呼叫中心正在经历一场结构性变革。传统模式下，一个坐席平均每天处理60-80通电话，其中超过40%的通话时间花在查询知识库、填写工单、转接确认等低价值操作上。AI Voice Agent市场在2025年迎来340%的生产部署增长（来源：AI Voice Research 2026年度报告），而更值得关注的是AI坐席辅助（Agent Assist）这个细分赛道——它不是用AI替代人工，而是让AI在通话过程中实时辅助人工坐席，实现"人机协同"的混合服务模式。
据CMSWire 2026年3月发布的统计，呼叫中心AI采用率已从2023年的28%飙升至2025年的72%，但仅有35%的企业实现了AI与现有系统的深度集成。这意味着"用了AI"和"用好了AI"之间存在巨大鸿沟。真正突破这一瓶颈的，是那些将AI深度嵌入坐席工作流的运营商。
本文拆解四大运营商的真实部署案例：Orange法国、Vodafone意大利、AT&T美国、中国联通，它们分别代表了坐席辅助的四种技术路线和商业模式。
2026年2月，Orange France为其3000名客户顾问正式部署了名为"MAIA"（My AI Assistant）的AI坐席辅助系统。这是欧洲电信行业迄今为止最大规模的AI坐席辅助项目之一，由Orange Business的"Intelligent Together"解决方案支撑。
与此同时，Orange还在其子品牌Sosh上线了名为Sharlie的GenAI语音助手——这是业内最早的原生语音到语音（speech-to-speech）自然对话助手之一，直接面向终端客户服务。据GlobalData 2026年4月的评估，Sharlie代表了"AI助手在客户服务领域演进的下一个阶段"。
MAIA的核心设计理念是"实时辅助而非替代"：
| 指标 | 部署前 | 部署后 | 变化 |
|---|---|---|---|
| 平均处理时长（AHT） | 8.2分钟 | 5.8分钟 | ↓29% |
| 首次解决率（FCR） | 68% | 81% | ↑13个百分点 |
| 通话后处理时间 | 3.5分钟 | 1.2分钟 | ↓66% |
| 坐席满意度（Agent CSAT） | 3.4/5 | 4.3/5 | ↑27% |
| 知识检索时间 | 45秒 | 5秒 | ↓89% |
MAIA最显著的价值体现在通话后处理时间缩短66%——这项工作过去占据坐席每天近2小时的时间，现在由AI自动完成摘要和工单填写。
Vodafone的坐席辅助采用"前端自治+后端辅助"的双层模式：
第一层：SuperTOBI（客户侧） 基于Microsoft Azure OpenAI构建的GenAI虚拟助手，已在Vodafone运营的多个欧洲国家上线。据Vodafone CTO Scott Petty透露，SuperTOBI目前已能处理70%以上的客户查询，且在关键客户旅程的首次解决率上实现了50%的提升。
第二层：Azure AI坐席辅助（坐席侧） 在意大利Corso呼叫中心，Vodafone进行了Azure AI坐席辅助的试点部署。当客户问题超出SuperTOBI的处理能力并转入人工坐席时，AI系统会： - 自动将SuperTOBI的对话历史传递给人工坐席，避免客户重复描述问题 - 实时分析通话内容，在坐席屏幕上显示推荐的解决方案和操作步骤 - 检测客户情绪变化，在客户满意度下降前预警
2025年12月，LangChain官方发布了Vodafone意大利（含Fastweb）的技术案例。Vodafone使用LangGraph构建多Agent编排系统，通过LangSmith进行可观测性管理。这一架构实现了：
| 指标 | 数值 |
|---|---|
| SuperTOBI自助解决率 | 70%+ |
| 关键旅程首次解决率提升 | 50% |
| 呼入人工坐席量下降 | 约40% |
| 坐席平均通话时长缩短 | 25% |
| 客户满意度（CSAT）提升 | 12个百分点 |
flowchart TB
subgraph 客户触点
A[客户来电/在线咨询] --> B{SuperTOBI GenAI助手}
end
subgraph AI处理层
B -->|70%自助解决| C[直接解决并关闭]
B -->|30%需转人工| D[对话历史+意图摘要]
end
subgraph 人工坐席层
D --> E[人工坐席接起]
E --> F[Azure AI坐席辅助]
F --> F1[实时语音转写]
F --> F2[知识库检索+话术推荐]
F --> F3[情绪检测预警]
F --> F4[自动工单生成]
end
subgraph 后端系统
F2 --> G[CRM系统]
F2 --> H[网络管理平台]
F2 --> I[订单系统]
F4 --> J[工单系统]
end
E --> K[问题解决]
K --> L[AI自动生成服务摘要]
AT&T于2025年11月正式发布"Ask AT&T Workflows"——一个面向全企业的AI Agent构建平台。AT&T首席数据和AI官Andy Markus在官方博客中透露，该平台允许各业务部门自主构建AI Agent工作流，而首个投入生产的工具已在呼叫中心"以规模化的方式证明了其价值"。
Ask AT&T的核心能力包括： - 低代码Agent编排：业务人员可通过可视化界面构建多步骤AI工作流 - 企业知识 grounding：所有AI回答均基于AT&T内部知识库，避免幻觉 - 多模态交互：支持语音、文本、图像输入
AT&T与H2O.ai合作，利用微调小语言模型（SLM）优化呼叫中心的多个场景：
关键成果数据：
| 指标 | 数值 |
|---|---|
| 呼叫中心运营成本下降 | 90% |
| 处理速度提升 | 3倍 |
| 推理延迟改善 | 75% |
| 可扩展性提升 | 5倍 |
| 部署到上线周期 | 缩短60% |
90%的成本下降主要来自小语言模型的推理成本远低于通用大模型。AT&T没有对每个呼叫中心场景都调用GPT-4级别的大模型，而是针对特定场景（如账单查询、故障分类）微调了参数量仅为1-3B的小模型，在准确率相当的前提下，推理成本降低了数十倍。
据中国联通2026年1月发布的行业报道及GSMA《运营商实践：AI大模型赋能垂直行业标杆案例集》，中国联通聚焦客户、坐席、运营三大核心场景，推出了六大AI高价值应用：
中国联通的智慧客服平台采用"大模型底座 + 行业微调 + 场景Agent"的三层架构：
联通还发布了《通信网络智能体白皮书V1.0》（2025年），联合华为、中兴、浪潮、亚信科技等合作伙伴，定义了通信行业AI Agent的技术标准和部署框架。
| 指标 | 数值 |
|---|---|
| AI客服自助解决率 | 85%+ |
| 人工坐席效率提升 | 40% |
| 智能质检覆盖率 | 2% → 100% |
| 知识更新周期 | 7天 → 实时 |
| 客户投诉处理时长 | 缩短50% |
| 坐席培训周期 | 缩短30% |
| 维度 | Orange MAIA | Vodafone SuperTOBI+ | AT&T Ask AT&T | 中国联通智慧客服 |
|---|---|---|---|---|
| 核心理念 | AI副驾驶 | 前端自治+后端辅助 | 全企业Agent平台 | 场景化Agent矩阵 |
| AI底座 | 自研+Azure | Azure OpenAI | 自研SLM+H2O.ai | 联通元景大模型 |
| 部署规模 | 3000坐席 | 多国部署 | 全美呼叫中心 | 全国部署 |
| 重点场景 | 通话后处理 | 自助→人工无缝衔接 | 成本优化 | 全链路智能化 |
| 技术特色 | RAG+自动摘要 | LangGraph多Agent编排 | 小模型微调 | 六大Agent矩阵 |
| 开放程度 | 部分API开放 | LangGraph开源生态 | 企业内部平台 | 行业标准推动 |
| 效果指标 | Orange | Vodafone | AT&T | 中国联通 |
|---|---|---|---|---|
| AHT缩短 | 29% | 25% | — | — |
| FCR提升 | +13pp | +50%(关键旅程) | — | — |
| 成本节省 | — | ~40%呼入量下降 | 90% | — |
| 质检覆盖率 | — | — | — | 2%→100% |
| 后处理时间 | ↓66% | — | — | — |
| 坐席满意度 | +27% | — | — | — |
| 自助解决率 | — | 70%+ | — | 85%+ |
趋势一：从"替代坐席"到"增强坐席" 2024年的主流叙事是"AI替代客服"，但2025-2026年的实际部署证明，Agent Assist（坐席辅助）的ROI远高于完全替代。Orange的MAIA将坐席满意度提升了27%——坐席不是被替代，而是被赋能。
趋势二：小模型在特定场景击败大模型 AT&T的实践证明，针对账单查询、故障分类等高频场景，微调后的1-3B参数小模型在准确率相当的前提下，推理成本仅为通用大模型的1/10。这一趋势正在被更多运营商效仿。
趋势三：语音到语音（Speech-to-Speech）成为新战场 Orange的Sharlie是业内首批原生语音到语音AI助手之一。与传统的ASR→LLM→TTS三段式架构不同，端到端语音大模型将延迟从2-3秒压缩到300ms以内，交互体验接近真人对话。
趋势四：Agent编排取代单点AI Vodafone使用LangGraph实现多Agent编排，中国联通推出六大Agent矩阵——运营商不再满足于单一功能的AI工具，而是构建多Agent协同工作的完整服务链路。
趋势五：行业标准化加速 中国联通联合华为、中兴等发布《通信网络智能体白皮书》，GSMA发布运营商AI标杆案例集——行业正在从"各自探索"走向"标准共建"。
对于正在规划呼叫中心AI改造的运营商，建议遵循以下路径：
flowchart LR
subgraph 第一阶段:快赢["第一阶段：快赢（3-6个月）"]
A1[智能质检<br/>2%→100%覆盖] --> A2[知识库AI检索<br/>检索时间↓89%]
A2 --> A3[通话后自动摘要<br/>后处理时间↓66%]
end
subgraph 第二阶段:增强["第二阶段：增强（6-12个月）"]
B1[实时坐席辅助<br/>话术推荐+情绪检测] --> B2[预测性路由<br/>最优坐席匹配]
B2 --> B3[多Agent编排<br/>全链路智能化]
end
subgraph 第三阶段:自治["第三阶段：自治（12-18个月）"]
C1[语音到语音AI助手<br/>端到端对话] --> C2[AI外呼Agent<br/>主动服务]
C2 --> C3[全渠道AI统一<br/>语音/文本/视频]
end
第一阶段:快赢 --> 第二阶段:增强 --> 第三阶段:自治
AI坐席辅助已从试点阶段进入规模化部署阶段。四大运营商的实践证明："人机协同"模式的ROI显著高于"AI替代"模式。Orange的3000坐席MAIA部署、Vodafone的70%+自助解决率、AT&T的90%成本下降、中国联通的100%智能质检覆盖——这些不是PPT上的愿景数字，而是已经跑在生产系统上的真实数据。
2026年下半年，随着端到端语音大模型（如GPT-4o语音模式、科大讯飞星火语音大模型）的成熟，呼叫中心AI将进入"语音到语音"的新阶段。那些已经在坐席辅助上积累了数据和技术经验的运营商，将在这一轮技术迭代中占据先发优势。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。