当一位新加坡用户对着客服通道说"我的data very slow leh, can help or not?"时，传统IVR和关键词聊天机器人往往会瞬间"失语"。这句夹杂英语、华语助词和 Singlish 句式的求助，恰恰是东南亚多元社会最真实的客服场景。2026年1月底，新加坡电信（Singtel）与硅谷智能体平台 Sierra 联手，让一位名为 "Shirley" 的智能体正式上岗——她不仅听懂 Singlish，还在上线头六周独立解决了 7万余个客户工单，把移动与家庭宽带故障的自助解决率推到 73%，漫游签约的端到端自助完成率冲到 76%。这不是又一个"大模型对话演示"，而是一套真正跑在生产环境、带合规护栏、跨 chat 与 voice 双渠道的 agentic AI 客服系统。本文从案例背景、技术方案、部署路径到效果数据完整拆解这套系统的工程逻辑。
理解这个案例，必须先理解新加坡的语言生态。新加坡有四种官方语言——英语、华语、马来语、泰米尔语，而日常沟通中广泛使用的是 Singlish（新加坡英语）——一种以英语为骨架，混合华语、马来语、福建话词汇与语法的克里奥尔语。用户会自然说出"Can or not?"（行不行）、"Got or not?"（有没有）、"非常 lag leh"（很卡啊）这类句式，还会高频出现拼写变体、中英 code-mixing（语码转换）。
这对传统客服系统是灾难性的：
与此同时，Singtel 的人工坐席被海量低价值工单淹没：移动故障排查（手机没信号、网速慢）、漫游开通、账单查询这类高频标准化请求，本不该占用人类专家的时间。CEO Ng Tian Chong 的判断很清晰——"用 AI 支撑客服团队，让人工聚焦于需要人类专业判断的复杂案例"。这正是引入 agentic AI 的根本动因。
Singtel 没有选择自研大模型，而是与硅谷公司 Sierra 合作。Sierra 由 Bret Taylor 创立——他是前 Salesforce 联席 CEO、前 OpenAI 董事会主席，公司估值已达 100 亿美元量级，专攻企业级对话式智能体平台。这次落地的核心是 Sierra 的 Agent OS，Shirley 则是跑在该 OS 之上的具体智能体实例。
Shirley 不是"一个模型干所有事"。Sierra 的核心理念是 按任务择模（pick the best model for each job），用编排层把多个模型组合成"星座"：
没有任何单一模型能同时满足"速度 vs 准确 vs 语调"的全部约束，强行单模型只会制造 trade-off。Sierra 的解法是把智能体行为拆成任务，每个任务选最合适的模型，并辅以监督者（supervisor）执行护栏、政策与质量检查。
Agent OS 围绕模块化任务抽象构建，把智能体拆成相互隔离的能力：检索（retrieval）、分类（classification）、工具（tools）、政策（policies）、语调（tone）。编排与路由由平台在底层自动完成。这意味着开发者不是写一个庞杂的单体 agent，而是组合多个干净分离的能力。某些任务获得更高"自主权"（agency）——能推理、反思、调用工具；而敏感任务则被严格约束。这种设计还有一个长期红利：当前沿模型迭代时，agent 能自动随之改善，只需小幅 prompt 调整即可吸收新模型红利，而不会动到敏感护栏。
Shirley 的差异化在于三点工程化能力：
下面这张架构图还原了 Shirley 处理一通请求的完整链路：
flowchart TD
A[用户入口: Chat / Voice] --> B{意图分类<br/>高精度分类模型}
B --> C[移动故障排查]
B --> D[漫游开通]
B --> E[账单查询]
B --> F[其他/复杂]
C --> G[身份验证模块<br/>核验客户信息]
D --> G
E --> G
G --> H[知识检索<br/>本地化语料含Singlish]
H --> I{Supervisor 监督层<br/>护栏/政策/质量检查}
I -->|置信度达标| J[工具调用执行<br/>低延迟模型]
I -->|触发敏感规则| K[人工暖转接<br/>携带完整上下文]
J --> L{任务完成?}
L -->|是| M[端到端自助闭环<br/>如:开通漫游包]
L -->|否/需退款等| K
F --> K
M --> N[记录审计轨迹<br/>归档对话]
K --> N
style A fill:#e1f5ff
style M fill:#e8f5e9
style K fill:#fff3e0
Shirley 的落地遵循一套可复制的"小切口、快闭环"打法，从 2026 年 1 月底试点到 3 月正式发布，全程不到 10 周：
这套路径的关键在于先把高价值的窄场景做透，而不是"一锅端"——这正是 Singtel 在 10 周内能拿出硬数据的根本原因。
Shirley 上线头六周的数据，足以让任何传统客服系统汗颜：
把 Shirley 的表现放进行业基准坐标系（数据来源 Plivo 2025 客服基准报告、SQM Group、Talkdesk KPI 报告），其领先性更清晰：
表1：Shirley 性能数据 vs 行业基准
| 指标 | Singtel Shirley 实测 | 行业基准 / 顶级水平 | 评价 |
|---|---|---|---|
| 故障自助解决率 | 73% | 传统 IVR 约 20%–30% | 大幅领先传统自助 |
| 漫游签约自助完成 | 76% | 行业 FCR 均值约 70% | 达到世界级首解区 |
| 部署到见效周期 | <10 周 | 大型企业 AI 项目常 6–12 个月 | 极快落地 |
| 处理规模 | 6 周 70,000+ 案例 | — | 高并发稳定 |
| 直接创收 | 200+ 漫游包自助购买 | 纯成本中心的传统客服 | 从减负到增收 |
| 合规与监督 | 全程 human oversight + 审计轨迹 | 多数聊天机器人缺失 | 生产级可用 |
Shirley 的价值需要在与三类方案的对比中才能看清。
对比传统 IVR（按键菜单）：IVR 的 containment 长期卡在 20%–30%，用户要在固定目录树里反复按键，体验差且只能引导不能执行。Shirley 把自助率拉到 73%，并能在对话中直接完成开通、查询等真实交易，是"交互范式"而非"体验优化"的代际差距。
对比关键词聊天机器人：关键词机器人靠词表匹配，遇到 Singlish 变体、拼写错误、code-mixing 立即失效。Shirley 基于语义理解 + 模块化分类，对语言变体鲁棒，这是其在多元语言社会不可替代的根本原因。
对比通用大模型直连：裸大模型能聊天，但没有运营商业务知识、不能执行交易、缺乏身份验证与合规护栏，上线即风险。Shirley 通过 Agent OS 的工具调用、政策约束、监督层，把"会聊天"升级为"能办事且不出格"的生产级智能体。
表2：Shirley 与主流客服方案功能对比
| 能力维度 | 传统 IVR | 关键词机器人 | 通用大模型直连 | Singtel Shirley (Sierra) |
|---|---|---|---|---|
| 开放语义理解 | ✗（固定菜单） | △（依赖词表） | ✓ | ✓ |
| Singlish/多语言变体 | ✗ | ✗ | △ | ✓（专项本地化） |
| 端到端交易执行 | ✗ | ✗ | ✗ | ✓（开通漫游等） |
| 身份验证 | △ | ✗ | ✗ | ✓ |
| 合规护栏与审计 | △ | ✗ | ✗ | ✓（全程监督） |
| 多模型按任务编排 | ✗ | ✗ | ✗（单模型） | ✓（星座式架构） |
| 直接创收 | ✗ | ✗ | ✗ | ✓（漫游包销售） |
| 落地周期 | 数月 | 数周 | — | <10 周 |
一个常被忽视的细节是 Shirley 的"增收"属性。传统客服是纯成本中心，AI 客服通常的卖点也只是"减员降本"。而 Shirley 在帮用户排查故障、开通漫游的过程中，顺势让 200+ 用户自助购买了漫游附加包——AI 从"省钱工具"变成了"赚钱渠道"，这才是 agentic AI 区别于上一代 RPA/聊天机器人的商业本质。
Shirley 的故事并未止步于入站客服。Singtel 已规划 voice-based 智能体用于外呼销售，但明确限定在"严格合规与治理框架"内——这正是 Sierra 架构中护栏层与审计轨迹的价值所在，让外呼 AI 既能卖货又守得住监管红线。能力还将从客服扩展到其他内部部门，并向有类似需求的企业客户输出。
Bret Taylor 的判断点出了趋势本质："AI 能创造更好、更具人性的客户体验。"而 Ng Tian Chong 则强调本地化根基——"我们的 AI 智能体被设计成能理解本地表达甚至 Singlish，这体现了我们作为本土公司服务多元国家的根基。"
Shirley 的 6 周、7 万工单、73% 自解率，给整个通信行业的客服智能化提供了一个清晰的样板：agentic AI 不必从零自研大模型，靠"通用平台 + 本地化语料 + 工程化护栏"，10 周就能跑出一个会听 Singlish、会卖漫游包的生产级智能体。 对于正在评估客服 AI 落地的运营商而言，这或许是 2026 年最值得抄作业的一份参考。
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。