Sanas 想把联络中心座席变成 AI 监督员：一个人，四个 AI 座席

多年来，联络中心行业对 AI 的探索一直围绕两种相互竞争的策略：让人类座席更高效，或彻底自动化客户互动。

Sanas 认为还有第三种选择。

随着 Sanas Supervised AI 的发布，该公司提出了一种新模式：一名人类员工可同时监督最多四场由 AI 驱动的客户对话，在必要时介入，并在不打断客户体验的前提下把控制权交还给 AI。

这已经不只是会话式 AI 平台的又一次进步。如果该模式能在企业级规模上被证明有效，它可能从根本上改变联络中心构建人力结构、衡量生产力以及计算客户服务成本的方式。

更重要的是，它挑战了一个假设：AI 的采用必然要以牺牲人的参与为代价。

从人类座席到 AI 监督员

传统的座席辅助（agent-assist）技术提升的是单个员工的生产力。AI 提供建议、检索信息、总结对话、自动化行政性任务，但促成这场互动的责任仍在人类座席身上。

完全自主的 AI 则走向另一个极端，独立处理对话，并在必要时升级给人工座席。

两种方式都有局限。

座席辅助通常仍然要求一场实时对话配备一名员工。而完全自主的 AI 则带来可靠性、客户挫败感、升级处理质量，以及对话变复杂时的责任归属等问题。

Sanas Supervised AI 试图通过改变人类员工的角色来应对这些局限。

经验丰富的座席不再亲自处理每一场对话，而是通过统一控制台同时监控多场 AI 交互。监督员可在必要时接管一场实时对话，随后再把交互交还给自动化处理。

关键在于，客户无需被转接给另一位客服代表，也无需重复已经提供过的信息。

对 Sanas 首席执行官兼联合创始人 Sharath Keshava Narayana 而言，这一转变带有个人色彩。他从联络中心座席做起，在他看来，受监督 AI 是提升资深员工价值的机会，而不是把他们排除在外。

“那些多年处理这类情况的人，才是最适合监督这项工作的人。他们早已理解客户、理解业务，也知道一通电话里可能出什么岔子。”

Sharath Keshava Narayana，Sanas 首席执行官兼联合创始人

他的论点是：随着 AI 接手常规对话，人类在多年客户互动中锤炼出的判断力可能变得更有价值。资深座席不必再一次只服务一位客户，而是可以把这份专业能力延展到多场交互中，在自动化力有不逮时及时介入。

这一思路折射出行业更广泛的转变：人的专业能力正在成为一种监督职能，而不再是交付每一次客户互动的首要机制。

更大的机会在于联络中心经济学

Sanas 此次发布在商业上最具分量的部分，未必是它的 AI 技术，而是它可能带来的劳动力生产力变化。

一个传统的联络中心，大约每一场同时进行的语音对话就需要一名人类座席。

Sanas 提出的监督模式则支持每名员工同时应对最多四场对话。

这并不自动等同于四倍的生产力提升。实际表现取决于客户请求的复杂程度、AI 需要介入的频率，以及监督员分配注意力的效率。

尽管如此，这一运营模式为思考联络中心产能提供了一种根本不同的方式。

企业有可能在不按比例增加人手的情况下提升对话量。资深员工可以把更少时间花在常规交互上，把更多时间用于管理例外情况、解决复杂问题和保障服务质量。

对业务流程外包（BPO）服务商而言，这也可能改变其商业模型。

BPO 或许有机会不再主要以座席人数或排班工时来销售，而是把 AI 驱动的对话产能与人工监督、治理和质量保障打包出售。

机会很大，挑战同样很大：服务商需要证明，更高的对话产能确实能转化为更好的经济性，而不牺牲解决率或客户满意度。

人工监督或将成为企业 AI 的硬性要求

随着企业扩大自主 AI 的使用范围，责任归属正成为一个越来越重要的考量。

在医疗健康、金融服务和电信等行业，这个问题尤为尖锐——错误信息或处理不当的互动可能带来严重后果。

Sanas 正把人工监督定位为 AI 驱动客户服务的架构组件，而非应急兜底。

这一区别很重要。在传统自动化模式中，升级通常发生在 AI 触及能力边界之后。而受监督 AI 带来的可能性是：在交互仍在进行时，人就能介入。

对企业客户体验（CX）负责人而言，这或许能在自动化与责任之间提供一种更实用的平衡。

它也引出一些重要的运营问题：监督员如何识别需要关注的对话？介入如何排定优先级？当多个 AI 座席同时需要人工协助时怎么办？

能否可靠地处理这些场景，将决定受监督 AI 能否满足企业对质量、合规与一致性的期待。

Sanas 的一次战略性扩张

Sanas 最初是通过实时语音技术（包括口音转换与语音增强）在企业通信领域确立地位的。

受监督 AI 代表着更大的野心。

Sanas 不再只专注于改善人们如何沟通，而是切入了一个新市场：编排人与 AI 在客户互动过程中如何协作。

这让该公司更靠近那些传统上属于联络中心平台、会话式 AI 厂商和企业 CX 基础设施供应商的战略议题。

这也让 Sanas 在新兴的 AI 联络中心技术栈中占据了一个可能很有价值的位置。

该公司并非只是又推出一个自主语音座席，而是在提出一个运营层，企业可借此管理 AI 对话，并在必要时施加人的判断。

这会否成为一个独立的企业技术品类，尚待观察；但随着越来越多组织把 AI 座席投入生产环境，其底层需求很可能会持续增长。

决定其普及的关键问题

这个概念很有吸引力，但它的成功取决于该模式在真实运营条件下的表现。

几个问题格外突出。

• 一个人现实中能监督多少场对话？ 当大多数对话都是常规事务时，四场同时进行或许可控；但当多位客户同时需要人工介入时，这个等式就变了。
• 客户体验会怎样？ 避免转接很有价值，但企业需要证据证明受监督 AI 能维持或改善首次接触解决率、客户满意度和整体服务质量。
• 人力如何适应？ 监督多场 AI 对话所需的技能，与亲自处理一场客户互动并不相同。联络中心可能需要新的培训体系、绩效指标和薪酬结构。
• 真实的财务回报如何？ 企业需要把 AI 推理、软件、实施、监督和质量保障的综合成本，与现有的人力配置模式进行对比。

这些并不是否定该思路的理由，而是决定受监督 AI 会成为运营标准、还是停留在一个有前景的概念上的衡量标准。

联络中心的未来或许是“受监督的自主”

联络中心行业的 AI 之争，很大程度上聚焦于有多少人工互动可以自动化。

Sanas 问了一个更有意思的问题：当 AI 处理常规工作时，一名资深员工究竟能有效监督多少客户服务？

这个区别很重要。

企业 AI 采用的下一阶段，或许不会单纯由自主系统取代人工任务来定义，而会由让人的专业能力延展到显著更多交互中的系统来定义。

Sanas Supervised AI 就是这种新兴运营模式的一个例证。

该技术仍需在生产环境中证明可量化的改善，但其战略方向值得关注。

联络中心生产力的未来，或许不那么取决于把人从对话中移除，而更多取决于让人的判断力被成倍放大。