在运营商客服的世界里，有一个所有人都心知肚明却长期无解的顽疾——"来电死循环"。
一位用户的账单莫名其妙涨了价，他打通客服电话，坐席说"我帮你查"，挂断；第二天他又打，换了个人，从头复述一遍，还是没解决；第三天、第四天……几通电话下来，他的耐心被彻底磨光，下一步动作往往就是携号转网。
Verizon（威瑞森）消费业务CEO Sowmyanarayan Sampath给这个群体算过一笔账：80%的用户问题能在第一次来电中解决，约15%的人需要再打一两次，而最后5%会掉进"doom loop"（死循环）——他们是最不满意、最容易流失的那批人。"这是一段非常糟糕的旅程，"Sampath直言，"我们看到了，这对他们不公平。"
这5%的代价有多惨烈？2025年第一季度，Verizon一口气流失了35.6万无线后付费用户，而去年同期"仅"流失19.4万。在连续涨价引发反弹、T-Mobile虎视眈眈的当口，这5%的死循环用户，正是压垮客户留存数据的关键变量。
于是Verizon祭出了一套堪称"美式运营商最大胆"的AI客服改造方案：用谷歌Gemini把死循环拦腰斩断。这套打法不靠换头像的数字人，也不靠冷冰冰的外呼机器人，而是把AI深嵌进从"来电预判—首次解决—主动出击—反向带货"的全链路。它给整个行业提出了一个尖锐的问题：当AI能把九成难题一次解决，28000名客服的下一个身份，是不是销售？
要理解Verizon为何押注AI，得先看清楚传统呼叫中心的结构性缺陷。
Verizon每年要处理1.7亿次客户来电，养着一支6万人的坐席大军（消费业务线核心团队2.8万人）。在没有AI的日子里，这套体系有四个致命短板：
第一，意图盲盒。 用户打进来之前，系统并不知道他要问什么。排队、转接、再排队，全靠IVR按键迷宫和人工判断。Sampath透露，一年半以前，AI大模型在判断来电意图时的错误率高达30%—40%——这意味着接近一半的转接是错的。
第二，知识断层。 坐席面对用户提问，要在十几个系统、上万份文档里翻找答案。一个"为什么我的账单涨了"的问题，可能要切五个界面、问两个同事。用户的等待时间，本质是坐席的检索时间。
第三，孤岛式解决。 传统模式下，每个坐席只对自己的工单负责。用户A这次找坐席甲解决了"账单问题"，下次来电遇到"信号问题"又找坐席乙，全程没人对A的完整体验负责。死循环就是这么产生的——问题被碎片化处理，没有人能在全局视角下"一次搞定"。
第四，被动响应。 用户的手机物流丢了，系统其实早知道（FedEx会回传状态），但运营商非要等用户自己气急败坏地打来电话，才开始处理。
这四个短板叠加，就催生了那5%的doom loop。而更要命的是，在存量竞争时代，挽留一个老用户的成本，只有发展一个新用户的五分之一。死循环用户每流失一个，都是真金白银的损失。
CEO Hans Vestberg在2024年年中就放出豪言："今年我们要通过AI阻止10万名客户离网。" 这句话，把AI客服从"成本中心"直接钉成了"利润中心"。
Verizon的AI客服改造不是单点突破，而是一套贯穿"预测—解决—主动—转化"四层的完整架构。其底层引擎，是与谷歌云深度共建的Gemini大模型（消费业务线已升级到定制版Gemini 2.0）。
flowchart TB
A[用户来电/打开App] --> B{第一层:意图预判引擎}
B -->|GenAI预判80%来电意图| C[智能路由匹配最合适坐席]
C --> D{第二层:首次解决引擎 Customer Champion}
D -->|Gemini 2.0 + 每案小模型 SLM| E[端到端处理+全程主动通知用户]
E --> F{是否在闭环中?}
F -->|是,90%一次解决| G[闭环,死循环被斩断]
F -->|否,转专家团队| H[人工兜底]
I[第三方事件:FedEx丢件/网络告警] -.->|第三层:主动出击| J[AI自动立案+主动联系用户]
J --> K[无需用户来电即解决]
L[坐席工作台:Personal Research Assistant] -.->|15,000份文档 RAG| D
M[第四层:销售转化] -.->|AI实时话术+套餐推荐| N[坐席由客服转销售,销量+40%]
这是Verizon最早商用、也是最"反直觉"的一层。Vestberg在公开场合透露，Verizon的GenAI现在已经能预判80%的来电意图，并在用户和真人坐席接通之前，就把这通电话路由给"最擅长处理这类问题"的坐席。
"我有6万名坐席，我知道每个人真正擅长什么，所以我能把你的电话匹配给对的人。"Vestberg的这句话，道破了智能路由的本质——它不是简单的技能组排队，而是基于每个号码背后1500个数据维度（历史来电、套餐、终端、消费行为、网络质量等）做的精准画像匹配。
更关键的是，所有这些数据都留在Verizon自有网络内处理，不外送第三方——这是Verizon反复强调的"数据主权"卖点，也是它能拿到监管和企业客户信任的底线。
如果说第一层是"路由对的人"，第二层就是"让对的人一次把事办完"。
2025年6月，Verizon借着神秘项目"Project 624"落地的东风，正式上线了一支名为"Customer Champion"（客户冠军）的专属团队。这支团队不接普通咨询，专啃那些最容易掉进doom loop的复杂工单。它背后跑的，是Verizon定制的Gemini 2.0模型，能完整处理一通电话、识别解决方案，并在整个解决过程中持续主动通知用户进度——你不用反复打电话问"修好了吗"，系统会主动告诉你"修到哪一步了"。
效果数据相当硬核：试点阶段，90%的问题能在首次来电就解决，Sampath的目标是把这一数字推高到95%—96%。这个逻辑是从Verizon的企业客户（enterprise）服务里平移过来的——企业客户早就享受过这种"端到端负责"的待遇，现在它下沉到了消费市场。
这里有个技术细节值得行业关注：Verizon并不迷信一个万能大模型。Sampath打了个绝妙的比方——"我不需要知道罗马人干了什么。我需要知道的是我的账单为什么涨了。" 为此，Verizon会为每一个工单(case)动态生成一个专属的小语言模型(SLM)，它只装载与这个具体问题相关的知识，既精准又可控。这种"LLM+SLM"的混合打法，是把大模型的通用理解力和小模型的垂直精准度结合的典型范式。
这是最能体现"AI重塑服务范式"的一层。传统客服是"用户报障→运营商响应"的被动模式，Verizon用AI把它翻转成了"运营商感知→主动出击"。
Sampath举了个生动的例子："如果你的手机在物流途中丢了，我知道这件事，因为FedEx告诉我没送达。那我为什么还要等你打来电话告诉我手机丢了呢？" 在这种场景下，Verizon的AI会自动识别问题、自动开立工单、并主动带着解决方案联系用户——这一切发生在用户察觉之前。
这一能力被深度集成进了新版My Verizon App里的"Verizon Assistant"。谷歌工程师直接参与了它的调优，并嵌入了Verizon专属的业务上下文。从被动响应到主动出击，这一层直接从源头消灭了相当比例的"潜在死循环"。
这是Verizon最得意、也是争议最大的一层。
通过把近1.5万份内部文档喂给Gemini，Verizon为坐席打造了一个叫"Personal Research Assistant"（个人研究助理）的工作台副驾。它能实时理解用户语境，给出可应答性高达95%的精准答案，把坐席从翻文档的苦差里彻底解放出来。
解放出来的脑力去哪了？去卖货。 "我们正在实时把客服坐席重新技能化，转变成销售坐席。"Sampath这句话，是整个改造的灵魂。
数据极具说服力：部署这套AI助手后（2024年7月至2025年1月分批上线），Verizon消费业务2.8万人客服团队的销售转化量飙升了近40%。换言之，每一通原本"只解决问题"的电话，现在都被AI实时提示着"这个用户其实可以升级套餐/加购家庭计划/换新机"，坐席顺势就把单给促成了。
这一层把AI的价值逻辑彻底改写：它不再是省钱的工具，而是赚钱的工具。
| 指标维度 | 改造前/传统模式 | AI改造后 | 数据来源 |
|---|---|---|---|
| 来电意图预判准确率 | 依赖IVR按键+人工，AI错误率30%—40% | 预判80%来电意图，准确率"远超90%" | Vestberg/CNET |
| 首次来电解决率(FCR) | 80%一次解决，5%掉入死循环 | 试点90%一次解决，目标95%—96% | CNET/Sampath |
| 坐席应答能力 | 人工翻文档，耗时长 | AI副驾95%综合可应答性 | 谷歌云联合公告 |
| 客服团队销售转化 | 坐席只做服务，无销售动作 | 销量提升40%（2.8万人团队） | Reuters/Cresta |
| 营业厅服务效率 | 标准化推荐，耗时固定 | 个性化推荐，单次到店缩短7分钟 | Vestberg |
| 防流失目标 | 无量化承诺 | 年度阻止10万用户离网 | Vestberg |
| 知识库规模 | 分散在各系统 | 1.5万份文档RAG进Gemini | Cresta |
| 服务覆盖 | 8:00—21:00人工 | 9:00—午夜人工+7×24在线客服 | CNET |
| 用户数据维度 | 基础画像 | 每号码1500个数据点 | Vestberg |
这组数据里最值得玩味的是两个"40%"的对照：一年半前AI的错误率是30%—40%，而现在准确率"远超90%"。大模型在过去18个月里的可用性跃迁，是这场改造得以落地的技术底座。Sampath也坦承，现在的错误"也只是轻微的不准确，因为我们处理问题的方式决定了它不会给出疯狂的答案"——这正是per-case SLM+RAG护栏的功劳。
Verizon的打法并非行业唯一解。把美欧主流运营商的AI客服方案放在一起，能清晰看到三条截然不同的技术路线和价值取向。
| 对比维度 | Verizon（谷歌Gemini） | T-Mobile（OpenAI IntentCX） | Klarna（激进自动化） |
|---|---|---|---|
| 核心伙伴 | 谷歌云，定制Gemini 2.0 | OpenAI，多年期深度合作 | 自研+多家大模型 |
| 产品代号 | Project 624 / Customer Champion | IntentCX（2025年上线） | AI客服全自动化 |
| 核心能力 | 意图预判+首次解决+主动出击+销售转化 | 意图驱动决策+实时情绪感知 | 端到端AI应答，替代人工 |
| 坐席策略 | 增强(Augmentation)，坐席转销售 | 增强坐席，深挖客户数据 | 大幅裁员，削减客服编制 |
| 模型策略 | LLM+每案专属SLM混合 | 定制训练T-Mobile客服方法论 | 通用LLM为主 |
| 数据治理 | 数据留在自有网络 | 向OpenAI共享客户数据(引发隐私讨论) | 平台托管 |
| 价值主张 | 既省钱又赚钱(销量+40%) | 体验差异化，情绪驱动 | 极致降本 |
这三种路线背后，是两种针锋相对的AI哲学：
Verizon代表的是"增强派"。Sampath明确反对Klarna式的裁员逻辑："如果我要降本，有的是更简单的办法，根本不需要部署AI和它带来的一堆复杂度。对我们来说，AI是为了解决问题。"Verizon选择用AI卸掉坐席的认知负荷，让他们"把脑力和带宽集中在更好地倾听客户上"。这种"AI不取代人，而是重塑人的角色"的叙事，在重视工会和就业的北美市场显然更政治正确。
Klarna代表的是"替代派"。这家瑞典支付公司用AI把客服团队砍到极致，单靠AI就处理了海量咨询。它的逻辑简单粗暴：AI能干的，绝不让人干。
T-Mobile走的是"中间偏体验"路线。它与OpenAI共建的IntentCX，最大的差异化在于实时情绪感知——它不只是理解你"说什么"，还要感知你"什么情绪"，并据此调整应答策略。这是另一种维度的客户体验竞争。
对中国运营商而言，这三种路线都有镜像：联通元景、移动九天、电信星辰更偏向Verizon的"增强+销售"复合路线（既要做坐席副驾，又要做外呼营销）；而部分互联网化的虚拟客服尝试，则带着Klarna"替代"的影子。
回到Sampath那句经典语录——"我不需要知道罗马人干了什么，我只需要知道我的账单为什么涨了。" 这句话看似调侃，实则点破了企业级AI部署的一个核心命题：通用大模型的"博学"，在企业场景里常常是负担而非资产。
一个知道罗马历史的模型，在回答"账单为什么涨了"时，可能因为参数里混入了无关知识而生成冗长、跑题甚至幻觉式的答案。Verizon的解法是为每个工单生成一个专属SLM——这个小模型只装载与该具体问题相关的知识切片（套餐规则、促销条款、该用户的历史账单），
这种"LLM做大脑负责理解意图、SLM做四肢负责精准执行"的混合架构，配合1.5万份文档的RAG（检索增强） 和1500维用户画像，构成了Verizon把错误率从40%压到"轻微不准确"的技术底座。它给行业的启示是：企业AI落地，拼的不是谁的模型参数大，而是谁能把通用能力精准收敛到业务点上。
数据光鲜，但仍有三个值得拷问的点。
第一，AI上线后Q1仍流失35.6万用户。 这是不是说明AI没起作用？Verizon高管的解释是"季节性因素+过渡性(transitory)"，并承诺2025下半年会推出更多AI驱动的留存体验。但这意味着AI客服的红利，可能存在12—18个月的滞后——它先改善体验，体验再转化为留存，留存再反映到财报。短期的财务压力，仍要靠AI之外的手段扛。
第二，"坐席转销售"的可持续性。 把28000名客服逼成销售，短期销量+40%很诱人，但长期看，当每一通"求助电话"都暗藏销售意图时，用户体验是否会异化？ 用户打来投诉信号差，坐席却借机推销升级套餐——这种"服务变推销"的边界一旦把握不好，反而可能加速流失。Sampath强调的"超个性化"是把双刃剑。
第三，主动出击的隐私边界。 "FedEx告诉你手机丢了，我主动联系你"听起来贴心，但运营商掌握1500维用户数据、还能跨企业(FedEx)感知事件，这种深度数据整合能力，在隐私监管趋严的当下，是否会触碰红线？Verizon强调"数据留网内"是回应之一，但跨企业数据共享的法律框架仍需厘清。
Verizon的这场改造，本质上回答了一个行业级问题：当AI能把90%的客服难题一次解决，那剩下的人力该干什么？
Verizon的答案是——去创造收入。它用Gemini把死循环斩断，把坐席从检索苦工解放成销售尖兵，把被动响应翻转为主动出击。这套"四层AI"架构，让客服中心第一次具备了"既省钱、又赚钱"的双重属性。
对中国运营商而言，Verizon的实践提供了三个可借鉴的抓手：一是意图预判+智能路由能从源头消灭错误转接；二是per-case SLM比一味追求大参数更务实；三是客服向销售转化的"增强而非替代"哲学，在存量竞争时代价值尤为突出。
当95%的难题都能被AI一次解决，客服坐席的真正价值，将不再是"回答问题"，而是"理解人"——这或许是AI留给人类最后的、也是最值钱的位置。
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。