为 CX 部署语音 AI 时，如何把语音基础设施做对

语音 AI 听起来很聪明，但如果底层的语音基础设施不给力，客户体验很快就会崩塌。

在所有行业和地区，联络中心都面临着现代化改造与提升客户体验（CX）的压力。如今的消费者以数字化为中心、移动优先，对 CX 的期待比以往任何时候都高，而 IT 与联络中心负责人却难以跟上节奏，在采用新技术方面尤其如此。

语音 AI 是提升 CX 的最新技术浪潮。尽管大多数联络中心负责人都希望采用它，但他们需要更全面地理解：要让语音与 AI 有效协同，究竟需要具备哪些条件。对于必须服务全球客户群的企业级联络中心而言，这一点尤其重要。

在这类环境中，AI 可以轻松扩展，但大部分语音流量仍必须经由 PSTN 传输。客户对数字渠道的使用持续增长（包括 WhatsApp 和 Viber 这类支持语音的应用），但语音仍然是联络中心交互的主要渠道。

两种语音形态都很重要，但基于电话网的语音才是 CX 的核心。随着联络中心采用 AI，语音与 AI 的集成将变得不可或缺。本文将回顾这种集成带来的价值、Voice AI 所需的关键能力，以及为什么我认为联络中心在采用 AI 时”拥有自己的语音”如此重要。

什么是语音 AI，它如何影响 CX

沿着 ChatGPT 和 Agentic AI 的路径，语音 AI 是最新一波 AI 浪潮。虽然语音 AI 目前还处于早期采用阶段，但我认为它将成为现代 CX 的基础，就像它的前辈们很快做到的那样。

由于太新，有必要做一些解释。语音 AI 指的是以语音为基础的 AI 应用或平台，也就是说，当人类客户向联络中心发起咨询时，语音既可以作为输入，也可以作为输出。

客户可以用多种模式发起咨询，但”输入”通常从语音开始，语音 AI 平台能够理解语音，而且现在理解的水平远高于传统语音技术。在”输出”端，语音 AI 可以用语音（或文字）以对话方式回应客户，往往能够把咨询一路推进到解决。

用更熟悉的说法，语音 AI 应用就是所谓的数字助手、自动化语音代理或智能聊天机器人。客户使用这类东西的传统版本已经很多年了，但借助今天的 AI，语音体验感觉更自然。此外，这些应用通过与后台系统更广泛的集成，能够在更深层次上理解语音，从而在人工坐席和自助服务两方面都带来更好的 CX 结果。

当联络中心负责人对语音 AI 的概念感到适应之后，就需要更务实地思考它如何影响 CX。这才是驱动业务价值的地方。为了说明这一点，以下是几个典型示例：

• 由于是自动化的，语音 AI 可以 7×24 小时处理客户咨询：这对采用集中式联络中心运营的全球化品牌尤为重要。
• 语音 AI 平台天生就能快速扩展且成本极低：这使它成为应对呼叫量预期增长以及流量意外峰值的理想方案。
• 提升自助服务自动化是任何形式 AI 的核心驱动力，语音 AI 尤其如此。这会带来更高的自助解决率（containment rate），即自助选项承接更多咨询；以及更高的分流率（deflection rate），即更多例行咨询从人工坐席转由 AI 代理处理。更进一步，这些能力还会改善坐席体验，从而带来又一层运营收益。
• 提升全渠道能力：今天的客户期待在所有渠道上获得无缝体验，而语音又是客户联系企业时的首选渠道，因此与其他模式和人工坐席之间的顺畅交接至关重要。
• 更好的结果带来更好的 CX：语音是比文字更昂贵的支持渠道，但如果支撑得当，语音 AI 会带来比文字更好的 CX。这可以通过 CSAT 评分、忠诚度、留存率、推荐、购买趋势等指标来验证。

语音基础设施的关键考量

基于以上认识，我认为当语音或 AI，尤其是作为语音 AI 合二为一时未能按预期表现时，反向结果的说服力更强。这不仅会抵消上述收益，负面影响还会更加严重。如前所述，大多数联络中心之所以急切地希望通过云和 AI 实现现代化，正是为了避免这些负面后果。

虽然本文聚焦于”AI 就绪”的联络中心，但更广义的意图是为语音 AI 建立论据，帮助仍基于传统架构的联络中心推进其走上这条必要道路的计划。没有任何其他渠道对 CX 的影响比语音更大，而语音 AI 的机遇为语音增添了新的业务价值维度，同时利用 AI 在客户所在的任何地方、用他们所说的任何语言实现自动化与客户互动。

抛开技术不谈，我想向所有联络中心传达的核心信息是：拥有你的语音。拥有自己语音的最佳方式，是建立正确的基础设施。长期以来，联络中心在不同程度上都依赖专门构建的语音基础设施，因为它们的语音流量中有很大一部分仍基于 PSTN。然而，当联络中心采用 AI 时，很容易忽视把基于电话网的语音集成进 AI 应用的复杂性。

语音基础设施本质上属于技术范畴，在语音与 AI 并行部署时，IT 和联络中心负责人必须牢记几个关键要素。在 AVOXI 的《2025 年国际语音现状报告》中，77% 的企业表示难以稳定获得高质量语音，这凸显了一个既已存在的挑战——而当联络中心把语音与 AI 集成时，这个挑战会变得更加重要。对于服务全球客户群的联络中心而言，这一点尤其相关。至少，语音基础设施必须包含以下内容：

• 全球网络以支撑电话业务。对大规模联络中心而言，这意味着要在数十家本地与国际运营商之间无缝管理语音流量。
• 电话号码，既包括所有本地市场的号码，也包括免费号码，并确保这些号码处于可用状态，且能正确接续到联络中心。
• 质量保障以支撑 SLA，以及实时网络分析来监控语音性能，尤其是在正常运行时间、可靠性和质量方面。
• 编排能力，以便把通话从 AI 代理路由到人工坐席，准确、安全、不丢失上下文，且全部实时完成。
• 将基于电话网的语音流量与 AI 及 CCaaS 平台集成，规模化地、并符合本地合规与隐私要求。

语音基础设施还有其他要素。这里的核心观点是要说明：为什么这些是根本性能力——不仅是为了支撑客户所依赖的最重要渠道，也是为了让语音能够与联络中心正急于部署的 AI 平台和应用有效集成。下图展示了主要基础设施组件必须如何协同工作，以支撑语音 AI。

归根结底，语音基础设施的核心是最小化延迟，因为语音通信具有实时性。当客户与人工坐席通话时，双方都能容忍一定程度的延迟；但当客户依赖 AI 代理来理解自己时，同等程度（甚至更严重的）延迟会在交互过程中和交互之后引发大量问题。

语音 AI 中 AI 的那部分还不够先进，无法在对话出现空档、回声、音频卡顿、语音含混等情况下准确回应。这正是联络中心负责人需要避免的场景。不只是为了不让机器人对人沟通质量糟糕，也为了避免语音转文字输出（如转写文本和通话摘要）不准确。忽视语音基础设施就会导致这个结果，而它会彻底毁掉使用 AI 的意义。

再说一次，做到这一点的最佳方式，就是像对待 AI 平台一样，在语音基础设施上投入同等的考量。从本质上讲，AI 平台和 CCaaS 平台都无法原生解决上述语音能力问题，这正是”拥有你的语音”如此重要的原因。

把语音与 AI 集成时的厂商考量

没有合适的语音基础设施，语音 AI 根本无法奏效。无论 AI 平台多么”智能”，这些能力都不足以原生且全面地管理基于电话网的语音，尤其是在规模化、全球化的场景下。

需要认识到的关键点是：只有当 AI 平台和 CCaaS 平台接收到已经通过所有必要关卡、达到”AI 就绪”状态的语音流时，它们才能发挥出最佳水平。考虑到这些流量如果管理不当可能出现的种种问题，以及由此所需的计算资源，把语音”外挂”到这类平台上的做法，往轻了说也是有风险的。

IT 和联络中心技术负责人可以选择把语音性能监控的工作交给 AI 或 CCaaS 供应商。然而，许多联络中心依赖多个供应商，这在采用新技术时颇具挑战。需要考虑的问题有多种：

• 呼叫流程将如何实时编排？
• 当这些供应商的竞争对手也参与在你的部署中时，你能放心把语音交给其中一家管理吗？
• 如果你更换了被托付此事的供应商，你的语音基础设施（以及对应的客服电话号码）会怎样？

在这里做出正确决策，归根结底取决于什么最重要。在采用 AI 时，IT 和联络中心技术负责人必须平衡两个优先事项，哪一个都不能妥协：通过电话网提供尽可能高质量的语音体验，以及通过 AI 提供最具影响力的自动化形式，尤其是自助服务。

尽管基于电话网的语音不是语音的唯一形态，但它是对 CX 最重要的形态。PSTN 通话在未来许多年仍将与我们共存，因此在设计语音技术栈时，电话网必须是核心考量。基于应用的语音选项各有优点，但对当今面向 CX 的 AI 部署决策而言，电话网的影响要大得多。

这就引出了联络中心负责人在语音 AI 上必须权衡的那个熟悉的取舍：最佳组合（best-of-breed）还是一体化（all-in-one）​。简而言之，基于电话网的语音最好由语音基础设施厂商处理，正如 AI 应用或 CCaaS 应用最好由相应平台处理一样。选择最佳组合的语音基础设施，不仅能让你获得最好的 AI 成果，还能让联络中心在持续变化的环境中拥有大得多的灵活性：

• 避免供应商锁定，尤其是对那些并非其核心能力或重点领域的能力而言。
• 能够支持多个 AI 平台，这对于使用特定语言或方言的客户群，或术语复杂的垂直行业尤为重要，这是语音质量至关重要的场景。
• 使联络中心能够进入那些仅由特定运营商提供电话服务，或在合规、隐私、数据主权等方面有特定要求的新地区。
• 已准备好云迁移的本地部署联络中心可以保留现有语音基础设施，从而保持开放，选择最契合的 AI 和 CCaaS 合作伙伴。

要对语音基础设施做出正确决策，联络中心负责人必须考虑以下每类选项能提供什么：

• 运营商合作伙伴：尤其是 BT、Orange、Tata 这类区域性或全球性电信公司。它们能提供规模化支撑电话网的核心要素，但你会被锁定在其网络覆盖范围内；而且由于它们主业是网络业务，与 AI 平台的软件集成并非其强项。
• CCaaS 供应商：如 NiCE、Genesys、Five9 等，提供 CX 的基础技术，但语音只是它们必须支持的众多模式之一。此外，它们大多云原生，缺乏直接支撑电话网（尤其是电话网）所必需的关键语音血统。
• 基于 API／消息的平台：Twilio 是最典型的例子，确实凭借语音网络拥有广泛的全球覆盖，但主要面向出站流量。它们不像 CCaaS 供应商那样聚焦更广泛的 CX；更重要的是，它们的语音产品不像最佳组合伙伴那样开箱即用。
• AI 平台：如 PolyAI、Cresta 和 ElevenLabs 正在快速扩张，它们将是你做语音 AI 的主要伙伴。这些厂商高度专业化，其价值来自为对话式 AI 专门构建。然而，当语音部分涉及电话网时，与语音基础设施伙伴的集成就变得至关重要。
• 语音基础设施：如 AVOXI 这样的厂商为 PSTN 和基于云的语音提供专门构建的解决方案。对部署 语音 AI 的全球联络中心，以及必须支持所有语音形态的混合型联络中心而言，它们是最合适的最佳组合供应商。

结论：拥有你的语音

本文的核心主题是”拥有你的语音”的重要性，以及为什么做到这一点需要理解语音基础设施在语音 AI 中所扮演的角色。当联络中心负责人希望把语音 AI 加入其不断扩展的 AI 能力组合时，我的意图是说明清楚：对语音基础设施支撑的考量，与对对话式 AI 的考量同等重要。

二者互为补充，但各自的要求相当不同，而且都最好由最佳组合的伙伴来满足。随着 AI 平台成为 CX 的差异化因素，只要语音仍是 CX 中最重要的通信渠道，语音基础设施就是语音 AI 成功的基础。本文为最佳组合路线立论：不仅是为了在 Voice AI 上取得最佳成果，也是为了让联络中心在其部署不断演进的过程中拥有最大的灵活性。

作者：Jon Arnold