当全球运营商一窝蜂地把大模型推到消费者面前、用"AI 自主接线员"刷存在感时，澳大利亚第一大运营商 Telstra 却反其道而行——它没有急着造一个会跟客户对话的机器人，而是给人工坐席配了两个"副驾"。结果同样惊艳：One Sentence Summary（一句话摘要）让 90% 的客服省时增效，回拨量直接少了两成；Ask Telstra（问 Telstra）被 84% 的坐席认定能正向改善客户体验。 这套"藏在大模型身后"的客服改造方案，给正在客服智能化路口犹豫的中国运营商提供了一个被低估的路径。
Telstra 是澳大利亚规模最大、历史最悠久的电信与科技公司，运营着澳洲最大的移动网络及关键通信基础设施，业务覆盖个人、企业、政府和社区。它的产品矩阵极为复杂——5G 套餐、NBN 固网宽带、移动资费、账单体系、终端设备、企业专网，每一个都牵涉海量技术细节与持续更新。
把这种复杂度直接砸到一线，问题就来了。客服坐席是客户接触 Telstra 的第一张脸，但他们要面对的是一座看不见的"信息大山"：客户随便抛出一个问题，坐席就得在庞大且持续更新的内部知识库里翻找答案；接到转接来的客户，还得先花一大段时间阅读 CRM 里密密麻麻、文本超长的历史交互记录，才能搞清楚"这位客户之前到底发生了什么"。
"我们一个核心基准就是一次通话解决问题（first-call resolution）。"Telstra 客户与渠道 AI 总经理 Rohit Lakhotia 这句话点出了命门。现实却是：坐席翻知识库慢、读历史慢、遇到拿不准的就只能求助主管——而主管往往正忙着接别的对话。客户体验受损的直接表现，就是同一件事被反复回拨、反复复述。
Telstra 看到的机会很清晰：与其让人去适应系统，不如让生成式 AI 在坐席一侧把信息递到手边。它没有选择"砍掉坐席、用机器人直连客户"的激进路线，而是判断——在电信这种高敏感、高复杂度的场景里，先武装人，比先替代人更安全、更快见效。
Telstra 自研了两款生成式 AI 工具，统一构建在 Microsoft Azure OpenAI Service 之上，并由 Microsoft 与 Accenture 协同支撑。两款工具分工明确：一个解决"找答案慢"，一个解决"读历史慢"。
第一副驾：Ask Telstra（问 Telstra）——知识检索副驾
它的定位是坐席的"超级知识助手"。坐席在简单搜索框里输入问题，系统返回 AI 生成的答案。技术栈是 Azure OpenAI Service（大模型推理能力）+ Azure AI Search（精准检索能力） 的组合：前者负责"理解和组织语言"，后者负责"在 Telstra 海量内部知识库里精确定位"，二者叠加大幅提升了搜索的速度与准确度。
关键设计是 grounding（事实接地）：所有答案都锚定在 Telstra 自有、可信、受安全管控的企业信息资源上，而非开放互联网。这一点对电信业至关重要——资费、政策、故障处理流程必须 100% 准确，绝不能让模型"自由发挥"。约 200 名坐席在 2023 年年中参与了试用，反馈被用于迭代，随后才扩展到呼叫中心和零售门店的更多坐席。
第二副驾：One Sentence Summary（一句话摘要）——客户画像副驾
它解决的是"接手一位客户前要先读一万字历史"的痛点。技术栈更厚：Azure Machine Learning + Azure AI Search + Azure OpenAI Service 三件套协同，把客户最近的备注、交互、交易记录压缩成一段简明摘要。在 CRM 里文本超长、信息密集的历史页面上，它呈现为一个可点击的按钮——坐席点一下，就弹出一个干净、简洁的界面，把客户当前状况讲清楚。
这个设计有两个被低估的价值：一是坐席间转接更顺滑，接手者不必从头啃历史；二是对敏感客户信息的处理。坐席反馈，它能帮助自己更快地理解、更得体地应对那些处于困难或敏感处境的客户——比如需要经济援助、需要优先照顾的人群。这不是"效率"，而是"温度"，是传统 KPI 体系很难量化、却直接影响品牌口碑的部分。
flowchart TD
C([客户来电]) --> CRM[CRM 客户历史界面<br/>文本超长 信息密集]
CRM --> OSS[/一句话摘要 按钮/]
CRM --> AT[/Ask Telstra 搜索框/]
OSS --> OSS_ENG[Azure ML + Azure AI Search<br/>+ Azure OpenAI Service]
OSS_ENG --> SUM[客户画像一句话摘要<br/>含敏感场景提示]
AT --> AT_ENG[Azure OpenAI Service<br/>+ Azure AI Search]
AT_ENG --> KB[(Telstra 内部可信知识库)]
KB --> ANS[AI 生成答案<br/>100% 事实接地]
SUM --> AGENT{人工坐席<br/>第一接触点}
ANS --> AGENT
AGENT --> RESOLVE[一次通话解决 FCR]
RESOLVE --> OUT([客户满意度提升<br/>回拨量下降])
style OSS_ENG fill:#e1f5ff,stroke:#0277bd
style AT_ENG fill:#fff4e1,stroke:#ef6c00
style AGENT fill:#e8f5e9,stroke:#2e7d32
Telstra 的落地是"小步快跑、逐级放大"的教科书节奏，这也是它能拿出可信数据的原因：
| 时间节点 | Ask Telstra | One Sentence Summary |
|---|---|---|
| 2023 年中 | 约 200 名坐席试用 | — |
| 2023 年内 | 收集反馈迭代 | 100 名坐席测试 |
| 2024 全年 | 向所有呼叫中心与门店坐席推广 | 同步推广 |
| 2025 年初 | 全面部署 | 全面部署 |
支撑这套速度的，是 Telstra 多年来"激进简化与现代化"的数据底座改造：简化技术架构、转向 100% API 优先的产品开发方式、把工作负载迁移到公有云、构建可复用的 AI 能力。集团产品与技术执行总经理 Kim Krogh Andersen 的判断很硬气："我们正走在 2025 年前用 AI 改善所有关键业务流程的轨道上。"换言之，客服只是序章，Telstra 旗下已有数百个 AI 用例在排队。
| 指标维度 | 工具 | 实测数据 | 来源 |
|---|---|---|---|
| 坐席省时增效 | One Sentence Summary | 90% 坐席反馈省时且效能提升 | Telstra 官方新闻稿 |
| 回拨/后续联系减少 | One Sentence Summary | 减少 20% 后续联系 | Telstra 官方新闻稿 |
| 客户交互正向影响 | Ask Telstra | 84% 坐席认定有正向影响 | Microsoft 案例故事 |
| 新员工上手速度 | Ask Telstra | 显著加快，减少向主管求助 | TelcoFutures / Microsoft |
| 敏感客户服务 | One Sentence Summary | 更快理解、更得体应对（如经济援助） | Microsoft 案例故事 |
| 部署目标 | 两款工具 | 2025 年初全面铺开 | Microsoft 案例故事 |
值得强调的是 20% 的回拨降幅。回拨（follow-up contact）是电信客服的成本黑洞——一次没解决，客户会再打、再打、再打，每一次都消耗坐席工时、侵蚀满意度、推高 NPS 负分。把回拨砍掉两成，等于把客服中心的隐性成本和投诉风险同步削平，这是 CFO 和 COO 都听得懂的语言。
而"新员工上手更快、少打扰主管"这条意外收益尤其关键。电信客服人员流动率高、培训周期长一直是行业痼疾，Ask Telstra 相当于给每个新人配了一位"全天候资深同事"，对缩短 ramp-up 时间、降低培训成本的意义，可能比省下的那几分钟通话更值钱。
把 Telstra 放进全球坐标系，能看清运营商客服智能化的三条主流路线：
| 维度 | Telstra（自研副驾） | BT Group（外购专机） | T-Mobile×OpenAI（自主接线员） |
|---|---|---|---|
| 核心思路 | AI 武装人工坐席 | 专项机器人武装坐席 | AI 直接服务客户 |
| 技术来源 | 自研，Azure OpenAI 平台 | 外购 Verint 开放平台 | 与 OpenAI 联合重构 |
| 产品形态 | Ask Telstra + 一句话摘要 | Coaching/Wrap-Up/CX-EX 三类 Bot | 面向消费者的自主智能体 |
| 规模 | 全量呼叫中心+门店 | 从 450 坐席放大 10 倍至 4500 | 全量呼叫中心重构 |
| 核心收益 | 90% 省时、回拨降 20% | 提升交叉销售/追加销售、降低流失 | 体验重构、自动化 |
| 适用场景 | 高复杂、高敏感、强合规 | 销售导向、规模化坐席 | 标准化高频需求 |
BT Group 的案例很有代表性。2025 年 6 月，Verint 宣布 BT Group 部署了 Coaching Bot（实时教练）、Wrap Up Bot（收尾工单）和 CX/EX Scoring Bot（体验打分）三类机器人，服务其 2500 万以上的 EE、BT、Plusnet 用户。基于首批部署的价值验证，BT 把机器人利用率从 450 名坐席直接放大 10 倍到 4500 名坐席，并在宽带、移动线的交叉销售与追加销售上取得明显改善，同时降低了客户流失。
三条路线背后是三种哲学： - Telstra（自建副驾）：押注"平台能力内化"。它把 Azure OpenAI 当作可复用的底座，自研工具沉淀为自有 IP，未来能把这套能力转售给 Telstra Enterprise 和 Telstra Business 的政企客户——"我们既是微软的客户，也是微软的伙伴"，这句话不是客套，而是商业模式的伏笔。 - BT（外购专机）：押注"快速规模化"。用 Verint 现成的、按功能切片的 Bot，省去自研时间，靠 10 倍扩容把规模效应拉满，更适合销售导向、坐席量大的场景。 - 自主接线员：押注"彻底重构体验"。把人移出闭环，潜力最大、风险也最大——在电信这种强监管、强合规、客户情绪敏感的行业，AI 一句答错资费、一次误办业务，代价远高于回拨几次。
回看已刷屏的那些案例——星辰政务热线让诉求秒级响应、10086 智能教练让抽检变全检、Orange 语音助手无脚本直办业务、T-Mobile 携手 OpenAI 重构呼叫中心——它们大多走"AI 直面客户"或"AI 质检"的路子。Telstra 这种"AI 藏在坐席背后"的副驾路线之所以值得单独拎出来，是因为它精准命中了电信客服的三个软肋：
第一，合规与准确性是底线。 电信资费、合同条款、故障处理流程容不得"幻觉"。副驾模式让 AI 出答案、让坐席拍板，责任链清晰，监管风险可控。Ask Telstra 的 grounding 设计——答案必须锚定在企业可信知识库——正是为这条底线服务的。
第二，敏感场景需要"人"的温度。 经济援助、丧亲、投诉升级……这些场景靠机器人硬扛，极易激化矛盾。One Sentence Summary 把敏感信息先消化给坐席，让人去传递温度，比让 AI 直接开口得体得多。这条价值，恰恰是 KPI 表格之外的护城河。
第三，数据底座是隐性门槛。 Telstra 之所以能快速铺开，靠的是多年"100% API 优先 + 公有云迁移 + 可复用 AI 能力"的苦功。没有这层底座，再好的大模型也只是空中楼阁。这对中国运营商是个硬提醒：客服 AI 的胜负，70% 取决于数据治理，30% 才是大模型本身。
启示一：先武装人，再考虑替代人。 在强监管、强情感诉求的电信客服里，"副驾"的投资回报比"自主接线员"更稳、更快、更易过合规关。中国移动、电信、联通的万号/10000/10086 体系，完全可以先复制 Ask Telstra 的知识副驾 + One Sentence Summary 的画像副驾，把坐席效能拉起来，再谈自主化。
启示二：自建平台沉淀 IP，还是外购快速上量，要按场景选。 销售导向、坐席量巨大的电销/宽带外呼场景，BT 式 Verint 专项 Bot 更划算（10 倍扩容的杠杆很诱人）；而强品牌、强合规、有政企转售诉求的运营商，Telstra 式自建平台更有长期价值——能力可复用、可对外输出。
启示三：把"回拨率"和"新人 ramp-up 时间"设为客服 AI 的核心北极星。 这两个指标一个管客户成本、一个管人力成本，比单纯的"通话时长缩短"更能反映 AI 的真实商业价值。Telstra 的 20% 回拨降幅，正是这类指标的力量。
Telstra 用两个不起眼的"副驾"按钮，跑出了 90% 坐席省时、回拨降两成的硬成绩，并在 2025 年初全面铺开。它没有追"AI 自主接线员"的风口，而是回归电信客服的本质——先让人更强大，客户体验自然就顺了。在 AI 客服这条赛道上，最耀眼的未必是站在台前跟客户聊天的机器人，而往往是那个藏在坐席屏幕一角、默默把答案和历史递到手边的"副驾"。这条被低估的路线，值得每一个还在犹豫的运营商认真抄一次作业。
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。