联络中心与智能体语音的碰撞即将到来

联络中心花了数十年时间，试图解决一个特定的经济问题：人工坐席成本高昂、时间有限，而他们等待下一通来电的每一分钟，都是拿着薪资却没有产出多少价值的分钟。

这个问题塑造了技术、运营模式，甚至联络中心衡量成功的方式。

拨号器（dialer）就是为解决它而生的。预测拨号、呼叫节奏控制、接听检测、队列管理，所有这些机制都是为了确保人工坐席把尽可能多的时间花在雇他们来做的事上——与客户和潜在客户交谈。

如今，Agentic Voice 正在改变这笔经济账。

一个 AI 语音智能体可以进行对话、收集信息、在既定边界内做出决策、与业务系统交互，并执行获得授权的操作。多个智能体可以并发运行，其潜在规模对人力队伍而言是不切实际的。

这不只是”用另一种方式自动化一通电话”那么简单。它挑战的是那些塑造了联络中心数十年的假设。

拨号器定义了联络中心

设想一家传统的外呼联络中心。

组织雇佣坐席，为他们提供培训与系统，为他们的时间付费。但坐席不可能把每一分钟都用在和客户交谈上。电话无人接听，有人直接挂断，语音信箱系统介入，坐席等待下一通电话打进来。

拨号器的存在，部分就是为了减少这类浪费。

预测拨号器估算坐席何时会空闲下来，并据此发起呼叫。接听检测帮助区分真人接听与其他结果。呼叫节奏控制试图在”坐席闲置”的风险与”客户接听时却无坐席可用”的风险之间取得平衡。

整套安排反映的是人类注意力的经济学。

这也解释了为什么联络中心如此关注占用率、利用率、通话时长、空闲时长和平均处理时长（AHT）。这些指标并非随意设定，它们帮助管理者理解一项昂贵且有限的资源被使用的效率如何。

同样的逻辑也影响着人员配置、排班、活动设计以及绩效激励。

数十年来，核心运营问题一直是同一个变体：”如何让我们花钱买来的人力产出更多有效工作？”

Agentic Voice 改变了经济账

AI 语音智能体改变了成本结构，尽管”AI 闲置时不要钱”这个说法并不完全准确。

人工坐席在整个班次中都会产生人力成本，无论他们是在说话、在等待，还是在处理其他工作环节。AI 语音智能体通常按使用量产生费用，用于处理和执行交互。这些成本可以包括模型推理、编排（orchestration）、 telephony、基础设施和会话管理，具体取决于系统设计。

这个区别之所以重要，是因为 AI 容量的配置与扩展方式，往往不同于人力容量。组织有可能在不招聘、不排班对应人数的前提下，处理多得多的并发交互。

约束条件从”人类注意力是否可得”，转向了”每一次交互的成本、价值与执行结果如何”。

这并不意味着每一次 AI 交互都会更便宜，也不意味着每一项任务都该交给 AI 智能体。设计拙劣的交互、多余的呼叫、失败的集成、无效的活动campaign，同样会摧毁价值。

它真正的含义是：用于设计和管理这套运营体系的假设，需要被重新审视。

旧的运营模式无法自动适配

设想一家公司在开展一场外呼销售活动。在传统模式下，拨号器把潜在客户接到一位空闲的代表处。代表进行通话、对潜在客户做资格判定、记录结果，并安排下一步。

现在设想一套 Agentic Voice 系统，它能联系潜在客户、按既定标准判定意向、更新 CRM、预约会议，并把有潜力和异常的case升级给人类销售。人类销售不再是每一次交互的必然起点，而是变成了一个更大流程中的一个参与者。

目标不再是单纯最大化人们通话的分钟数。而是识别哪些交互应该发生、有效地执行它们、捕获结果，并推进合格商机。

这个区别改变了活动的设计方式。公司可能因为多出了容量而决定联系更多潜在客户；也可能用同样的量来做资格判定优化、更快跟进，或响应那些原本无人触碰的机会。它还可以把人的介入留给那些判断力、谈判或关系建立最有价值的对话。

正确的选择取决于业务目标，而不是”自动化越多越好”这个笼统假设。

新的分工

未来的联络中心不太可能是”人类还是 AI”的简单二选一。

AI 智能体可能很适合高频、结构化的交互：确认预约、收集信息、按既定标准筛选线索、完成例行交易。而在需要细腻判断、复杂问题解决、共情、谈判或无法转嫁的责任感时，人工坐席依然不可替代。

难的部分在于，工作应该如何划分。

• 哪些交互可以由 AI 智能体独立完成？
• 哪些需要人工批准？当客户要求转人工时会发生什么？
• 转接时应携带多少上下文？

当一个智能体完成的操作在技术上遵循了指令，却产生了糟糕的业务结果时，责任由谁承担？

这些是运营模式问题，而不仅仅是模型选型问题。

答案还需要考虑风险。一次例行的预约提醒，和一场涉及争议付款的对话，不应拥有相同的权限、升级规则或错误容忍度。

一套设计良好的运营体系，会根据工作价值、复杂度、风险和是否需要人类判断来分配任务。它不会只是把”能自动化的都自动化”。

指标必须改变

如果一个组织继续主要用为人类坐席开发的指标来评判一套 Agentic Voice 运营，它就有可能在优化错误的东西。

在管理人力队伍时，占用率和通话时长仍然重要。每次交互成本在比较不同方案时也仍然有用。但这些指标单独来看，都无法告诉我们业务是否完成了它原本的意图。

销售活动应当以合格商机数、实际到场率、转化率，最终以收入来评估。服务型运营则应考量解决质量、客户投入、重复来电，以及所请求动作的成功完成情况。

运营层面的度量依然重要，包括完成率、失败交互数、升级率，以及每次成功结果的成本。它们能解释结果好或坏的原因。

区别在于：度量活动，与度量价值。

一个进行了数千次对话、却只产出少量有用结果的系统，可能在狭义的技术意义上高效运转，却在商业上失败。而数量更少、但精准命中并产生可验证业务结果的交互，价值可能高得多。

目标不是最大化对话数量，而是最大化这些对话所完成工作的价值。

拨号器同样需要进化

这一转变对发起和管理外呼交互的基础设施也有影响。

围绕人类可用性设计的拨号器，必须考虑坐席容量、呼叫节奏，以及接通时机与可用代表的对接。一个围绕 Agentic Voice 构建的环境则有不同要求：它需要与 AI 智能体协调交互、管理并发、把对话接入正确的系统，并考虑所执行工作的结果。

这并不会让传统拨号器的能力过时。活动管理、节奏控制、呼叫处理和运营控制依然Relevant。变化的是被协调的资源，以及被优化的目标。

这正是新一代拨号器基础设施开始着手解决的问题。Cloudonix 的 PipeX 正在作为面向 Agentic Voice 的拨号器开发，就是这一新兴方向的一个例子。

更大的重点不在于任何单一产品的到来。而在于：外呼基础设施需要与它所服务的系统一起演进。把 AI 智能体当成”只是声音不同的人类坐席”来对待，会错失重新思考活动、容量和业务流程如何协同的机会。

联络中心可能变成别的东西

联络中心与 Agentic Voice 之间的碰撞，本质上并不是”AI 会不会取代人工坐席”的问题。这个问题太狭窄了。

它真正关乎的是：当”进行对话”的经济学发生改变、当更多交互可以并发发生、当一次对话可以跨业务系统触发动作而无需人类执行每一个步骤时，会发生什么。

最终的结果，可能看起来不再像”一个加了 AI 的传统呼叫中心”，而更像一个围绕明确结果，协调人、AI 智能体、通信基础设施和业务应用的运营体系。

这场转变需要新的管理实践、不同的指标、清晰的问责，以及为新运营模式而设计的基础设施。它还要求组织决定：哪些活动应该被自动化，哪些活动恰恰因为有人的参与才有价值。

数十年来，联络中心的技术都是为了让人类坐席一直通话而设计的。Agentic Voice 把问题从”如何让坐席保持忙碌”，变成了”如何把事情做完”。