Glia 正在打造的，远不止一个联络中心

在过去十年的大部分时间里，客户体验（CX）行业一直在试图解决一个”渠道问题”。语音需要和聊天打通，聊天要和消息打通，消息要和数字化打通，而这一切最终还得接回 CRM。行业把目的地称为全渠道（omnichannel）。

Glia 的最新动作表明，全渠道或许只是一个中间步骤。

该公司推出了 Glia Relationship Management（GRM）和 Glia Branch，把平台从数字化与联络中心交互，扩展到客户关系管理，以及更不寻常的领域——实体银行网点。表面上看，这像是一家金融服务 CX 厂商往自己产品组合里加了两个产品。但更有意思的解读是：Glia 正试图围绕客户构建一个持久化的智能层，它能记住客户在数字化、语音乃至面对面交互中发生过什么，并把这些上下文同时提供给人和 AI。

如果 Glia 能做到这一点，它正在打造的东西，将比又一个联络中心平台大得多。

AI 竞赛正在变成一场上下文竞赛

当下 CX 领域的讨论，大多围绕哪家公司拥有能力最强的 AI 智能体。但随着底层模型不断进步、能力日益趋同，差异化因素可能会从模型的智能程度，转向围绕模型的信息质量。

一个 AI 智能体即便再精巧，如果它不了解客户，仍然会交付平庸的客户体验。

设想这样一位信用社客户：她走进网点，花了半小时讨论购买首套房的计划。她说自己大概还有半年时间，聊了自己能负担多少，并询问了房贷选项。在以往，这场对话中蕴含的许多信息，可能在她走出门的那一刻就消失了。

三周后，她访问网站或致电联络中心，又问了一个房贷问题。这家机构在技术上可能知道她是谁，但接待她的员工或 AI 智能体，却可能对她已经有过的那场对话几乎一无所知。

这正是 Glia 要攻克的问题。

GRM 把语音、数字化和网点交互的历史记录，与银行核心系统数据汇聚到一起，而 Glia Branch 则把这种智能延伸到实体场所。其结果是潜在而有力的：机构不再把网点、联络中心和数字化体验当作偶尔交换数据的独立渠道，而是开始形成一种更接近于”对客户的组织记忆”的东西。

Glia 首席执行官兼联合创始人 Daniel Michaeli 用同样直接的措辞描述了这一目标：

“信任不是建立在单笔交易上的，而是建立在连续性上的。我们为金融机构提供它们所需要的那一份统一记忆，让每一次交互都能转化为一段持久的关系。”

其结果是潜在而有力的。机构不再把网点、联络中心和数字化体验当作偶尔交换数据的独立渠道，而是开始形成一种更接近于”对客户的组织记忆”的东西。

而组织记忆，恰恰是 AI 所需要的。

Glia 正在让网点变得”机器可读”

这或许是 Glia 此次发布中最有意思的一点。

联络中心几十年来一直在产出机器可读的客户情报。通话被录音，聊天被存储，情绪被分析，意图被分类，结果被衡量。每一次交互都会产生新的数据，而这些数据有可能改善下一次交互。

物理世界则要难捕捉得多。

一位客户可能在一家银行里花 45 分钟讨论退休、房贷、商业贷款或财务困难，但其中的大量信息，从未变成组织其他部分可用的情报。好的情况是，某位员工往另一个系统里敲了几条笔记；坏的情况是，这些上下文彻底消失。

Glia Branch 试图改变这一点，把实体对话变成另一个客户情报来源。这意味着，下一位员工——或者越来越多情况下是下一个 AI 智能体——不只是知道这位客户有支票账户和房贷，而是有可能理解这位客户在多次交互中一直想达成什么。

这是完全不同层级的上下文。

它也指向这样一种未来：所谓”数字化 CX””联络中心 CX”和”网点 CX”之间的界限，开始变得没那么重要。而从客户的角度看，这些区分从一开始就没什么存在的理由。

Glia 也在悄然向企业技术栈的上层移动

这里还有一层不该被忽视的战略含义：Glia 正在更靠近 CRM 的地盘。

传统 CRM 系统主要是围绕客户记录来设计的。它们在告诉组织”客户拥有哪些产品、存在哪些机会、开过哪些工单、员工记录过哪些活动”方面极其擅长。

而 AI 需要的东西更丰富。

它需要理解围绕这些记录的关系：客户最近讨论过什么，正试图达成什么，什么让他们感到受挫，他们接下来可能需要什么，以及此前多次交互中已经发生过什么。

这正是”客户记录”与”客户上下文”之间的区别之所以重要的地方。

Glia 并不是在主张银行应该立刻拆掉 Salesforce 或其他现有 CRM。GRM 可以与既有 CRM 基础设施共存。但它的推出，给整个 CX 行业抛出了一个具有战略意义的问题：如果 CX 平台越来越理解客户的身份、交互历史、意图和关系——而 AI 智能体开始基于这些情报行动——那么 CRM 到哪里结束，CX 又从哪里开始？

这条界线正变得越来越难以界定。

而这可能在未来几年演变成一个更大的竞争战场。

垂直 AI 可能是 Glia 最大的优势

Glia 还握有一个不该被低估的优势：它并不试图为所有行业解决这个问题。

该公司表示，其技术已被 700 多家银行、信用社和金融机构使用。这个装机基盘，给了 Glia 一个通用型 AI 平台必须付出大得多的努力才能积累的东西——对金融机构究竟如何与客户交互的深度浸染。

银行业有其自身的工作流、术语、监管、客户旅程和关系动态。一个通用 AI 平台需要去学习这种环境，而 Glia 本就活在其中。

这让 GRM 不只是”Glia 发布了一个 CRM”那么简单。

Glia 实际上是在围绕其平台已在管理的那些交互，构建一个银行专属的客户智能层。而由于 GRM 的核心功能正以免额外费用的方式提供给现有 Glia 客户，公司有可能拥有一条相对顺畅的路径，把这个智能层部署到相当大的装机基盘之上。

这可能具有战略重要性。一旦某个平台成为客户对话、意图、历史和 AI 编排汇聚的地方，想要替换它，就远比替换一款通信工具要困难得多。

从全渠道到全上下文

多年来，CX 行业的目的地是全渠道：把客户交互的每一个场所都连起来，让体验显得连续。

AI 抬高了这份野心。

把渠道连起来，回答的是”客户在哪里交互过”。下一代的 CX 平台，则需要理解企业从这些交互中学到了什么，并在客户下一次出现时记住它。

这会催生出一种不同的架构。语音、消息、数字化行为和实体对话成为输入。客户上下文成为记忆层。AI 成为智能层。人类员工和 AI 智能体，则成为通往同一套对客户的理解的不同界面。

意识到这一点的并非只有 Glia。Salesforce、Genesys 以及其他主要 CX 平台，都越来越强调统一的数据与上下文是有效落地智能体 AI 的前提。

但 Glia 切入这个问题的角度格外有意思。通过把智能延伸到实体网点，它试图捕捉的是大多数 CX 平台几乎看不见的那一部分客户关系。

这就是为什么 Glia Relationship Management 和 Glia Branch 值得比一次普通产品发布获得更多关注。

Glia 或许起步于一家数字化客户服务公司，但它的发展轨迹正显得野心大得多。如果它能把数字化交互、联络中心对话、银行数据和实体对话，连接成一个持久化的智能层，那么 Glia 就不仅仅是在帮银行与客户沟通。

它正在把自己定位成那个”理解关系”的系统。

而在 AI 日益嵌入整个客户体验的当下，这一点可能意义重大。模型会变得更好，智能体会大量涌现。今天看来有差异化的许多 AI 能力，终将变得稀松平常。

真正会持续稀缺的，是专有的上下文：某位客户的历史、意图以及累积起来的理解。

这就引出了一个比”Glia 是否发布了一个新 CRM”影响更大得多的问题：

在 AI 驱动的客户体验中，最有价值的平台，最终会不会就是那个最了解客户的平台？

Glia 似乎正在押注：答案是肯定的。