AI坐席副驾让一线客服秒变专家

运营商客服的舆论焦点长期被两件事占据：一边是"自助机器人/智能IVR"——把客户挡在按键迷宫之外、能自己解决就别转人工；另一边是"AI外呼"——主动拨打、营销挽留。这两条路确实热闹，但它们都绕开了呼叫中心最重的一块成本：那群真正接电话的人工坐席。

一个被忽视的事实是，即便在自助率已经做到 70% 以上的运营商，剩下进入人工队列的 30% 往往是最难、最复杂、最值钱的诉求。而支撑这批坐席的，还是老三样：几页话术、一个搜起来要翻半天的知识库、一份月底才打分的质检录音。结果是：新人上手慢、平均处理时长（AHT）高、服务质量全看坐席今天状态。

2025—2026 年，一种被称作 Agent Assist（坐席副驾 / Copilot） 的形态开始在 AT&T、Verizon、中国移动等头部运营商规模化落地。它的逻辑和自助机器人完全相反——不抢坐席的活，而是给坐席配一个全程在场的"耳朵+大脑+笔"：实时听懂客户在说什么、预测客户下一句要问什么、把对的知识推到眼前、把通话要点自动写成工单。本文用四家真实部署拆解这条路。

一、为什么是"副驾"而不是"司机"：一条被低估的路线

理解坐席副驾，关键是搞清它和过去几年火过的几类客服 AI 的边界：

前三者要么对着客户、要么对着"已经挂掉的录音"，唯独没有人真正帮正在通话中的坐席。坐席副驾填补的正是这个真空——它把 AI 塞进坐席和客户对话的"中间层"，让一个入职三个月的新人，拥有十年老员工的反应速度和知识储备。这正是 AT&T 首席数据与 AI 官 Andy Markus 所说的"从信息经济进入行动经济"。

二、AT&T：Ask AT&T + 数据飞轮，砍掉 84% 分析成本

AT&T 是把坐席侧 AI 做得最"重"的运营商。它没有外购一个现成的客服 Copilot，而是基于 NVIDIA NeMo / NIM 微服务，自建了一套名为 Ask AT&T 的多智能体平台，并用"数据飞轮（Data Flywheel）"让模型持续自我迭代。

部署架构与关键决策

AT&T 面对的核心难题是模型漂移：呼叫中心知识库里有近 10,000 份文档，每周多次更新，传统静态模型很快就过时。它的解法是搭一条反馈闭环：

• NeMo Curator 清洗、过滤训练数据，用主题建模和迭代过滤剔除低质语料；
• NeMo Customizer 做基座选型，在 Mistral、Mixtral、Llama 之间反复微调，最终 Mistral 7B 胜出——平衡了准确率和推理成本；
• NeMo Retriever 接入企业知识库，让 agent 用"最新"信息做决策；
• 模型以 NIM 微服务形式部署，可跑在任何 GPU 加速基础设施上。

更值得注意的是 AT&T 在"主-从 agent"上的设计哲学。CIO 的报道披露：在一个工作流里，一个"主控 agent"调度，多个"小 agent"做决策，而小 agent 故意用小语言模型（SLM），因为"任务定义清晰，SLM 调到最准"。Andy Markus 原话："准确率是一切的驱动力。"

效果数据

NVIDIA 官方案例给出的硬指标：

• 呼叫中心分析成本下降 84%（84% decrease in call center analytics cost）；
• AI agent 回复准确率在关键指标（Rouge、BERT F1）上提升最高 40%；
• 通过轻量化微调模型降低推理延迟与算力开销；
• 整体 agentic AI 用例的 ROI 达到 2 倍，且 CIO 预计"今年还会显著增长"。

一个容易被忽视的延伸：AT&T 数字前台

同一套 agentic AI 能力，AT&T 还顺手做了个 "数字前台（digital receptionist）"——一个网络侧的 agent，主动和来电者对话、判断是否可疑，可疑就挂断或代留言，客户可实时查看转写并随时接管。这是把"坐席副驾"的实时 ASR+对话理解能力，反向下沉到反骚扰/反欺诈入口，相当于给呼叫中心装了一道 AI 门禁。

三、Verizon：用 GenAI 卸下坐席"认知负荷"，押注 SLM

Verizon 的打法更偏"人本"。其首席客户体验官 Brian Higgins 接受 CX Today 专访时，反复强调一个词：认知负荷（cognitive load）。

Verizon 不打算让 AI 替掉坐席，而是让 GenAI 在坐席接通的瞬间，把客户的历史、产品、套餐、家庭成员谁符合升级资格、有哪些专属权益没领——全部"秒级算好"端到坐席面前。Higgins 的原话很有代表性：

"坐席有了上下文和购买历史，就不用花时间问客户'您需要什么'。AI 能在几秒内分析数百万次交互，在坐席和客户对话开始之前，就预测出客户为什么来电、可能遇到什么问题。"

从"修故障"到"超个性化"

Verizon 把这套能力封装成 Personal Shopper（个人购物助手）——一个 agentic AI 工具，用客户洞察主动推荐匹配的产品和服务。Higgins 将其定位为运营商的竞争壁垒："我们的策略从一开始就不是停留在修痛点，而是用预测性的、超预期的服务提升整体体验。" 这意味着坐席的 KPI 正在从"解决一个工单"漂移到"在一次来电里完成服务+营销+挽留"——而支撑这种漂移的，正是副驾提供的实时客户画像。

押注 SLM 而非堆 LLM

Verizon 另一个清醒的判断是：大规模客服场景应该用专用语言模型（SLM），而非一味堆参数的 LLM。理由很务实——SLM 不需要 LLM 那种"海量算力和电力"，更不容易产生错误信息和幻觉，"更高效、更可信"。这与 AT&T 选用 Mistral 7B 思路一致：呼叫中心要的是又快又准又便宜，不是参数最大。

四、中国移动"九天客服大模型"：与人工坐席协作的本土路线

国内三家运营商里，中国移动"九天客服大模型"是最典型的"坐席协作"形态。它 2023 年 7 月在世界人工智能大会发布，2024 年完成系统焕新，公开定位明确——不是取代人工客服，而是与之协作：解析用户自然语言问题、分析历史沟通内容的语义，为人工客服提供实时回复建议。

这正是 Agent Assist 的标准定义。九天基座大模型提供 90 亿、139 亿、570 亿、1000 亿多种参数版本，可灵活部署于"云—边—端"，意味着运营商可以根据节点算力，把坐席副驾下沉到省/市级客服中心本地化推理，兼顾时延与数据合规。这与海外 AT&T/Verizon 的"小模型+SLM"哲学异曲同工——都是在"够用、够快、够便宜"和"安全可控"之间找平衡点，而非盲目追大参数。

需要区分的是：同样是"九天"品牌，本文聚焦的"九天客服大模型"走的是实时坐席辅助路线，与已覆盖的"九天网络大模型（运维）""九天工业大模型（制造）""九天急救大模型（医疗）"是完全不同的产品线和落地场景。

五、ResultsCX 案例：把坐席副驾量化成 50% 与 20%

如果前三个案例偏"战略叙事"，ResultsCX 给某领先电信商的部署则把坐席副驾的价值钉死在了具体数字上。该电信商当时的痛点极具普遍性：

• 新人上手太慢——新坐席培训周期长，迟迟无法独立产出；
• AHT 偏高——知识检索效率低，通话被拉长，成本上升；
• 体验不一致——坐席面对碎片化的信息源，服务质量随人波动。

ResultsCX 部署的 AI 坐席辅助平台做了三件事：实时上下文感知的推荐、统一知识库（把分散信息源整合成单一入口）、以及把培训复杂度降下来。结果：

• 坐席上手（onboarding）时间下降 50%——新人一半时间就能独立上岗；
• AHT 下降 20%——通话显著变短，容量同步上升；
• 首次呼叫解决率（FCR）提升——更准更快的应答直接改善留存与口碑。

把这三个数字翻译成经营语言：培训成本砍半 + 单通话成本降两成 + 客户满意度上行，这是坐席副驾最容易打动 CFO 的三件套。

六、坐席副驾系统架构与工作流

下面这张图刻画了一次"被副驾赋能"的来电，从客户开口到工单生成的完整数据流，也是上述四家共同的技术骨架：

flowchart TD
    A[客户来电] --> B[CTI/ACD 路由]
    B --> C[坐席接通<br/>CRM拉取客户画像]
    C --> D[实时ASR引擎<br/>语音转文本]

    D --> E[大模型意图理解<br/>预测客户诉求]
    C --> F[客户历史/产品/权益<br/>实时画像]
    E --> G[知识库RAG检索]
    F --> G
    G --> H[坐席副驾界面<br/>话术+知识+下一步建议]

    H --> I[坐席参考建议<br/>与客户对话]
    D --> J[实时摘要与<br/>智能填单]
    I --> J
    J --> K[工单/CRM自动落库]
    K --> L[质检与反馈]
    L --> M[数据飞轮<br/>回流微调SLM]
    M --> E

    style D fill:#e1f5ff
    style H fill:#fff4e1
    style M fill:#e8f5e9

图中有三个最关键的"心跳节点"（图中高亮）：实时 ASR（让 AI 听得见）、坐席副驾界面（让 AI 说得出来且坐席看得见）、数据飞轮（让 AI 越用越准）。前两个决定体验，第三个决定这套系统能不能活过一年——没有数据飞轮，再炫的副驾也会在知识库一周三更之后迅速变笨，这正是 AT&T 拿 NeMo 死磕"近万文档每周更新"的原因。

七、横向对比：四家方案差异与共性

把四家放一起，共性比差异更值得抄作业：① 都不追求参数最大，而是用 SLM/小模型换速度与成本；② 都把"实时"和"知识新鲜度"作为生命线，靠数据飞轮/统一知识库维系；③ 都坚持人机协作，AI 当副驾而非司机；④ 都把坐席价值从"接电话"升级为"服务+营销+挽留"的一体化触点。

八、效果数据汇总与ROI测算

粗算一笔账：对一个 2000 坐席规模的客服中心，若 AHT 下降 20% 等同于在不增编的前提下多承接约 25% 的话务量；而 onboarding 下降 50% 意味着新兵流失高发期被压缩，培训费用与产能爬坡损失同步减半。这两项叠加，就是坐席副驾能在运营商内部拿到"正式商业案例、直连 CFO 办公室"的底气。

九、不能只看光鲜：三个落地深坑

坐席副驾不是银弹，规模化推进时有三道坎必须正视：

第一，幻觉零容忍。 客服场景下，AI 推错一条资费、说错一个套餐规则，轻则客户投诉、重则监管处罚。AT&T 和 Verizon 不约而同押注 SLM/小模型+微调，本质都是在用"窄而精"换"可控不胡说"。任何落地都必须配 RAG 锚定企业知识库，而非让模型自由发挥。

第二，知识新鲜度与数据飞轮的工程负担。 "近万份文档每周多次更新"不是噱头，是真实的运维地狱。没有自动化标注、没有人工+AI 双评委的评测闭环，模型两周就漂移。这块的投入往往被低估。

第三，人机协作的边界与坐席心理。 副驾推建议、坐席拍板执行——听起来美好，实际操作中坐席可能"懒得看建议"或"盲目照念"。需要配套话术授权机制、坐席培训和对"采纳率"的持续度量。AT&T 强调"human always oversees"，Verizon 强调"there will always be employees"，都是在划这条边界。

十、对国内运营商的落地建议

1. 先做"耳朵"，再做"嘴巴"。 优先部署实时 ASR + 摘要 + 智能填单，这三个能力风险最低、坐席接受度最高，能立刻把 AHT 和事后录入压下来；意图预测和话术推荐作为第二阶段，待知识库治理成熟后再上。
2. SLM 优先，参数够用就好。 参照 AT&T Mistral 7B 与 Verizon SLM 路线，国内可基于九天/星辰/元景的中等参数版本做客服场景微调，把时延压到坐席可接受的亚秒级。
3. 把数据飞轮当一等公民立项。 评测闭环、知识库版本管理、坐席反馈回流，要和模型本身一起规划预算，否则上线即巅峰。
4. 接入反骚扰入口。 借鉴 AT&T 数字前台，把坐席副驾的实时对话理解能力复用到来电侧的诈骗/骚扰识别，一份技术两处产出。

结语

呼叫中心的 AI 叙事，正在从"用机器人挡客户"转向"用副驾撑坐席"。AT&T 用数据飞轮把分析成本砍掉 84%，Verizon 用 SLM 卸下坐席认知负荷并撬动超个性化营销，中国移动九天客服把"与人工协作"写进产品定义，ResultsCX 则用 50% 与 20% 两个数字证明这条路算得过账。当一线坐席能在接通的那一秒就"知道客户是谁、要什么、该怎么答、答完自动成单"，呼叫中心才真正从成本中心，长成运营商手里最懂客户的那块触点。

参考来源

1. AT&T Drives AI Agents' Accuracy, Efficiency, and Performance With NVIDIA — NVIDIA官方案例：Ask AT&T 数据飞轮、Mistral 7B 微调、84%分析成本下降、40%准确率提升
2. AT&T is all-in on agentic AI — CIO.com — CIO深度报道：数字前台反骚扰、Ask AT&T Workflows、主-从 agent、ROI 2 倍
3. Verizon Is Using AI Agents to Improve Customer Experiences. Here's How — CX Today — Brian Higgins专访：降认知负荷、Personal Shopper、押注 SLM
4. AI-Driven Agent Assist Unlocks Value for a Leading Telecoms Provider — ResultsCX — 部署案例：onboarding↓50%、AHT↓20%、FCR 提升
5. 九天客服大模型 — 百度百科 / 中国移动九天大模型报道 — 九天客服大模型定位：与人工客服协作、提供实时回复建议、多参数云边端部署

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。