Observe.AI 正式推出了 VoiceAI 智能助手,这是一个旨在自动化联络中心日常客户交互的解决方案。
作为公司 AI 驱动的会话智能平台的最新补充,VoiceAI 智能助手致力于提升客户体验,同时降低运营成本。
通过此次发布,Observe.AI 将自己定位为唯一一个能够在整个客户服务周期中为企业提供完整 AI 支持的平台。
公司的解决方案套件现已包含企业级 VoiceAI 智能助手、实时坐席辅助工具、自动质量监控 (AutoQA)、坐席培训和业务洞察。
自动化常规工作
Observe.AI 的 VoiceAI 智能助手可以处理各种客服咨询,从常见问题到更复杂的多步骤对话都能应对自如。
这些智能助手基于内部 AI 模型,并与 OpenAI 和 Anthropic 等主要 AI 供应商合作,利用其大语言模型 (LLM) 构建。
"这是多个小型模型的组合,"Jain 解释道。"比如,我们有专门的数字检测模型、实体检测模型、轮次检测模型等。"
其目标是减轻人工坐席的负担,使他们能够专注于更高价值的交互。
Observe.AI 的 CEO 兼联合创始人 Swapnil Jain 在近期的视频采访中告诉 VentureBeat:"企业都在问'这些用例真的需要人工坐席吗?'"
Jain 表示,公司经常接到查询账户余额或重置密码等基础任务的电话,这些都是 AI 现在可以高效处理的交互。
对客户而言,这意味着无需长时间等待,也避免了令人沮丧的 IVR 菜单操作,不用反复按键或多次请求人工服务。
专业的呼叫中心 AI
语音 AI 领域日益拥挤,从 OpenAI 新发布的 GPT-4o-transcribe 系列和 ElevenLabs 等专有模型到开源解决方案都有。那为什么要选择 Observe.AI 的智能助手呢?
简而言之:专业性和易用性。无需通过供应商 API 使用原始语音 AI 模型并为业务构建自定义集成或语音应用,Observe.AI 的平台已经可以与现有工作流程和运营实现"即插即用"。
因此,虽然 GPT-4o 和其他大语言模型提供了原始 AI 能力,但 Jain 和 Observe.AI 认为它们并未提供完全集成的客户服务工作流解决方案。
此外,与传统语音 AI 助手不同,Observe.AI 的 VoiceAI 智能助手专为联络中心设计。系统结合了多种 AI 技术,包括:
自动语音识别 (ASR): 实时将口语转换为文本。
文本转语音 (TTS): 以拟人化语音提供回应。
专有 AI 模型: 专门用于处理数字、轮流发言和打断等客服环境中的关键问题。
Jain 指出,AI 智能助手面临的主要挑战之一是判断客户是否真的说完话。"如何知道客户已经停止说话,AI 智能助手可以开始处理了?"他问道。"有时我停顿是因为一句话说完要开始新的一句,有时只是停止说话。如何区分这些情况?"
Observe.AI 开发了自己的内部模型来解决这些细节问题,确保 AI 与客户之间的对话更顺畅。
快速部署同时深度集成企业产品支持和跟踪系统
Observe.AI 的一个关键优势是能够与现有企业系统无缝集成。
随着时间推移,该公司已经开发了超过 250 个预建集成,包括领先的电话系统、CRM 和员工管理工具,如 Salesforce、Zendesk 和 ServiceNow。
这种方法使企业能够快速实施 VoiceAI 智能助手。虽然 AI 部署有时需要数月时间,但 Observe.AI 声称其 VoiceAI 智能助手可在一周内上线,且设置成本极低。
"这不是需要六个月来为你定制的专业服务模式,"Jain 说。"我们进来后,花两周时间配置产品就可以运行了。"
安全和合规性至上
考虑到客户互动的敏感性,Observe.AI 构建了具有企业级安全性的解决方案。该公司拥有 GDPR、HIPAA、HITRUST、SOC2 和 ISO27001 等认证。
虽然过去语音生物识别技术被用于身份验证,但 Jain 表示,由于安全考虑,Observe.AI 不依赖这种方式。相反,系统采用传统的身份验证方法,如验证社会安全号码或账户详细信息。
此外,Observe.AI 提供数据编辑功能,可在存储前删除个人身份信息 (PII),客户还可以选择私有实例以确保数据隔离。
"在当今世界,你不能依赖个人语音模式进行身份验证,"Jain 说。"我们与企业合作,将他们用于人工坐席的相同安全规则配置到我们的 AI 智能助手中。"
通过自动化节省成本
Observe.AI 的定价模式基于完成的任务而非按分钟使用计费。
费用取决于交互的复杂程度,简单任务(如转接电话)的价格低于更复杂的任务(如处理保险理赔)。
据 Jain 称,与使用人工坐席相比,企业可以节省 70-80% 的客户服务成本。
早期企业成功案例
使用 VoiceAI 智能助手的公司已经看到显著改进。Affordable Care 的患者服务总监 Emmanual Noyola 强调了其对团队的影响:"我们的 VoiceAI 智能助手 Beth 处理多个意图的容错率达到 95%,使我们的客服团队能够专注于更复杂的案例。"
通过分析每次对话,Observe.AI 的平台持续改进 AI 智能助手的表现,确保准确性和合规性。企业还可以使用 AutoQA 评估 AI 和人工坐席,找出需要改进的地方。
AI 驱动的客户服务面临的一个关键挑战是在维持准确性的同时防止意外响应。
Jain 承认这些顾虑,提到了客户服务自动化中过去 AI 的失误。"使其达到企业级的核心理念是对响应的置信度设定很高的标准,"他说。"如果我们的响应置信度低于某个阈值,AI 智能助手最好不要参与。"
融合 AI 自动化与人工专业知识
VoiceAI 智能助手的推出标志着 Observe.AI 向未来自主联络中心愿景迈出的重要一步。
随着 AI 的不断发展,该公司致力于创建融合自动化与人工专业知识的解决方案,确保无缝的客户体验。
"自七年前成立以来,我们创建了一个独特理解联络中心对话的平台,"Jain 说。"引入 VoiceAI 智能助手来自动化交互,并最终支持人工和 AI 坐席在每个接触点提供一致、安全、高质量的客户体验,这是一个合理的下一步。"
好文章,需要你的鼓励
据报道,苹果公司高管已就收购Perplexity AI展开内部讨论。这家总部位于旧金山的公司运营着一款由人工智能驱动的消费者搜索引擎,能够生成自然语言回复而非传统网页列表。Perplexity在最近融资中获得140亿美元估值,月活跃用户超过1500万,每月查询量增长20%。苹果企业发展副总裁已与多位高管讨论此收购想法。
斯坦福大学研究团队在2025年提出了首个从语言反馈学习的理论框架,创新性地引入转移消元维度来衡量语言反馈的信息量,并开发了HELiX算法。研究证明语言反馈能带来指数级学习加速,在多个游戏测试中表现优异,为AI学习从简单数值反馈转向丰富语言指导奠定了理论基础,有望推动教育、推荐系统等领域的AI应用革新。
数据中心防护涂层正成为应对能耗上升和温室气体排放的关键解决方案。随着行业快速扩张带来环境挑战,这些创新涂层技术为平衡数字化增长与环境责任提供重要工具。专业涂层可延长设施寿命、降低维护成本,同时通过隔热涂层、反射涂层等技术优化能效,减少冷却系统负担。未来涂层将与被动冷却技术结合,支持可持续发展目标实现。
NVIDIA研究团队揭示了训练AI模型同时掌握数学推理和编程能力的突破性方法。通过精心设计的监督学习和强化学习协同训练,他们发现仅用数学题训练就能显著提升编程能力。研究提出了温度调节、阶段性训练等关键技术,最终的AceReason-Nemotron 1.1模型在多项权威测试中达到业界领先水平,为AI跨领域能力发展提供了新范式。