Orange 是法国历史最悠久、规模最大的电信运营商，集团在全球服务 2.91 亿客户（截至 2024 年底）。其中，Orange France 的客服中心每年要接听 4700 万通电话——这是一个令人既骄傲又焦虑的数字。骄傲的是规模，焦虑的是成本与体验的拉锯。
Orange France 客服 AI 项目总监 Charles Litzow 点破了一个被行业长期忽视的痛点："客户与坐席的一次对话中，将近三分之一的时间是'死寂时间'（dead time）。"所谓死寂，是坐席为了查资料、录入数据、在十几个系统之间来回切换，不得不让客户在听筒那头干等的那段沉默。客户把这段沉默完整地"体验"了一遍，于是满意度随之滑落。
问题不止于此。Orange France 已经连续两年被评选为"法国最佳客服"，并受到法国电信监管机构 ARCEP 的肯定。但领跑者最大的敌人是"维持领先"——CEO Jérôme Hénique 很清楚，在 Bouygues Telecom 等对手已经上马类似智能客服工具的背景下，Orange 若想保住"最佳"的桂冠，就必须用 AI 同时解决两件事：让人类坐席更强，让自助服务更聪明。
正是在这个背景下，2026 年 3 月 13 日，Orange 在巴黎卡普辛大道（boulevard des Capucines）门店正式亮出"双引擎"——Maia（坐席副驾）与 Sharlie（面向 Sosh 品牌的语音智能体）。一个面向内部坐席做"增强"，一个面向外部客户做"自助"，两套系统一内一外，构成了 Orange 重塑客服关系的新基建。
Orange 的战略口号非常克制："不是用 AI 取代人类，而是增强（augmenter）人类。"这句话背后，是两条技术路径截然不同的产品线：
| 维度 | Maia（My AI Assistant） | Sharlie |
|---|---|---|
| 产品定位 | 坐席副驾（Agent-Assist 副驾） | 自主语音智能体（Agentic Voicebot） |
| 服务对象 | 内部 3000 名客服坐席 | 外部 Sosh 品牌（100% 数字化子品牌）客户 |
| 交互形态 | 人在环路，AI 在旁实时辅助 | 客户直接对话，AI 全程独立接听 |
| 技术基底 | Verint + Orange Business "Intelligent Together" | Speech-to-Speech 全双工（OpenAI realtime） |
| 编排方式 | 知识库实时检索推送 | 30 个专精智能体多智能体编排 |
| 上线节奏 | 2025年12月试运行，2026年2月全量部署 | 2026年3月16日上线，覆盖20%诉求起步 |
| 核心目标 | 压缩死寂时间、首问负责（First Time Right） | 7×24小时自助，年处理300万+对话 |
这种"一内一外、一辅一主"的双轨设计，本质上是把 AI 客服从单点工具升级为分层的智能客服体系：简单、可标准化的诉求交给 Sharlie 自助消化；复杂、需要共情的诉求由人类坐席在 Maia 的加持下高质量完成。下面分别拆解两套系统。
Maia 建立在 Orange Business 自有的 "Intelligent Together" 解决方案之上，技术合作伙伴是美国老牌客户体验厂商 Verint（Orange Business 与 Verint 已合作超过 15 年）。其工作链路可以拆为四步：
Orange Business 与 Verint 与 Orange France 共同构建方案后，采用分阶段灰度上线：先由约 20 名坐席验证工具可用性；2025 年 10 月扩展到 120 名坐席；最终在 2026 年 2 月对客服中心的 3000 名坐席完成大规模部署。
Orange 的洞察很精准：客服质量的胜负手，往往不在"答案对不对"，而在"等多久"。Maia 之所以能把约三分之一通话时间的"死寂"压缩掉，靠的不是让坐席打字更快，而是让信息主动找上门、让小结自动生成。Charles Litzow 形容 Maia 让坐席得以"把注意力还给真正重要的东西——共情、倾听、识别客户需求"。
这种"增强式"定位，也让 Maia 获得了惊人的一线接受度：接近 95% 的坐席每天使用，连最资深、最初持怀疑态度的老员工都"承认已经离不开它"。在 AI 工具动辄遭遇一线抵触的当下，这个数字本身就是项目成功最硬的注脚。
如果说 Maia 是"让人类坐席更强"，那么 Sharlie 则是 Orange 在"让 AI 独立服务客户"上的一次技术飞跃。它服务于 Orange 旗下的 Sosh 品牌——一个 100% 数字化、客户高度习惯自助的子品牌，天然是新型语音助手的最佳试验田。
Sharlie 与传统语音机器人的根本区别，在于它跳过了"语音转文字、再文字转语音"的中间环节，采用 Speech-to-Speech（语音到语音）全双工架构（基于 OpenAI realtime 技术）。这意味着它能边听边说、自然打断、即时回应，对话更像真人，而非逐句死板的"你说一句我答一句"。Converteo 称其为"欧洲首个端到端能与之进行自然对话、没有预设菜单和僵化脚本的语音智能体"。
这一能力的代价是巨大的工程风险：客户关系被交给一个概率性（probabilistic）技术，意味着它可能答对 99 次、却在第 100 次产生幻觉或语气失控。为此，Sharlie 的合作伙伴阵容豪华——Microsoft Azure 提供基础设施、法国本土初创 ILLUIN Technology 负责编排、OpenAI 提供核心模型、Orange Business 与 TP 参与共建。
Sharlie 表面上是一个对话者，背后却是一个多智能体（multi-agent）架构：由 30 个专精智能体（账单、投诉、套餐管理等）协同编排，并通过 Orange 的 IT 系统接入。对话进行时，系统按对话的自然逻辑在智能体之间传递上下文，而非把客户逼进一条僵化的流程线。
Converteo 揭示了一个关键设计哲学：为人设计的流程，不能原样照搬给 AI。人类坐席会"活学活用"一套流程让它变流畅；而大模型（LLM）如果被过多僵化规则束缚，反而会产生机械、生硬的对话。因此团队为 Sosh 重新设计了业务逻辑，让 AI 能跳出机械应答循环、进入自然对话。
更激进的是，Sharlie 具备一定的代理（agentic）自主权——它能直接在 Orange 信息系统上自动执行操作，涵盖账单查询、产品销售、服务取消，甚至自主授予退款。这让 Sharlie 从"问答机器人"升级为"能办事的智能体"。
把"自主退款"的权力交给概率性 AI，安全是头等大事。Sharlie 用三根支柱来兜底：
Converteo 指出，这背后是运营哲学的深刻转变：从管理一个"冻结的 IT 项目"，转向像管理一个不断进化的"非人类同事"一样——它的对话被复盘、偏差被识别、学习被持续注入待办列表。
flowchart TD
subgraph IN["客户来电 / App 入口"]
C1["Orange 主品牌客户"]
C2["Sosh 数字化客户"]
end
subgraph A["引擎A：Maia 坐席副驾（人在环路）"]
A1["实时语音转写"] --> A2["意图识别 + 画像联动"]
A2 --> A3["知识库实时推送<br/>替代~15个应用切换"]
A3 --> A4["挂机自动小结<br/>写入客户档案"]
A0["3000名人类坐席"] -.增强.-> A3
end
subgraph B["引擎B：Sharlie 语音智能体（自主接听）"]
B1["Speech-to-Speech 全双工<br/>OpenAI realtime"] --> B2["30个专精智能体编排<br/>ILLUIN"]
B2 --> B3["Orange IT 系统 API<br/>账单/销售/取消/退款"]
B4["三支柱护栏"] -.约束.-> B2
B4a["虚拟客户压测"] & B4b["LLM-as-Judge"] & B4c["语义熔断"] --> B4
end
C1 -->|"转人工"| A1
C2 -->|"7×24自助"| B1
B3 -.复杂/失败兜底.-> A1
style A fill:#e8f4f8,stroke:#0a7ea4
style B fill:#fef3e8,stroke:#e8810a
上图清晰呈现了"双轨"逻辑：主品牌复杂诉求走人工 + Maia 增强；Sosh 标准诉求走 Sharlie 全自助，复杂或失败时再兜底转人工，形成闭环。
| 关键指标 | 数据 | 来源/说明 |
|---|---|---|
| 客服年接听量 | 4700 万通 | Orange France 客服中心 |
| 改造前通话"死寂"占比 | 约 1/3（≈33%） | Charles Litzow，AI 项目总监 |
| Maia 覆盖坐席数 | 3000 名 | 2026年2月全量部署 |
| 坐席日活采纳率 | ≈95% | Génération NT 报道 |
| Maia 替代的应用数 | 约 15 个系统切换 | 原需多应用来回操作 |
| Sharlie 上线覆盖诉求 | 20%起步 | 2026年3月16日上线 |
| Sharlie 目标年对话量 | 300 万+ 通 | 满负荷运营目标 |
| Sharlie 专精智能体数 | 30 个 | 多智能体编排 |
| Sharlie 可处理场景 | 数百个用例 | 账单/销售/取消/退款等 |
| 集团 GenAI 普及 | 9 万员工 | Live Intelligence 安全用 GenAI |
| GenAI 用例储备 | 40+ 在研，约 10 个投产 | 微软客户案例 |
更关键的是定性成果：Charles Litzow 确认 Maia 上线后已观察到"客户满意度明显上升、重复来电减少、通话时长缩短，客户更快得到更完整的答案"，整体迈向客服界公认的圣杯——首问负责（First Time Right），一次通话解决问题。Orange 的最终目标是借 CSAT（客户满意度）的提升，进一步抬升 NPS（净推荐值）。
两者并非二选一，而是分层互补。Maia 的 ROI 体现在"降本提效"——压缩死寂时间、解放小结工作、提升首问解决率，本质是让昂贵的人工坐席产能翻倍；Sharlie 的 ROI 体现在"分流自助"——把 20% 起、未来年 300 万通的标准化诉求挡在人工之外，本质是降低单位交互成本、并 7×24 可达。对运营者而言，Maia 是"短期可量化、人心易收买"的稳妥牌；Sharlie 是"高技术风险、长期天花板更高"的进攻牌。
把 Orange 放进全球运营商 AI 客服的坐标系里，能看出明显不同的取舍：
值得注意的是，Orange 在数据主权上的坚持：早在 GenAI 起步阶段，Orange 就选择微软 Azure OpenAI 服务部署在欧洲，强调"安全、可主权"。这一点对受 GDPR 约束的欧洲运营商是硬门槛，也是 Sharlie 敢于承接敏感客户数据（交易记录、在用产品）的前提。
Orange 的"双引擎"给通信行业三条可复制的经验：
第一，客服 AI 不必"二选一"。 业界常陷入"AI 替代坐席还是辅助坐席"的争论，Orange 用 Maia + Sharlie 证明：分层共存才是更优解。标准化自助 + 人工增强，两头都要，且分别用最适合的技术栈。
第二，流程要为 AI 重写，而非平移。 Converteo 洞察极为关键——把人类流程原样喂给 LLM，会得到僵化对话。真正释放 AI 价值的前提，是重新设计业务逻辑，这是很多 AI 客服项目"看起来聪明、用起来呆板"的根因。
第三，概率性 AI 需要全新的"语义运维"。 当 AI 可以自主退款、可被夸赞竞品时，传统的可用性监控（响应时间、成功率）已经不够。Orange 的"虚拟客户压测 + LLM-as-Judge + 语义熔断"三支柱，示范了如何把一个非确定性系统驯化为可信的生产资产——这或许比 Maia 和 Sharlie 本身更值得全行业借鉴。
从 4700 万通来电里挤出三分之一的"死寂时间"，再到让一台机器每年独立服务 300 万次对话，Orange 的双引擎揭示了一个朴素的道理：最好的客服 AI，不是最炫的技术，而是最懂得"该增强人时增强、该独立办时独立"的那一个。 在 5G/6G 网络日趋同质化的时代，客服体验，正成为运营商真正的护城河。
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。