# 橙（Orange）双引擎出鞘：Maia 坐席副驾与 Sharlie 语音智能体如何重塑法国最大运营商客服 ## 一、案例背景：4700万通来电里的"沉默成本" 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。 --- ## 二、方案总览：不是替代人，而是"双轨增强" 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。 --- ## 三、Maia：3000 名坐席的"实时副驾" ### 1. 技术构成与工作机理 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： 1. **实时语音转写**：在通话进行中，Maia 持续监听并将语音实时转写成文字，建立对话上下文。 2. **意图识别与知识推送**：理解客户当下需求，从知识库中**在恰当时机**把相关信息"推"到坐席的工作台上，免去坐席在"十几个应用之间来回切换"的痛苦。 3. **客户画像联动**：联动客户档案、产品信息，让坐席第一时间掌握来龙去脉。 4. **通话结束自动小结**：挂机后，Maia 自动提炼对话要点并写入客户档案——这是过去压在坐席身上最枯燥的"案头工作"。 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。 ### 2. 为什么聚焦"死寂时间" 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。 --- ## 四、Sharlie：欧洲首个端到端 Speech-to-Speech 语音智能体 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。 ### 1. 核心技术：Speech-to-Speech 全双工 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。 ### 2. 多智能体编排：30 个"专精坐席" 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"。 ### 3. 安全护栏：三支柱体系 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： - **虚拟客户（Virtual Customer）**：能对同一意图模拟成千上万种变体，做大规模压测； - **"LLM as Judge"（大模型当裁判）**：实时监测语义质量，确保每条回答都符合品牌标准； - **语义护栏（Semantic Safeguards）**：触发即"熔断"（kill switch）——例如，用亲昵口吻称呼客户尚可接受，但若 AI 开始夸赞竞争对手的套餐，系统会立即切断。 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。 --- ## 五、系统架构与工作流程 ```mermaid 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
替代~15个应用切换"] A3 --> A4["挂机自动小结
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
OpenAI realtime"] --> B2["30个专精智能体编排
ILLUIN"] B2 --> B3["Orange IT 系统 API
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。 --- ## 六、效果数据：从死寂时间到 300 万对话 | 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）。 --- ## 七、对比分析：Orange 双引擎在行业中的坐标 ### 1. 内部对比：Maia vs Sharlie 谁更"划算"？ 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。 ### 2. 外部对比：与其他运营商的路线差异 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： - **路线对比 T-Mobile / OpenAI**：T-Mobile 选择与 OpenAI 深度共建一个统一的"意图型"客服智能体，强调单点穿透；而 Orange 选择**双引擎分层**，把"增强人"和"替代人"切成两个独立产品，技术栈（Verint vs OpenAI realtime）也各自独立。Orange 的好处是风险隔离——一条出问题不影响另一条。 - **路线对比 Verizon / Vodafone**：Verizon、Vodafone 偏重用 AI 提升客服的**销售转化**（推荐、挽留）。Orange 在 Sharlie 上同样赋予了"商业自主权"（可销售、可退款），但更强调用**多智能体 + 语义护栏**来保证安全，而非一味追求转化率。 - **路线对比 Bouygues Telecom**：作为法国本土直接竞品，Bouygues 已有类似智能客服工具。Orange 的差异化押注在于 **Speech-to-Speech 全双工**和 **30 智能体编排**——这是把对话自然度和业务执行能力都拉到新一代的"技术代差"。 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。 --- ## 八、启示与结论 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。 --- ## 参考来源 1. [With My AI Assistant, Orange France showcases the transformative power of AI in customer service — Orange Business](https://www.orange-business.com/en/about-us/customer-stories/my-ai-assistant-orange-france-showcases-transformative-power-ai-customer) — 官方客户案例，详述 Maia 覆盖 3000 坐席、4700万通来电、1/3 死寂时间、Verint/Intelligent Together 合作 2. [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/) — 分析师视角，Sharlie 为 Sosh 部署、年300万+对话目标、微软/ILLUIN/TP 共建 3. [Orange lance Maia et Sharlie, deux IA pour muscler sa relation client — Génération NT](https://www.generation-nt.com/actualites/orange-maia-sharlie-ia-2072389) — 法国科技媒体报道，95% 日活采纳率、替代~15应用、20% 起步覆盖、3月16日上线 4. [AI vocal agent and customer relationship: the Sharlie case — Converteo](https://converteo.com/en/blog/ai-voice-agent-customer-experience-sosh/) — 技术深度，30 智能体编排、全双工 OpenAI realtime、三支柱语义护栏 5. [Orange: creating value with Azure OpenAI Service and GitHub Copilot — Microsoft Customer Stories](https://www.microsoft.com/en/customers/story/1774095788906881160-orange-azure-openai-service-telecommunications-en-france) — 集团 GenAI 战略，9 万员工 Live Intelligence、40+ 用例、欧洲数据主权 --- > 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。