一步研究人类语言的细微差别，并将其融入到模型训练中。
4. 幻觉：由于对时延的要求，采用类似Dify的多智能体编排，或者 扣子、百炼的操作会导致延迟过高，所以幻觉和时延形成了逻辑对比。

2.解决措施

在AI呼叫行业的发展过程中，我们见证了技术的不断演进和挑战的逐步克服。本章节将深入探讨智能体呼叫技术如何通过创新手段解决成本、延迟和拟人化程度低的问题，并展望其未来的发展方向。

1. 成本问题：采用预合成策略

智能体呼叫技术面临的成本问题主要源于对大量token的处理需求。为了解决这一问题，行业采用了预合成策略，即对最常见的90%的内容进行预先处理并通过 NLP 解决。例如，通话中80%会在开场白结束后结束，因此可以对开场白及其结束语进行预合成。这种方法不仅降低了成本，还减少了处理延迟。

1. 延迟问题：优化技术手段

智能体呼叫系统的高延迟问题可以通过多种技术手段进行优化。通过分层处理（愈合层）和结合自然语言处理（NLP）的互动形式，可以有效地解决高并发处理的问题。这种方法允许系统快速响应大量用户的请求，同时保持低延迟。

解决方案：

·引入语气承接和主动倾听能力，让 AI 具备延迟响应能力。

·引入缓存机制

·AI 和 ECS 全部内网 VPC，解决带宽延迟

·引入背景音模块，主动减缓时延带来的感受问题

1. 拟人化程度问题：引入agents模式

随着技术的演进，TTS语音合成技术会越来越拟人，能够模拟人类语音的韵律、语调和情感，使得机器生成的语音更加贴近真人发音，让拟人化程度越来越高。

对当前情况进行进一步拆解，我们把它统称为agents模式，这种模式下，大并发、交互弱，如AI外呼中的营销或通知类的业务场景，通过NLP（Natural Language Processing）问法匹配技术，再结合大模型的方式，以上一代外呼为主，这一代大模型呼叫为辅的形式来完成，可以实现高效的自动化服务。 对于并发量较小的业务场景，即单个对话模型的有效通话量低于5万通电话，传统的对话模型需要AI训练师来搭建，这会带来额外的成本。AI训练师的成本通常在600到1000元之间，当通话量较小时，这一成本均摊到每一通电话中，会导致总体成本偏高。相比之下，采用纯大模型呼叫的方式，可以省去AI训练师的参与，从而降低成本。因此，以小并发、交互强、目标是取代人工的业务场景，可以采用纯粹的大模型智能体呼叫的形式来完成。

解决方案：

·采用声音克隆+大语言 TTS

·声音克隆结合真人录音缓存

·采用端到端语音互动，具备情绪理解能力

3.业务场景

在AI呼叫行业的快速发展中，业务场景的多样化和复杂化是其显著特点。下面将详细探讨AI呼叫行业的几种典型业务场景，以及它们如何通过技术的进步实现更加智能化和自动化的服务。

1. AI外呼回访和调研

AI外呼技术在回访和调研性质的业务中扮演着重要角色。例如，运营商满意度回访和APP端对用户的回访调研等，这些业务场景通常需要大量的电话沟通，而AI外呼技术可以有效地提高这一过程的效率和效果。在这类场景中，AI系统可以自动拨打电话，根据预设的脚本进行标准化的回访或调研，收集用户的反馈信息。由于这些业务的标准化程度较高，采用大模型技术可以有效地完成这些任务，同时降低人力成本和提高数据收集的准确性。

1. AI呼入接听外国语种

随着全球化的发展，企业需要处理来自不同国家和地区的客户咨询。AI呼入接听技术可以支持多种语言，包括英文、法语、西班牙语等主流业务语种，为国际客户提供多语种服务。在这种场景下，大模型呼叫技术的应用可以替代传统的人工翻译或多语种客服人员，实现自动化的语言识别和翻译，提供即时的、准确的客户服务。这不仅提高了服务效率，还降低了跨语言沟通的复杂性和成本。

1. 目标替代人工

对于一些技术复杂度较高的业务场景，通常以人工为主，如车险核定等，AI呼叫技术的应用可以提供更加精准和高效的服务。在这些场景中，AI系统需要处理大量的数据和复杂的业务逻辑，以实现自动化的业务处理。

通过集成先进的数据分析和机器学习技术，大模型呼叫系统可以对用户的需求进行深入分析，提供个性化的服务方案。这种技术的应用有助于提高业务处理的准确性和用户满意度。

所以其实 AI 语音互动可以解决 AI 营销（会员、陌生拜访）、回访、调研和呼入等多种场景。

• 客户联络：多模式

在AI呼叫行业中，有两种主要的模式：Agents模式和Copilot模式。Agents模式是指AI系统完全独立地完成呼叫任务，而不需要人工干预。这种模式适用于标准化程度高、技术复杂度低的业务场景，常作为主流模式使用。相比之下，Copilot模式是指AI系统辅助人工呼叫员完成工作。在这种模式下，AI系统可以提供实时的数据分析、语音质检、无感介入和AI转人工等功能，帮助人工呼叫员提高工作效率和服务质量。

尽管AI呼叫技术的发展预示着人工呼叫行业的未来可能会被取代，但目前仍有许多企业和竞争对手选择对人工呼叫进行产品升级，以适应市场的变化和需求。

作为AI领域的专家，我们更倾向于开发Agents模式，因为这种模式能够实现真正的自动化和智能化，减少对人工的依赖。然而，在过渡期间，我们也认识到Copilot模式的重要性，它可以帮助人工呼叫员逐步适应AI技术的应用，提高整体的服务水平。AI呼叫行业的发展正在改变传统的呼叫中心业务模式。通过引入AI外呼回访、多语种呼入接听和处理技术复杂度高的业务场景，大模型呼叫技术正在推动行业的创新和进步。同时，Agents模式和Copilot模式的应用为人工呼叫员提供了新的工作方式和辅助工具。随着技术的不断发展，我们期待AI呼叫行业能够实现更加智能化、自动化的服务，为企业和用户创造更大的价值。

• 表现形式：多模态

AI技术的应用不仅仅局限于音频端，而是在多个维度上扩展，为行业带来了革命性的升级。从AI外呼、AI接听、人工呼叫到人机协同，这些技术的融合正在重塑呼叫行业的面貌。然而，这只是冰山一角。随着5G通信技术的普及，AI呼叫行业将迎来更为激动人心的变革——视频端的兴起。

在这样的技术背景下，AI音频与AI视频的结合显得尤为重要。AI音频端的实质是利用大模型与WAV文件的结合，通过声音识别和自然语言处理技术，实现对用户语音的准确理解和响应。这一过程不仅需要高效的算法，还需要对大量数据进行学习和训练，以确保AI能够准确捕捉用户的意图，并提供恰当的反馈。而AI视频端则进一步扩展了这一概念。它不仅要求AI能够处理声音信息，还需要对MP4文件中的视频内容进行解析和理解。这意味着AI需要具备更高级的视觉识别能力，能够识别和理解用户的面部表情、手势等非语言信息。这种多模态的交互方式，使得AI能够提供更加丰富和人性化的服务。

随着5G技术的普及，视频通话的质量和速度将得到显著提升，这为AI视频呼叫提供了完美的技术基础。用户将能够通过电话进行高清的视频对话，享受到与面对面交流相似的体验。数字人的互动技术在这样的环境下将得到广泛应用，它们不仅能够提供信息查询、预约服务等基本功能，还能够进行情感交流，甚至在某些情况下替代人工客服，提供更加个性化和高效的服务。

在探索人工智能呼叫行业的演进历程中，我们见证了技术能力的显著提升和转型。AI外呼技术，作为AI呼叫行业的重要组成部分，已经经历了数个技术周期的迭代和升级。目前，我们正处于第六代技术能力的阶段，这一阶段的核心特征是大模型与RAG（Retrieval-Augmented Generation）搜索增强能力的结合。RAG技术是一种结合了检索与生成的先进方法，通过从大量数据中检索相关信息，并结合生成模型的创造力，为AI呼叫提供了更为精准和个性化的响应。

然而，技术的演进永无止境。展望未来，我们预计AI呼叫行业将迈入第七代技术能力，这一阶段将以GPT（Generative Pre-trained Transformer）四代O（Optimized）的特性为主导。GPT四代O，一种端到端的音频交互技术，预示着AI呼叫行业将迎来一次质的飞跃。端到端的音频交互，即音频对音频的形式，意味着AI将能够直接处理和响应音频输入，无需转换为文本或其他格式。这种直接的音频处理方式，将极大地优化交互流程，提高响应速度，并减少延迟。

当前的AI呼叫技术，尽管已经相当先进，但综合延迟仍然在1.2到1.5秒之间。这在某些情况下可能会影响用户体验，尤其是在需要快速响应的场景中。然而，随着端到端7.0版本的出现，预计整个智能呼叫的互动速度将被压缩到300到500毫秒之间。这一速度的提升，不仅将极大地改善用户体验，还将为AI呼叫行业带来更广阔的应用前景。

• AI呼叫的上下游能力

在AI呼叫行业的广阔领域中，技术的上游和下游能力构成了一个复杂而高效的生态系统。智能呼叫业务场景的核心目标是实现用户触达，即通过智能技术提高与用户的沟通效率和质量。这一愿景的实现，不仅仅依赖于呼叫本身，还涉及到一系列与用户互动的环节。

在用户端，除了传统的呼叫服务，AI呼叫行业还拓展了多种服务方式，以增强用户体验和提高服务效率。例如，挂机短信服务能够在通话结束后向用户发送相关信息，这种即时反馈机制能够加深用户的品牌印象并提供额外价值。此外，人工呼叫、微信推送、AI转人工等服务模式，使得人机互动和文本客服更加无缝和个性化。

呼叫服务与客服、短信、人工呼叫台等环节的紧密关联，构成了AI呼叫行业的服务链。在这个链条中，上游环节包括智能化的数据收集和客户商机挖掘。用户数据的来源主要有三个渠道：B2B线索、广告平台线索以及企业自有数据。这些数据来源为AI呼叫系统提供了丰富的信息基础，使得企业能够更精准地识别和接触潜在客户。通过整合这些数据，AI呼叫系统能够智能地识别用户的潜在联系方式，并采用一系列用户触达策略，如智能呼叫、短信通知、外呼转接以及人工无干扰介入等，以实现有效的用户沟通和服务。这些策略不仅提高了服务的响应速度，也增强了用户的满意度和忠诚度。在用户触达之后，AI呼叫行业还涉及到下游的客户管理环节。这包括CRM（客户关系管理）系统的应用、语音质量检测以及意向标签管理等。这些工具和方法帮助企业更好地理解客户需求，优化服务流程，并提高客户管理的效率。

值得注意的是，在AI呼叫行业的整个服务链中，人工协同点起着至关重要的作用。然而，随着技术的发展，这些协同点有望通过大模型agents的方式得到替代。大模型agents能够模拟人类行为，自动执行一系列任务，从而减少对人工操作的依赖，提高整个系统的自动化水平。AI呼叫行业是一个由多个环节紧密相连的生态系统。从上游的数据收集和商机挖掘，到下游的客户管理和服务执行，每一个环节都至关重要。随着AI技术的不断进步，我们有理由相信，AI呼叫行业将变得更加智能、高效和人性化，为用户带来更加卓越的服务体验，为企业创造更大的商业价值。

• AI呼叫的核心技术

• 技术架构的组成

在深入探讨AI呼叫行业的核心技术时，我们发现它涵盖了多个维度，这些技术相互交织，共同推动着行业的创新和发展。AI呼叫的核心技术可以概括为三个主要领域：自然语义处理能力、SaaS端的架构能力以及Web RTC技术。

1. 自然语言处理能力

随着大模型技术的发展，自然语言处理的能力得到了显著提升，尽管其在某些方面的重要性可能有所降低，但它仍然是AI呼叫技术中不可或缺的一部分。特别是在处理复杂查询（NLP）、意图识别和理解方面，自然语义处理技术仍然具有重要的研发价值。此外，它与RAG搜索增强技术以及大模型之间的结合，为AI呼叫系统提供了更加强大的理解和响应能力。

1. SaaS端的架构能力

这一能力包括对超高并发的处理能力，这需要架构师进行精心的技术设计，以确保系统能够稳定地处理大量的并发请求。此外，SaaS端的架构还需要管理整个智能呼叫业务流程，包括客户管理系统、客户工单管理系统以及智能呼叫的短信、人工呼叫等一系列配套功能。这些系统的实现，不仅提高了服务的效率和质量，也为企业提供了一个全面的客户服务解决方案。

1. Web RTC技术

Web RTC是一种支持网页浏览器进行实时通信的技术，它使得数字人能够在电话端进行应用，为用户提供更加丰富和直观的交互体验。在通信层面，Web RTC技术需要解决如何在高噪音环境下进行智能化降噪和声音的VAD（Voice Activity Detection）打断处理等问题。这些通信端的技术挑战，是长时间需要开发和优化的能力。在GPT四代O技术尚未广泛应用的情况下，非端到端的技术需要将语音识别成文本后进行处理和合成。如果对噪音的处理不够有效，就可能产生大量的噪声数据，这将严重影响大模型在实际生产环境中的表现和应用。

• 如何去构建技术壁垒

在AI呼叫行业，构建技术壁垒是确保竞争优势的关键。这一过程涉及多个方面，从数据的积累到知识库的构建，再到技术架构的持续升级。以下是构建技术壁垒的详细步骤和考量：

1. 数据积累

数据是AI技术发展的基础。为了搭建高效的降噪模型和自然语言处理（NLP）意图理解模型，我们需要积累大量的文本、音频乃至数字人视频数据。这些数据不仅为模型训练提供了原材料，还帮助我们不断优化算法，提升系统的准确性和响应速度。

1. 私有知识库的构建

私有知识库的构建是提升用户体验的重要途径。通过构建私有知识库，我们可以在RAG搜索增强技术的辅助下，为用户提供更加丰富和个性化的服务体验。尽管单一客户的私有知识可能有限，但作为云服务提供商，我们能够提供广泛的公共知识库，帮助客户扩展其对话智能，类似于为企业提供了一个类似大学的公共知识平台，以支持其持续的培训和发展。

1. 技术架构的持续升级

技术架构的持续升级是保持技术领先的关键。长达六年以上的代码迭代和升级，使我们在Web RTC通信技术、SaaS端服务架构等方面积累了丰富的工程化经验。这些经验转化为大量的应用代码，形成了我们独特的技术资产。

通过上述步骤，我们形成了强大的竞争壁垒。展望未来，AI呼叫行业的技术壁垒将继续围绕数据的深度挖掘、知识库的智能化扩展以及技术架构的创新升级展开。随着AI技术的不断进步，我们可以预见，这些技术壁垒将变得更加坚固，为行业带来更加稳定和持久的竞争优势。

• 如何去拆解核心技术

在AI呼叫行业的技术演进中，我们逐步深入到其核心能力的构建，这些能力是确保服务高效、智能和个性化的基础。以下是对AI呼叫行业核心技术的详细阐述：

1. 高精度语义识别能力

对话的大脑能力，即大模型本身，是AI呼叫系统智能的核心。它不仅包括自然语言处理（NLP）技术，还涵盖了语音识别、语音合成等关键AI能力。在实际应用中，尽管这些技术的识别率可能存在局限，但通过平台端的智能纠错、智能匹配、热词推荐以及专属知识库等辅助手段，可以显著提升服务的垂直化和行业特色适应性。这些辅助技术使得AI呼叫系统能够更好地理解和响应行业特定的需求和语境。

1. 高灵活自定义外呼策略

智能外呼策略是提高呼叫效率的关键。通过规则化的调控，可以显著提高接通率。自动化的调整机制能够将接通率提升至55%到60%之间。此外，通过精心设计的禁止呼叫策略、重呼策略以及线路分配策略，可以进一步降低投诉率，同时保持高接通率。这些策略的实施，需要对呼叫行为进行细致的分析和优化，确保每一次呼叫都能达到最佳效果。

1. 专属语音识别和语音合成能力

为了提高语音识别的效果，声音克隆技术被引入到AI呼叫系统中。通过对录音师的声音进行克隆，结合预先录制的常见语句，可以实现高达90%的真实感。同时，结合特定业务场景的大模型实时语音合成，声音克隆技术能够与实时语音合成相辅相成，使得合成语音更加真实和饱满，为用户提供更加自然和愉悦的听觉体验。

1. 云蝠技术能力优势

在AI呼叫行业，对话能力仅是技术演进中的一环。除了对话能力，数据分析、业务平台的构建、隐私保障等都是确保服务高效、智能和安全的关键技术能力。

1. 多维度运营数据分析实时分析

在实时数据分析方面，AI呼叫系统需要提供跨时间、多任务的交叉分析能力。这包括对呼叫状态、性别、呼叫时段以及多结构化的意向标签进行层次化的分析。这种分析能力使得企业能够深入理解用户行为，优化呼叫策略，并提供更加个性化的服务。

1. 智能平台

智能平台端的能力体现在提供短信、邮件、API等多样化的通信手段，以及与CRM系统的整合和全量化的数据存储，甚至我们要和呼叫中心的转接人工等相关能力进行相辅相成的互动。这些功能不仅提高了服务的便捷性和效率，还为企业提供了强大的数据支持，帮助企业更好地管理客户关系和提高服务质量。

1. 隐私安全保障

在隐私与安全方面，AI呼叫系统需要帮助企业构建完善的用户隐私保护体系。这包括支持对不同部门、不同业务板块、不同号码联系人字段的组合化加密，以完成号码的隐私保护。同时，系统还需要支持如AES 256位加密和本地化部署等多样化的隐私安全方式，以确保用户隐私的绝对安全。

特别值得一提的是，呼叫系统是一个高度隐私化的系统。由于系统上存储着大量的用户数据，因此对整个站点的攻防以及安全化处理至关重要。为了保障用户数据的安全，我们投入了大量的研发资源，采用了先进的安全技术和严格的安全措施，确保系统的安全性和稳定性。

1. 云蝠转接能力优势

1. AI实时转人工

AI实时转人工功能是AI呼叫技术中的一个显著创新。这一功能的实现依赖于自主研发的人工呼叫平台与AI呼叫平台之间的无缝集成。由于转接过程完全在一个平台上完成，无需通过公网转发，因此能够实现高达99%以上的转接成功率。此外，转接过程中能够查看AI之前的交互内容，确保服务的连贯性和个性化。

1. 转接销售流程全打通

未来的AI呼叫行业可能会发展出机器人转大模型之间的互相转接。不同的大模型可以被视为不同的代理人，它们之间可以进行协同工作。例如，企业的AI呼入前台可以与随后的AI呼叫销售大模型相辅相成，共同完成业务流程。这种协同作业模式能够提高服务的专业性和效率。同时，AI呼叫系统还需要与客户管理（CRM）系统进行深度整合。通过业务作业和客户管理的协同化，实现业务流转的优化。这种整合不仅提高了业务处理的效率，还使得客户信息管理更加集中和高效。

1. 特色功能——人机协同无感介入

人机协同是AI呼叫行业的另一个特色功能。以足球中的帽子戏法作比喻，我们可以在前置沟通中采用声音克隆的AI呼叫与客户进行互动。在确认客户的真实意向后，系统会无缝切换到真正的人工服务。这种策略帮助人工团队节省了90%的无效沟通时间，同时给用户的感觉是全程都是同一个人在与其互动，实现了无感知的介入。这些特色功能的实现，依赖于先进的技术支撑，包括但不限于声音克隆、大模型的协同工作能力、以及与客户管理系统的深度整合。这些技术的应用，不仅提升了服务的质量和效率，也为AI呼叫行业带来了新的发展机遇。

• 云蝠服务优势

在AI呼叫行业，核心技术的发展是推动行业进步的关键因素，但服务端的应用同样至关重要。服务端的使用不仅关注于技术实现，更重视用户的实际使用价值。产品的持续迭代更新，以周为单位，确保了产品功能与用户需求的紧密贴合，体现了对用户反馈的快速响应和对产品完善的不懈追求。对于面向企业（TOB）的产品而言，除了技术创新之外，完整的客户运营和供应链运营能力同样不可或缺。在AI呼叫行业中，这意味着需要构建全面的对话体系，以及高效运营呼叫线路，确保用户能够以更高的接通率和更佳的运营效果实现服务能力的提升。

• 能力搭建的关键步骤

1. 用户目标建模：深入理解用户需求，建立准确的用户数据，根据目标客户画像、标签拉取数据
2. 话术制作：基于用户目标模型，制定销售话术、总结最优的话术、设计并制作对话模型，确保AI能够以自然、流畅的方式与用户进行交流。
3. 话术录音：真人录音，准备智能化的录音线路，可以输出优美的声音。
4. 线路准备：数据导入外呼系统，外呼线路搭建。
5. 小规模测试：在小规模用户群体中进行测试，收集反馈，对系统进行调整和优化。
6. 批量呼叫：在测试阶段确认无误后，根据您的处理能力制定外呼任务，逐步扩大服务范围，进行批量呼叫。
7. 全部质检+部分外呼确认：通过系统及报表材料交付，对呼叫服务进行全面的质量检查，确保服务质量，及时发现并解决问题。

• 客户成功团队（专职策划运营+专职话术制作师）

在AI呼叫行业中，各业务部门板块的协同作用至关重要，它们共同构成了一个高效、智能的服务体系。从对话能力端来看，整个流程包括语音识别、语料理解、对话能力调优等多个环节，这些环节共同确保了服务的连续性、高效性和个性化。

1. 语音识别：精确捕捉品牌特性

语音识别技术是AI呼叫系统的基础，它负责将用户的语音输入转换为文本数据。针对品牌词等可能未被正确识别的特定词语，AI系统需要进行长期的运维和纠错，以确保语音识别的准确性。这不仅涉及到技术层面的持续优化，还包括对特定行业术语和品牌特性的深入理解。

1. 语料积累：持续迭代升级

语料库是对话系统理解用户意图的核心资源。针对大量的业务词语，AI系统需要不断地积累和迭代升级语料库。这一过程需要结合业务发展和用户反馈，以确保对话系统能够准确理解并响应各种业务场景。

1. 话术调优：定制化话术方案

话术调优是指根据业务需求，提供多种话术方案供业务侧选择。这要求AI系统不仅要有强大的自然语言处理能力，还需要具备灵活的话术生成和调整机制，以满足不同业务场景下的沟通需求。

1. 录音师：多样化选择与快速响应

录音师的选择对于AI呼叫系统的声音质量至关重要。系统提供多种素人及专业录音师供选择，以适应不同的业务风格和用户偏好。此外，录音响应速度快，一般1个工作日内即可完成，确保了服务的及时性。

1. 高效响应：全天候服务保障

AI呼叫系统需要提供全天候的高效响应服务。在非工作时段，系统能够随时响应业务紧急需求，提供多人的专职服务小组。每周可支撑多达15个场景的有效落地，确保业务连续性。即使是在周末及节假日，系统也提供9:00至18:00的客服专员服务，以满足用户的咨询和求助需求。

1. 驻场服务（增值）：深入业务现场

驻场服务是一种增值服务，它涉及到在关键业务时期提供驻场运维人员。这些专业人员与业务侧紧密合作，共同高效解决问题。这种服务模式有助于提升问题解决的效率，增强用户体验，并加强与客户的合作关系。

AI呼叫行业的服务构建是一个涉及多个业务部门板块的复杂过程。从语音识别的精确性到语料库的持续迭代，从话术调优的灵活性到录音师的多样化选择，再到高效响应的全天候服务和驻场服务的深入合作，每一个环节都是构建高质量服务不可或缺的部分。随着技术的不断进步和市场环境的不断变化，AI呼叫行业将持续创新和优化，为用户提供更加智能、高效和个性化的服务体验。通过不断的技术革新和服务升级，AI呼叫行业将引领通信服务的未来，为用户和企业创造更大的价值。

• 云蝠服务优势-线路运维-呼叫策略优化

在AI呼叫行业的运营线路端，确保高效、稳定的服务是至关重要的。这涉及到与国内众多线路供应商的紧密协作，以保障线路的有效供应，从而确保接通率、实时互动能力，以及行业业务的自动化和重复性应用。

1. 线路规划：本地化与直签优势

线路规划是确保呼叫质量的首要步骤。优先采用本地固话外显或本省省会外显号码，可以提高用户的接听意愿，从而提升接通率。同时，与运营商直接签约能够确保线路的稳定性和成本效益，为企业提供更加可控的通信服务。

1. 业务优化：实时监控与数据反馈

业务优化的核心在于实时监控和数据反馈。通过实时监控呼叫情况，包括客诉情况和接通数据，可以迅速识别问题并进行调整。这种实时反馈机制确保业务团队能够及时响应，优化呼叫策略，提高服务质量。

1. 线路储备：充足的并发能力

线路储备是保障服务连续性的关键。基于当天的呼叫数量，系统需要提供充足的线路并发储备，以应对高峰时段的呼叫需求。这种富裕的线路储备策略，可以避免因线路不足导致的服务中断。

1. 拨打策略：自动化与人工监控结合

拨打策略需要结合自动化和人工监控。自动化重呼机制可以提高呼叫效率，减少用户等待时间。同时，人工后台巡检监控可以确保呼叫过程中的异常情况得到及时处理，保证服务的稳定性和可靠性。

1. 时段设计：灵活的呼叫安排

时段设计是提高呼叫效率的重要方面。系统支持自动时段呼叫，包括节假日，可以根据业务需求和用户习惯灵活安排呼叫时段，提高接通率和用户满意度。

1. A&B TEST：数据驱动的决策支持

A/B测试是优化呼叫策略的有效工具。通过对呼叫结论进行A/B测试，可以收集不同策略的效果数据，为下一次呼叫提供参考。这种数据驱动的决策支持，有助于企业不断优化服务，提高用户满意度。

AI呼叫行业的运营线路端是一个涉及多方面考量的复杂系统。从线路规划到业务优化，从线路储备到拨打策略，再到时段设计和A/B测试，每一个环节都对服务质量有着直接影响。随着技术的不断进步和市场需求的不断变化，AI呼叫行业将持续创新和优化，为用户提供更加智能、高效和个性化的服务体验。通过不断的技术革新和服务升级，AI呼叫行业将引领通信服务的未来，为用户和企业创造更大的价值。

• 产品未来的规划

在AI呼叫行业的技术演进旅程中，我们已见证了从基础的语音识别到复杂的对话管理系统的转变。然而，技术的边界总是在不断扩展，未来的发展前景充满了无限可能。未来技术发展的主要方向包括一是智能体之间的沟通，二是高并发、超拟人的A I沟通，三是端到端的识别效率，四是5G高清数字人视频通话，它们将塑造AI呼叫行业的下一个时代。

这些技术的演进并非一蹴而就，而是随着时间的演进而逐步得到突破和应用。随着研究的深入和技术的成熟，我们可以预见，这些前沿技术将逐步融入到AI呼叫系统的各个方面，从而推动整个行业的持续进步和创新。

关于未来的规划我认为可以汇总为以下几个层面：

1. 模型层面：训练呼叫行业垂直模型，采用类似 Deepseek 的垂直行业模型训练
2. 多智能体构建，从 Prompt 编写、Ai 自学习、对话、标签处理、结果反馈，过程中采用多个 AI 进行互动补充。
3. AI 呼叫和短信、邮件的融合，让 AI 可以操作实体业务。
4. 多语言且支持情绪理解，端到端语音互动。
5. 类似 Dify 的工作流依然有价值，但是需要解决延迟问题。
6. 机器人、智能体和人工的互相融合，智能体可以指导机器人，智能体可以协助人工。

• AI呼叫的客户案例

在AI呼叫行业的广阔领域中，智能呼叫解决方案正被不同类别的客户所采纳，以满足多样化的通信需求。这些客户主要包括政府机构、事业单位以及企业，它们各自有着独特的应用场景和价值诉求。

对于政府机构而言，智能呼叫系统主要承担着通知和呼入服务的角色。在公共服务领域，智能呼叫系统能够自动向公众传达重要通知，如天气预警、公共安全信息等。同时，政府还可以利用智能呼叫系统来接收民众的咨询和反馈，提高政府服务的响应速度和效率。企业端的应用场景则更为广泛，包括营销、客户回访、通知发送、市场调研以及呼入服务等。智能呼叫系统能够帮助企业自动化执行这些任务，提高营销效率，优化客户服务体验，同时收集宝贵的市场数据，为企业决策提供支持。企业端的应用场景则更为广泛，包括营销、客户回访、通知发送、市场调研以及呼入服务等。智能呼叫系统能够帮助企业自动化执行这些任务，提高营销效率，优化客户服务体验，同时收集宝贵的市场数据，为企业决策提供支持。在部署形式上，政府和事业单位可能更倾向于本地化部署，以确保数据的安全性和可控性。而企业则更倾向于采用SaaS（Software as a Service）模式，享受云服务带来的便捷性和灵活性。

不过我认为，未来将从 SAAS 走向 MAAS（Model as a Service）既模型既服务。实现按效果付费。

• 客户案例——某地产集团

以某地产集团为例，这是一个展示AI呼叫技术长期服务价值的典型案例。自2018年起，我们与A集团的合作已跨越六年之久，这一长期合作关系的持续，得益于客户对我们服务的高度认可和复购率的稳定。

在合作的初期阶段，我们的服务主要集中在房地产销售领域，特别是在售楼处的应用。AI呼叫系统通过自动化的电话营销、客户咨询响应和预约管理，大大提高了销售效率，优化了客户体验。随着合作的深入，我们的服务范围逐渐扩展到物业管理等更广泛的业务场景。例如，在物业费的催缴方面，AI呼叫系统能够自动向业主发送缴费提醒，提供便捷的在线缴费指导，甚至处理简单的咨询和投诉，极大地提升了物业管理的自动化水平和服务质量。

• 客户案例——社会价值

以市场监督管理局为例，每年企业年报的催报工作是一项常规且重要的业务场景。传统的人工催报方式耗时耗力，而AI呼叫系统能够自动化执行这一任务。AI系统通过预设的脚本，自动拨打企业联系电话，提醒企业按时提交年报，极大地提高了工作效率和覆盖率。

在公共卫生事件如疫情期间，及时有效的信息传递至关重要。AI呼叫系统能够在极短的时间内完成大规模的疫情通知和回访工作，确保公众及时获得重要信息，同时收集居民的健康状态和需求信息，为疫情防控提供数据支持。在公共安全领域，公安局面临着电信诈骗等犯罪活动的挑战。AI呼叫技术的应用，使得公安局能够在获取受害人联系方式后，迅速通过AI系统进行反诈劝阻。这种秒级响应的劝阻机制，能够有效减少受害人的损失，提高反诈工作的时效性和成功率。在酒店行业，前台服务人员常常需要回答大量重复性的客户咨询，如Wi-Fi密码、房间服务时间等。通过部署基于大模型的AI呼叫系统，这些常见问题可以自动得到解答，释放前台员工处理更复杂任务的能力，同时提升客户满意度和酒店运营效率。

• 客户案例——某CRM

在许多工作场景中，实现全天候不间断服务是一项挑战。智能呼叫客服的引入，有效解决了这一问题。AI呼叫系统能够提供24小时的自动服务，无论是解答咨询、处理订单，还是提供紧急通知，都能确保用户在任何时间都能获得及时响应。

除了提供基础的呼叫服务外，AI呼叫行业还推出了具有特色的产品集成服务。这一服务模式能够将智能呼叫技术与各种业务场景紧密结合，实现更加智能化和自动化的服务流程。以物联网硬件为例，许多设备如环境监测传感器、农业监控设备等，都需要及时向管理人员发送通知。在水氧量不足的情况下，传感器能够自动触发智能呼叫系统，向相关人员发出通知。与传统的短信通知相比，智能呼叫能够获得有效的录音和用户回复，如确认或不确认操作，从而确保通知的有效性。

智能呼叫技术的应用不仅限于传统的客户服务领域，它正在向更多行业拓展。在农业、水产养殖、环境监测甚至医疗健康等领域，智能呼叫技术与传感器等IoT设备的结合，为实时监控和快速响应提供了可能。为了实现高效的智能通知和服务，AI呼叫系统需要与客户管理系统(CRM)、社会化客户管理系统(SCRM)以及AIoT平台等进行深度集成。这种集成不仅提高了服务的智能化水平，还为企业提供了一个统一的管理平台，实现了数据的互联互通和业务流程的自动化。实现这一切的关键在于构建一个开放化的平台，它能够支持AI呼叫集成、AI质检集成、人工呼叫、线路供应以及底层技术供应等一系列服务。这样的平台需要具备高度的可用性和稳定性，以确保服务的连续性和可靠性。

• 客户案例——直播网红下单引流

在AI呼叫行业的应用领域中，电商和新媒体行业正逐渐成为其展现价值的重要舞台。随着数字化转型的加速，这些行业的企业正寻求创新方式来提升用户体验和运营效率。AI呼叫技术的应用，为这些需求提供了切实可行的解决方案。

在电商领域，会员通知是维护客户关系和提升销售转化的重要手段。AI呼叫系统能够自动向会员发送通知，无论是关于新产品的推广、促销活动的信息，还是订单状态的更新。这种自动化的通知机制不仅提高了信息传递的效率，还增强了会员的参与感和忠诚度。新媒体行业中，网红经济的兴起为个性化营销提供了新的途径。网红通过社交媒体平台聚集了大量粉丝，形成了强大的影响力。AI呼叫技术的应用，使得网红能够以更加个性化和互动性的方式与粉丝保持联系。通过声音克隆技术，网红可以录制自己的声音样本，然后由AI系统学习并克隆其独特的语音特征。这样，即使在网红无法亲自进行通话的情况下，AI系统也能够使用网红的声音进行会员通知，提供一种新颖的互动体验。在电商大促期间，如618或双11，企业需要在短时间内向大量用户发送通知。AI呼叫系统的高并发处理能力，使得这种大规模的用户通知成为可能。系统能够同时处理成千上万的通话，确保每一位用户都能及时收到促销信息。

• 客户案例——某连锁品牌邀约会员到店消费

在AI呼叫行业的应用实践中，到店消费场景下的用户通知服务是一项重要的功能。这种服务不仅限于促销活动，还广泛应用于增强客户关系和提升服务质量的多个方面。

AI呼叫系统可以自动跟踪会员积分状态，并在积分即将到期时，主动通知会员采取措施，如兑换礼品或参与特定活动，从而提高会员的活跃度和满意度。个性化服务是提升客户体验的关键。AI呼叫系统能够在会员生日时发送定制化的祝福和优惠信息，这种贴心的服务能够加深客户对品牌的好感，增强客户忠诚度。在大型促销活动后，部分用户可能会因为各种原因而流失。AI呼叫系统可以通过分析用户行为数据，识别出潜在的流失用户，并主动发送挽回通知，提供个性化的优惠或服务，以期重新吸引用户。在电商交易中，物流信息的及时更新对于提升用户满意度至关重要。AI呼叫系统可以自动通知用户关于订单的物流状态，如发货、配送、预计到达时间等，确保用户对交易过程有清晰的了解。对于用户的投诉和反馈，快速响应是解决问题和维护品牌形象的关键。AI呼叫系统可以自动收集用户的投诉信息，并及时通知客服团队进行处理。同时，系统还可以在问题解决后，向用户发送满意度调查，收集反馈以不断优化服务。

• 客户案例——北京移动用户体验调查

在AI呼叫行业的应用案例中，为运营商提供用户满意度调研服务是一个值得深入探讨的领域。这项服务不仅涉及到客户反馈的收集，还包括了对客户群体的细分和针对性的服务改进措施。

在进行用户满意度调研时，智能呼叫系统可以自动对客户群体进行细分，根据客户的反馈和评分，识别出不同价值和需求的客户群体。这种细分不仅有助于运营商更好地理解客户需求，还可以为制定个性化的服务策略提供数据支持。当客户在满意度调研中给出较低的评分时，智能呼叫系统可以实时识别出客户存在流失风险。运营商可以根据这些信息，主动采取措施，如通过赠送套餐或提供其他相关服务，来解决客户的不满，预防客户流失。通过持续的用户满意度调研，运营商可以不断收集客户的反馈和建议，进而优化服务流程，提升服务质量。这种基于数据的持续改进，有助于运营商在激烈的市场竞争中保持优势，增强客户忠诚度。

• 如何用好AI呼叫

（一）高质量线路的重要性

首先，AI呼叫的成功依赖于高质量的通信线路。这些线路是连接呼叫系统与用户端的桥梁；没有高效的线路，即便是最先进的AI系统也无法触达用户。高质量的线路确保了高接通率，这是衡量呼叫效果的首要指标。线路不能只是一个采购体系，也需要有 AI 和数据进行精益化分析，如多线路的动态分配。

（二）对话逻辑与钩子的设计

对话逻辑是AI呼叫系统的骨架，它决定了与用户沟通的有效性。设计一个吸引人的“钩子”至关重要，这能在对话初期吸引用户的注意力，促使他们愿意继续沟通。例如，在营销活动中，提供一些赠品或有价值的信息可以作为钩子，增加用户的参与度。一个有效的对话逻辑可以在五秒内显著降低挂断率，并能够通过不断优化，提升整体的互动质量。

我认为，Deepseek 这种推理性模型可以极大的提高话术设计的效率。

AI 训练师岗位将逐步变成 Prompt 提示词工程师。

（三）意向标签体系的构建

意向标签的准确度是识别有价值用户群体的关键。通过构建一个精细化的意向标签体系，企业可以从大量的通话文本和对话记录中，筛选出真正有潜力的客户。这不仅提高了转化率，还为企业节省了资源，使其能够更精准地定位目标市场。

标签体系的大模型构建也至关重要，在机器标签后，生成式标签可以实现更好的使用。

（四）有效的后续跟进策略

有效的跟进是确保呼叫效果的另一关键因素。通过短信、人工服务或社交媒体平台的通知等方式，可以对呼叫进行及时的跟进。这种跟进策略确保了呼叫活动能够产生持续的影响，并有助于降低获客成本。

短信、社交媒体和邮件的分发机制，模型也可以参与进行优化。

（五）北极星指标的聚焦

北极星指标是衡量AI呼叫活动成功与否的核心指标。它根据活动的性质而定，比如营销活动的核心可能是增加微信好友，而通知类活动则可能是提高通知的到达率。确定北极星指标后，企业可以更清晰地评估AI呼叫的成本效益，比如通过比较微信好友的添加成本与广告投放成本，来决定是否优化现有策略。

AI呼叫技术的有效运用需要综合考虑多个方面，从高质量的通信线路到精心设计对话逻辑，从意向标签的准确度到有效的后续跟进策略，再到聚焦北极星指标。这些因素共同作用，使得AI呼叫成为企业与用户沟通的强大工具。随着AI技术的不断进步，我们期待AI呼叫行业能够带来更多创新，帮助企业提升服务效率，优化用户体验，并在竞争激烈的市场中脱颖而出。通过这些深入的分析和案例研究，我们可以看到AI呼叫技术正逐步成为企业通信战略中不可或缺的一部分，引领着智能通信服务的未来趋势。

一些常见的北极星指标：

1. AB 客户产出率
2. 接通率
3. 加微成本
4. 短信激活成本

• 如何选择AI呼叫产品

在选择AI外呼产品时，一系列关键因素决定了产品的适用性和有效性。以下是对选择过程的深入分析，旨在指导企业如何挑选合适的AI外呼解决方案：

（一）产品技术核心

首先，产品的技术核心是评估的首要步骤。AI外呼产品的对话逻辑是其智能化水平的体现，其中自然语言处理（NLP）和大模型技术是当前最先进的方法。如果产品依赖于关键词匹配，其准确率可能仅达到85%，并且容易产生误解。而使用正则表达式的方案虽然准确率可达90%，但这种方法耗时且需要专业人员进行维护，同样可能引发互斥问题。相比之下，基于NLP的方案不仅成本低、响应速度快，而且准确率可达95%，提供了相当高的对话理解能力。而采用大模型技术的AI外呼产品，其准确率概念逐渐淡化，因为其设计宗旨是尽可能地准确理解并回应，重点转移到了理解能力和识别能力上。

我认为在当前 AI 快速变化的今天，技术核心可以通过升级日志，和升级的方向看到。

比如云蝠智能进行更多关注智能体呼叫。有些竞争对手可能更关注政务项目、数字人或 SCRM，那这样的研发重心是不同的，对应的产品观点也会不一样。

（二）价格与成本效益

其次，价格是选择AI外呼产品时必须考虑的因素。价格通常包括坐席费、服务费和话费等部分。企业应根据自身的呼叫量和业务需求，选择最具成本效益的方案。

（三）服务质量

服务是另一个重要的考量点。特别是在非工作时间，如周末，服务的有效性直接影响客户满意度和企业响应速度。

（四）通信线路

通信线路的质量直接影响外呼的接通率和通话质量。外显号码的信誉度和识别度也会影响用户的接听意愿。

（五）配套系统

若企业本身缺乏数据资源，那么AI外呼产品的配套商机获取平台和客户管理系统等能力就显得尤为重要。这些配套系统能否支撑企业后期的业务跟进和客户关系管理，是衡量产品价值的重要指标。

综合考量产品技术、价格、服务质量、通信线路和配套系统等因素，是选择一个好的AI外呼产品的关键。企业应根据自身的具体需求和业务目标，细致评估每一项因素，以确保选择的产品能够带来最大的效益。随着AI技术的不断发展，AI外呼产品正变得越来越智能，能够为企业提供更高效、更精准的客户沟通和业务拓展工具。通过深入理解这些选择标准，企业可以更加明智地投资于AI外呼技术，推动业务增长和市场竞争力的提升。

• 行业思考

深入探讨AI呼叫行业的现状与挑战，对于读者理解这一领域至关重要。以下是对当前AI呼叫行业问题的深入分析：

（一）大模型呼叫的挑战

当前，大模型呼叫技术面临若干挑战。首先，成本问题尤为突出，高昂的成本限制了技术的普及和应用。其次，延迟问题影响用户体验， 大模型呼叫的语音-文本-语音的处理需要至少 1～1.5 秒，长时间的等待会降低用户满意度。最后，真实性问题也不容忽视，AI生成的语音与真实人类语音之间仍存在差异。然而，随着端到端技术如GPT-4o（可以将延迟降低到 300～500 毫秒）的发展，这些问题有望得到有效解决。

当 AI 具备思维和情绪理解后，我认为 AI 将对人工呼叫中心产生颠覆性影响。

（二）行业的双重性

AI外呼产品在为人们提供便利的同时，也存在被滥用于骚扰电话的风险。这种双重性要求我们思考如何使AI外呼更加精准和个性化，以减少对用户的骚扰。AI作为一种工具，其使用方式至关重要。平台端需要承担监管责任，引导用户朝着更加积极的方向使用AI外呼技术，以促进更有效的用户联络。

（三）监管的不确定性

AI呼叫行业的监管环境充满不确定性，这导致整个行业面临价格波动的风险。价格波动往往与监管政策的变化密切相关，这使得企业难以制定长期稳定的商业策略。

（四）出海的难题

AI外呼产品的国际化（出海）面临重大挑战。首先是监管问题，不同国家和地区对对话能力的监管政策不同，这限制了产品的跨国应用。例如，火山引擎在出海过程中遇到的监管障碍。其次是外文处理问题，尽管NLP和大模型技术可以提供支持，但不同语言的特性仍需特别考虑。最后是使用习惯问题，国内产品可能过于复杂，需要针对不同市场进行系统化的调整和本地化。

AI呼叫行业在快速发展的同时，也面临着成本、延迟、真实性、监管和出海等多方面的挑战。随着技术的进步和监管环境的逐渐明朗，这些挑战有望得到解决。同时，行业内部需要加强自我监管，确保AI外呼技术被用于正当目的，提升用户体验。通过不断的技术创新和国际合作，AI呼叫行业有望克服现有难题，实现更广泛的应用和更健康的发展。通过这些深入的分析，我们可以看到AI呼叫技术在不断进步中，正逐步解决现有问题，迈向更加智能和人性化的未来。

我们也在 25 年成立了 ring2.ai 这样的新的出海产品，也可以留意下未来的发展。

• 总结与展望

在AI呼叫行业的广阔天地中，我们见证了技术的飞速发展和应用场景的不断拓展。以下是对AI呼叫领域的全面分享，包括用户使用智能呼叫产品的理由、技术演进、业务能力、核心技术指标，以及未来发展趋势的深入分析：

首先，用户选择智能呼叫产品的原因主要基于几个方面：高效化的获客、个性化的联络，以及有价值的数据分析。这些因素共同推动了智能呼叫产品在各行各业的应用和普及。同时，AI呼叫技术经历了从底层技术到支撑层、业务层的演进。从早期的AVR播报、关键词图形化表达式、NLP问法，发展到今天的大模型RAG技术。我们预见，下一代技术——以GPT-4o为代表的端到端技术，将进一步推动AI呼叫行业的发展。目前，大模型呼叫技术更多依赖于RAG搜索增强结合大模型的方式。通过构建企业的知识大脑，企业能够输出AI智能销售和AI智能前台，为用户提供更加智能化的服务。AI呼叫的服务模式包括代理人模式的纯粹呼叫和辅助模式的人工呼叫。此外，还有基于音频和视频端的自媒体模式，为用户提供更加丰富和互动的服务体验。AI呼叫的上下游业务能力涵盖了从客户触达、数据筛选到CRM客户管理等一系列环节。这些环节涉及到的核心技术包括自然语言理解能力、SaaS端的架构能力和Web RTC技术能力。对一系列技术核心指标的分析，有助于企业更好地理解和评估AI呼叫产品的性能和效果。除了技术以外，运营服务和线路服务能力也是AI呼叫产品的重要组成部分。这些能力直接影响到服务的稳定性和用户体验。AI呼叫未来的技术发展将包括智能体之间的互动、超高并发处理、超拟人的AI沟通、端到端的识别效率和5G高清通话等方向。通过分享各类客户案例，我们可以更具体地了解AI呼叫产品在实际应用中的效果和价值。提供了如何有效使用AI呼叫产品以及如何选择一个好的AI呼叫产品的指导和建议。最后，笔者提出了对当前行业的一些思考，包括面临的挑战、机遇和发展趋势，为读者提供了宏观的行业视角。

AI呼叫行业正处在一个快速发展和不断变革的时期。随着技术的不断进步和应用场景的不断拓展，AI呼叫产品将为企业和用户带来更多的价值和便利。我们期待未来在现实世界中与大家进行更多的沟通和交流，共同探索AI呼叫技术的无限可能。通过这些深入的分析和案例分享，我们可以看到AI呼叫技术正逐步成为企业通信战略中不可或缺的一部分，引领着智能通信服务的未来趋势。

Ai is calling.