# Orange语音助手无脚本直办业务：MAIA坐席副驾+Sharlie端到端语音如何接管法国客服一线 2026年3月的一个周二上午，一位Sosh用户拨通了客服热线。他没有听到那句熟悉的"按1查询话费、按2办理套餐、按0转人工"，电话那头直接传来一个自然的、可以随时打断的人声："您好，需要我帮您看一下这个月的账单吗？"——而这位"客服"，从头到尾都不是真人。这就是Orange France在2026年第一季度抛出的"双AI炸弹"：面向3000名销售顾问的坐席副驾**MAIA（Mon Assistant IA）**，以及面向Sosh低费率品牌的端到端语音助手**Sharlie**。前者把人变成专家，后者干脆绕过人，直接用语音对话把业务办了。 作为法国第一大运营商、连续被监管机构ARCEP评为固网与移动客服满意度"双第一"的玩家，Orange为何要在已经登顶的时刻，把客服一线交给两个AI？这对国内运营商正在推进的"万号智能化"又意味着什么？本文拆解这套"双AI"架构的真实工程细节。 ## 一、为什么是现在：法国客服一线的两难 法国电信客服的处境和国内高度相似，可以总结为三个"被夹击"的点： **第一，IVR按键树已经成为体验杀手。** 传统的交互式语音应答（IVR）靠层层菜单跳转，用户平均要听4–6层提示音、按3–5次键才能到达目标业务。法国消费者保护机构长期把这列为投诉重灾区，ARCEP甚至专门出台服务质量指标考核。 **第二，坐席负荷与培训成本双高。** Orange France拥有数以千计的客服顾问（conseillers commerciaux），人均每天处理60–80通电话，要在通话中实时查询BSS/计费系统、翻阅SOP、办业务、做记录。新人上岗培训动辄数周，而套餐、促销、技术故障知识每周都在变。 **第三，传统文本机器人"答非所问"。** 基于关键词匹配或老式NLU的聊天机器人无法理解上下文，用户稍微换个说法就崩，最终只能转人工，反而增加等待。 更要命的是一份行业基准数据：据remio.ai 2026年的统计，AI客服自动化在电信和电商行业已经能处理**80%以上的一级（tier-1）咨询量**；而aimagicx的分析指出，电信业以**48%的AI智能体采纳率**位居所有行业第一。换句话说，"上不上AI"已经不是问题，"怎么上、敢不敢把客户关系整个交给概率模型"才是。Orange选择了一种激进路径：既然要上，就两条腿一起走——**一条腿辅助人（MAIA），一条腿替代IVR（Sharlie）**。 ## 二、双AI总览：一个"武装到牙齿"的副驾，一个"无菜单无脚本"的新物种 先看两张面孔的本质差异。MAIA是**agent assist（坐席副驾）**，部署在人工坐席这一侧，定位是"让人更快、更准、更轻松"；Sharlie则是**面向客户的端到端语音智能体**，部署在IVR最前线，定位是"在不需要人的时候，干脆不让人参与"。 | 维度 | MAIA（坐席副驾） | Sharlie（端到端语音助手） | |---|---|---| | 上线时间 | 2026年2月 | 2026年3月中旬 | | 面向对象 | 3000名销售顾问（内部） | Sosh品牌用户（外部客户） | | 交互形态 | 文本/卡片，伴随通话实时提示 | 语音对语音，可打断全双工 | | 核心定位 | 赋能人工坐席 | 替代传统IVR菜单 | | 是否需真人 | 是，人仍是主导 | 否，可全程自助 | | 技术基底 | LLM + 知识检索 + BSS集成 | 多智能体编排 + speech-to-speech | | 协作方 | Orange Business自研 | 微软 + Illuin Technology联合，TP Group训练 | 这套组合的精妙之处在于**风险分层**：把客户体验中最不可控、最高价值的"自然对话"环节，先放在低费率品牌Sosh上做沙盒验证（Sosh本身就是纯线上、用户对数字化接受度高），同时用MAIA稳住主力品牌Orange的人工坐席基本盘。一个冲锋、一个托底。 ## 三、Sharlie深拆：30个智能体撑起的"无脚本"对话 Sharlie最硬核的技术亮点，是把客户感知的"一个客服"，拆成了**后台30个专门智能体的协同编排**。这一点来自Orange的部署合作方Converteo披露的工程细节，非常值得通信圈仔细看。 ### 1. 多智能体编排：一个对话，30个专家接力 用户听起来是在和"Sharlie"一个人说话，但背后是**计费、投诉、套餐管理、技术故障、订单、销售……等约30个垂直智能体**在按对话的自然逻辑接力。这些智能体全部对接Orange的IT/BSS系统，每个智能体只负责自己最擅长的一块。编排器（Orchestrator）根据语义判断该把上下文交给谁。 这和国内常见的"一个大模型一杆子捅到底"做法截然不同。Converteo的顾问David Guede点破了一个关键认知：**"为人类设计的流程，不能原样照搬给AI。"** 人类顾问会自觉地把僵化的SOP"柔化"成自然对话；而LLM因为"字面服从"，如果给它一套过度约束的流程，它会产生僵硬、机械的回复。所以Sharlie团队不是把现有SOP灌进去，而是**为AI重新设计了业务逻辑**，让它跳出机械应答循环。 ### 2. Speech-to-Speech全双工：砍掉ASR→LLM→TTS的三段管道 这是Sharlie被GlobalData评为"全球首批原生语音到语音（native speech-to-speech）自然对话助手之一"的根本原因。传统语音机器人是**ASR（语音转文字）→ LLM（文字理解生成）→ TTS（文字转语音）**的三段式管道，每一跳都增加延迟、丢失语气、累积错误，而且无法处理打断。 Sharlie采用的是基于OpenAI Realtime的**voice-to-voice / 全双工（full duplex）**技术，语音直接到语音，支持**用户随时打断**、抢话、改主意，对话延迟极低、语气自然。用户体验上，它已经接近和一个真人通话——这正是它号称"100% AI呼叫中心"的底气。 ### 3. 概率模型怎么兜底：三大安全支柱 把客户关系整个交给一个"可能答对99次、第100次翻车"的概率模型，这是CIO们最怕的事。Sharlie的答案是三道闸门： - **虚拟客户（Virtual Customer）**：能针对同一个意图模拟出**数千种变体**进行压测，提前发现模型在奇怪表述下的崩溃点； - **LLM-as-a-Judge（裁判模型）**：在对话进行中**实时监控语义质量**，确保每条回复都符合品牌要求； - **语义护栏（Semantic Safeguards）**：设定硬性红线——例如"用非正式口吻称呼客户可以接受，但一旦开始称赞竞争对手的套餐，立即触发kill switch（熔断）"。 这套机制把传统的"可用性/响应时间"KPI，升级成了**"语义一致性、幻觉检测、语气合规"的语义性能管理（semantic performance management）**。运营团队像管理一个真人顾问一样管理Sharlie：审听对话、识别偏差、把修正喂回backlog。 ## 四、MAIA：让3000名顾问"秒变专家" 如果说Sharlie是前台冲锋，MAIA就是给后台坐席发的"动力外骨骼"。2026年2月，Orange France为**3000名销售顾问**全员配备了MAIA。它的核心能力围绕通话全生命周期展开： - **实时陪聊**：通话进行中，MAIA在坐席屏幕上实时给出下一步建议话术、可推荐的产品、当前用户的风险标签； - **自动摘要与填单**：通话结束后自动生成对话摘要、提取关键信息并预填工单，把顾问从繁琐的after-call work里解放出来； - **知识即问即答**：套餐规则、促销细节、技术排障步骤，顾问不用再翻SOP，直接问MAIA。 这对国内同行并不陌生——和"AI坐席副驾让一线客服秒变专家""康卡斯特RAG坐席副驾年省数百万"是同一类打法。Orange的不同之处在于**规模与体系化**：3000人同时上线，且与Sharlie共享同一套底层业务逻辑和BSS集成，这意味着前台的对话经验和后台的辅助知识可以相互反哺。 ```mermaid flowchart TB subgraph 客户侧 C[📱 Sosh用户来电] end subgraph Sharlie端到端语音前线 GW[语音网关
speech-to-speech 全双工
支持打断] ORC{编排器 Orchestrator} GW --> ORC ORC --> A1[智能体:计费] ORC --> A2[智能体:套餐管理] ORC --> A3[智能体:投诉] ORC --> A4[智能体:技术故障] ORC --> A5[智能体:销售...共约30个] A1 & A2 & A3 & A4 & A5 --> BSS[(Orange BSS/IT系统)] end subgraph 三重安全闸门 S1[虚拟客户压测
千种意图变体] S2[LLM-as-Judge
实时语义监控] S3[语义护栏
违规kill switch] end GW -.受控于.-> S2 GW -.受控于.-> S3 S1 -.离线训练.-> ORC ORC -->|复杂/需人工| HUMAN ORC -->|自助办结| DONE[✅ 业务办结] subgraph MAIA坐席副驾 HUMAN[👤 Orange顾问×3000] M[MAIA副驾
实时话术/摘要/填单/知识] HUMAN <--> M M --> BSS end C --> GW ``` ## 五、效果数据：登顶之后还在涨 Orange官方对Sharlie的硬KPI披露较为克制（核心定位是"全天候可用、care excellence、无脚本自然对话"），但若干可验证的工程数据已经能勾勒出价值轮廓： | 指标 | 传统IVR / 文本机器人 | Sharlie端到端语音 | 提升/变化 | |---|---|---|---| | 接入方式 | 4–6层按键菜单 | 直接开口对话，无菜单 | 流程步骤≈0 | | 对话脚本 | 固定分支脚本 | 无脚本，AI自主编排 | 灵活度质变 | | 打断处理 | 不支持/需重听 | 全双工实时打断 | 体验接近真人 | | 后台架构 | 单一NLU引擎 | 30智能体协同 | 专业度分而治之 | | 质量保障 | 人工抽检 | LLM-as-Judge实时+虚拟客户压测 | 从抽检到全检 | | 可用性 | 营业时段为主 | 24h/24、7j/7 | 全天候 | | 风险隔离 | 无 | 语义护栏kill switch | 红线硬熔断 | 行业层面，GlobalData将其定性为"客户侧AI助手演进的重要一步"；行业基准显示电信业AI智能体采纳率达48%、AI自动化可处理80%以上一级咨询。Orange自身则在ARCEP固网与移动客服满意度"双第一"的基础上，用双AI进一步拉开了身位。 ## 六、横向对比：和国内上海电信昇腾案例的异同 为了给国内同行一个可参照的坐标，这里把Orange双AI与国内"上海电信+昇腾AI"智能客服做一次正面对比。后者同样聚焦万号客服，但走的是**国产昇腾算力底座 + 自研魔方系统**的路线。 | 对比维度 | Orange（MAIA+Sharlie） | 上海电信（昇腾+星辰TeleChat2/Qwen2.5） | |---|---|---| | 算力底座 | 云端通用GPU（Realtime API等） | 华为昇腾AI基础软硬件（国产） | | 大模型 | 多模型，含实时语音模型 | 星辰TeleChat2、Qwen2.5 | | 前台形态 | Sharlie语音端到端 | 万号智能客服+AI自动填单 | | 后台辅助 | MAIA坐席副驾×3000 | 录音稽核、沟通质量检测 | | 工程创新 | 30智能体重排业务流程 | 一线客服直接参与场景设计的"魔方"系统 | | 录音稽核吞吐 | — | 提升80% | | 响应时间 | 全双工低延迟 | 减少30% | | 大模型准确率 | — | 80%→90% | | 用户等待时长 | 全天候自助 | 高峰期2分钟→3秒 | | 抽检覆盖率 | LLM-as-Judge实时全检 | 从2%人工抽检→实时全量关注 | 两组案例的**共同启示**异常清晰： 1. **AI客服的价值，一半在前台对话、一半在后台流程**。Sharlie/万号前台是面子，录音稽核、自动填单、沟通质检这些"看不见的后台"才是里子，也是ROI的真正来源（上海电信已有20多个大模型应用落地）。 2. **必须为AI重写流程，而不是让AI适配旧流程**。Sharlie重排业务逻辑、上海电信让一线参与场景设计，殊途同归。 3. **质检必须从"抽样"走向"全量实时"**。传统2%的人工抽检漏掉98%的问题；LLM-as-Judge或昇腾录音稽核把覆盖率拉到接近100%。 ## 七、给国内运营商的三条工程启示 **第一，端到端语音是下一个引爆点，但要先做风险沙盒。** Sharlie选择在低费率、纯线上的Sosh品牌首发，本质是用一个"容错率更高"的子品牌做灰度。国内三大运营商也有类似的互联网品牌或年轻化套餐线，完全可以作为speech-to-speech的试验田，避免一上来就在主力品牌上承担口碑风险。 **第二，多智能体编排优于单模型all-in-one。** 30个垂直智能体对接BSS，每个只管一段，比一个臃肿的大模型更可控、更易迭代、更安全。这和国内"九天""星辰"走多Agent、MaaS的路线是一致的，但Sharlie把"按业务域拆Agent"做到了极致。 **第三，语义性能管理将取代传统IT运维KPI。** 当客服系统从确定性软件变成概率模型，监控的核心指标就从"可用性/响应时间"变成了"幻觉率/语气合规/语义一致性"。Orange为此专门建立了"像管真人一样管AI"的运营机制——审听、纠偏、回流backlog。国内运营商务必提前建设这套"非人类员工"的管理体系，否则大模型上线容易、守住质量难。 ## 八、结语：客服一线的"人机新分工" Orange双AI的真正意义，不在于"用AI替代了多少人"，而在于它重新定义了客服一线的**人机分工**：标准化、可自助、需要7×24在线的活，交给Sharlie这样的端到端语音智能体；复杂、高价值、需要共情的活，由MAIA武装起来的人类顾问承担。人不再是按键树和SOP的奴隶，而是被AI托举到"专家"的位置。 对51学通信的读者而言，这套架构尤其值得借鉴的是它的**工程严谨度**——30智能体重排流程、三大安全闸门兜底概率模型、语义性能管理替代传统运维。这些都不是PPT概念，而是已经跑在法国客服一线的生产系统。当国内运营商的万号智能化进入深水区，Orange这套"前台冲锋+后台托底+全程兜底"的三层设计，值得认真研读。 --- ## 参考来源 1. [With My AI Assistant, Orange France showcases the transformative power of AI](https://www.orange-business.com/en/about-us/customer-stories/my-ai-assistant-orange-france-showcases-transformative-power-ai-customer) — Orange Business官方：2026年2月为3000名顾问部署MAIA 2. [Orange France launches two new AI services to enhance customer relations](https://www.orange.com/en/press-release/orange-france-launches-two-new-artificial-intelligence-services-to-enhance-customer-relations-444308) — Orange官方新闻稿：MAIA与Sharlie双服务发布 3. [How Orange Built One of the First Speech-to-Speech Voice Assistants](https://hellofuture.orange.com/en/sharlie-behind-the-scenes-of-a-speech-to-speech-voice-assistant/) — Orange未来频道：Sharlie语音到语音技术幕后 4. [Orange's GenAI-based Sharlie rollout through Sosh — GlobalData](https://www.globaldata.com/media/technology/oranges-genai-based-sharlie-rollout-through-sosh-to-advance-ai-assistants-evolution-in-customer-facing-says-globaldata/) — GlobalData分析：首批原生speech-to-speech助手之一 5. [AI vocal agent and customer relationship: the Sharlie case — Converteo](https://converteo.com/en/blog/ai-voice-agent-customer-experience-sosh/) — Converteo：30智能体架构与三大安全支柱工程细节 6. [智能客服驱动效率和体验升级，上海电信+昇腾AI的一次民生应用实践](https://www.sohu.com/a/919259391_99997500) — 上海电信昇腾案例：准确率80%→90%、等待2分钟→3秒 --- > 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。