对话式语音导航重构 10086：小贝、86NEXT 与全球对话式 IVR 实战对比

拨通热线，听到的是"按 1 查询话费、按 2 办理业务、按 0 转人工"——这个让全球用户苦不堪言的"按键迷宫"，正在被对话式语音 AI 彻底拆掉。本文以中国移动 10086"小贝/86NEXT"为核心案例，横向对比 PolyAI（391% ROI）、Vodafone SuperTOBi 与 Google CCAI 方案，拆解运营商呼叫中心呼入侧最关键的智能化战场。

一、为什么"按键迷宫"必须被终结

传统 IVR（Interactive Voice Response，交互式语音应答）诞生于上世纪 90 年代，靠 DTMF 双音多频信号识别用户按键。它的本质问题是把人当机器：用户必须先记住自己是"1"还是"2"，沿着树状菜单层层下钻，稍有走错就得从头再来。

运营商是这场体验灾难的重灾区。中国移动 10086 是全球最大的单体呼叫中心系统，服务 10 亿多个人客户，热线智能语音与互联网智能交互服务每月服务量超过 1.6 亿次。即便如此规模，传统 IVR 仍长期面临三个顽疾：

• 识别模糊：用户说"我那个套餐太贵了想换便宜点的"，关键词式机器人听不懂，只能反复追问"请说出您要办理的业务名称"。
• 转人工洪峰：菜单越深，用户越不耐烦，遇到听不懂就狂按 0，导致人工坐席排队、AHT（平均处理时长）飙升。
• 知识僵化：话术树一旦写死，新套餐、新政策上线就得重新录词、重新画流程图，周期以周计。

行业把"在语音自助环节就把客户问题解决掉、不进人工队列"的能力叫 Containment Rate（自助解决率/话务自服务率）。这正是 PolyAI、Google CCAI、中国移动小贝共同追逐的核心 KPI——它每提升一个百分点，意味着同等话务量下需要的人工坐席直接减少。

二、案例核心：10086 的"小贝"——精准补位而非大而全

2023 年 10 月，中国移动在合作伙伴大会发布 "86NEXT 心智服务新门户"，搭载 5G 新通话与"九天"大模型，把 10086 这一全球最大客服平台率先推进行业大模型工程化应用。其面向呼入语音侧的主力产品，就是 AI 智能客服 "小贝"。

值得注意的是，北京移动的实战经验（详见知乎"企业 AI 落地"专栏复盘）给出了一个反共识的定位：小贝不是"全智能客服"，而是精准补位工具——"哪块不行补哪块，从不越界干机器干不好的事"。它最先啃下的硬骨头就是"识别模糊"，通过三维标签体系把口语化、含糊的用户表达结构化，而不是盲目追求端到端对话。

小贝、灵犀（AI 智能助理）、5G 视频客服三者构成 10086 的多元服务模式：话费查询、业务办理等高频基础需求由小贝秒级响应、即时办结；复杂诉求通过 5G 视频客服人工兜底。据公开披露，客户每月与小贝的沟通超过 2 亿次，CHBN（个人、家庭、政企、新兴）全市场产品承载能力让其大幅缩短客户获取服务的时间。

三、对话式语音导航的系统架构

下面这张架构图还原了从用户呼入到自助解决/智能转人工的完整链路，这也是 86NEXT、PolyAI、Google CCAI 三个流派共同的"骨架"，区别只在于每一层的实现深度。

flowchart TD
    A["👤 用户呼入 10086"] --> B["🎤 ASR 语音识别<br/>口语转文本"]
    B --> C["🧠 意图理解层<br/>大模型 + 三维标签<br/>（实体/意图/槽位）"]
    C --> D{"是否需要业务办理?"}
    D -- "查询/咨询类" --> E["📚 RAG 知识库检索<br/>话费/套餐/政策"]
    E --> F["💬 对话管理器 DM<br/>多轮澄清/确认"]
    F --> G["🔊 TTS 语音合成<br/>自然语速应答"]
    G --> H{"自助办结?"}
    H -- "✅ 成功" --> I["🎯 话务自服务闭环<br/>Containment"]
    H -- "❌ 复杂/情绪化" --> J["🧭 智能路由转人工<br/>带上下文&意图标签"]
    D -- "办理/改办类" --> K["⚙️ 调用业务系统 API<br/>CRM/BSS"]
    K --> F
    J --> L["👩‍💼 人工坐席<br/>（灵犀助手辅助）"]
    I --> M["📊 全程对话回流训练<br/>持续优化"]
    L --> M
    style I fill:#d4edda,stroke:#28a745
    style C fill:#e3f2fd,stroke:#1976d2

这套架构的关键有三层：

1. 感知层（ASR/TTS）：把口语实时转文字、把回复合成自然语音。电信场景对识别准确率要求极高，因为充斥"5G 套餐""携号转网""副卡"等专业词与数字串。
2. 认知层（意图理解 + 知识库）：这是小贝"三维标签"和 PolyAI"对话控制"较劲的地方。能不能在用户说"我那个月租想弄低点"时，秒懂=降套餐+推荐档位+校验资格，决定了自服务率天花板。
3. 执行层（API 编排 + 智能路由）：理解之后要真正去 BSS/CRM 改数据，办不成才是空谈；办不成时还要带着"上下文+意图"转人工，避免用户把话说第二遍。

四、效果数据：规模、自服务率与成本

下表汇总核心案例的可披露效果数据。需要特别说明：自助解决率/Containment Rate 因运营商口径不同差异极大，下表中标注"行业基准"的数值为 PolyAI、Forrester TEI 报告与 Gartner 案例库的公开区间，用作横向参照，并非某家运营商官方披露。

五、国际同行三强对比：谁在拆按键迷宫

把镜头拉远，全球拆解传统 IVR 的方案大致三条路线，正好对应三家公司：

路线 A：纯云原生对话式语音——PolyAI

英国厂商 PolyAI 是"customer-led conversational assistant（客户主导型对话助手）"的代表。它的产品哲学是不预设死流程树，让用户抢话说、随时打断、自然岔开，系统用 Raven v2 大模型实时跟上。Forrester 在 2025 年发布的《Total Economic Impact of PolyAI》报告中给出三年 391% ROI 的结论，核心收益来自降低呼叫放弃率（abandonment rate）、提升 containment 与压缩坐席成本。它定义的 Containment Rate（无需人工介入即闭环的通话比例）已成为业界通用度量。其客户覆盖 utilities 与电信，公开案例中常见"减少 X% 呼入量""替代传统 IVR 第一层"的表述。

路线 B：GenAI 重武装现有助手——Vodafone SuperTOBi

Vodafone 没有推倒重来，而是把已有聊天机器人 TOBi 升级为生成式 AI 版 SuperTOBi，并配套 SuperAgent（给人工坐席的增强 bot）。技术栈全面转向微软：Azure AI Studio + Azure OpenAI Service + Azure AI Search，一个平台支撑 15 种语言。投入方面，英国市场约 £120m–£140m，已在意、葡、德等多国落地。SuperTOBi 的突破点在于能处理传统规则机器人搞不定的复杂账单查询、故障排查这类需要推理的诉求，而 TOBi 时代约 60% 客户已习惯用它办日常查询。

路线 C：超大规模改造老牌运营商——Quantiphi × Google CCAI

美国一家大型电信运营商（retail/residential/enterprise 全覆盖）请 Google 云金牌伙伴 Quantiphi 用 Google Cloud Contact Center AI（CCAI） 改造传统呼叫中心，目标是降 OpEx。亮点在于定制化 ASR：基于 NVIDIA Riva 对电信专有词汇、口音做微调，把识别准确率拉到生产可用线。这条路线的特点是"重型工程"——端到端打通呼叫流、实时通话分析、坐席辅助，适合话务量动辄上亿、且对可解释性与合规要求苛刻的老牌运营商。

三强功能与定位对比

六、三代 IVR 演进：按键→关键词→对话

理解这场变革，最清晰的方式是看三代演进的本质区别：

小贝、PolyAI、SuperTOBi 都处于 3.0。但 3.0 不是"装个大模型就灵"，北京移动复盘点破的关键是：用大模型做理解和编排，但不让它直接"自由发挥"办业务——办业务必须落到结构化 API，这是规避幻觉与合规风险的红线。

七、落地挑战与避坑（实战视角）

综合 10086、PolyAI TEI 报告与 Google CCAI 案例，对话式 IVR 真正难的不是模型，而是四件事：

1. 识别准确率是地基。电信术语、数字串、口音是 ASR 杀手。Quantiphi 不得不上 NVIDIA Riva 做定制微调，10086 则靠海量真实话务语料预训练。地基不稳，上面意图理解全是空中楼阁。
2. 意图理解的"精准补位"比"全智能"更值钱。小贝的成功恰恰在于"哪块不行补哪块，不越界"。一上来就想用大模型端到端替代人工，往往翻车在合规与可控性上。
3. 闭环要打通 BSS/CRM 的 API。听懂了却办不了，等于零。能把"降套餐"一路调到底层计费系统，才是真自服务；调不通就老老实实带上下文转人工。
4. containment 要配合智能路由。自服务率提升的同时，必须用"意图+情绪+历史"把转人工的工单做精细化路由，否则省下的自助成本会被低质转接吃掉。

八、结论：呼入侧的智能化，是呼叫中心 ROI 最高的那块骨头

呼叫中心智能化有三条战线：人工侧（座席助手/智能教练）、呼出侧（外呼营销/挽留）、呼入自助侧（对话式 IVR/自服务）。前两条已被广泛报道，而呼入自助侧往往被低估，却是 ROI 最高、最该先打的一仗——因为它直接削减话务量、压降坐席编制，且改善的是每一个用户的第一触点体验。

中国移动 10086 用"小贝+86NEXT+九天大模型+5G 新通话"证明了超大规模、强自主可控的路线可行；PolyAI 用 391% 的三年 ROI 证明了云原生对话路线的高回报；Vodafone SuperTOBi 用 £140m 和 15 语种证明了GenAI 武装存量助手的跨国打法；Google CCAI + NVIDIA Riva 则给出老牌运营商定制工程的样板。四条路线殊途同归：把"按键迷宫"拆掉，让用户一句话直达诉求。

对国内运营商而言，下一阶段的胜负手不在"有没有大模型"，而在自服务率能否再上台阶、转人工是否带上下文、以及视频客服/5G 新通话能否把语音自助升级为多模态自助。10086 的小贝，只是这场呼入革命的起点。

参考来源

1. 中国移动发布 86 Next，率先实现行业大模型应用破冰（IT 之家） — 86NEXT 心智服务门户搭载九天大模型与 5G 新通话的技术披露
2. AI 智能服务让服务"心有灵犀"——小贝/灵犀/5G 视频客服（搜狐转载） — 小贝月均超 2 亿次沟通、话费/业务办理秒级响应的运营数据
3. PolyAI customers achieved 391% return on investment（Forrester TEI） — 三年 391% ROI、containment 与放弃率指标的行业基准
4. Meet SuperTOBi — Vodafone's new Generative AI virtual assistant（Vodafone Newsroom） — SuperTOBi 多国部署、处理复杂账单/故障查询
5. Modernizing Telecom Contact Center and Reducing OpEx（Quantiphi 案例） — 美国大型电信运营商用 Google CCAI + NVIDIA Riva 改造呼叫中心降 OpEx
6. 北京移动：AI 客服小贝的非共识实践（知乎） — 小贝"精准补位、不搞大而全、三维标签"的工程化落地复盘

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。