语音智能体已至，上下文让其转化为真正的客户价值。
内容提要
Databricks提出企业AI应转向客户对话场景。语音智能体需结合受治理的数据、业务本体和快速决策模型，实时理解来电者身份与上下文，在规则内提供个性化服务，必要时转接人工。其架构分为对话层与运行于Databricks平台的“大脑”层，确保数据安全合规。每次通话可记录、评分并持续优化。建议从高频常规通话入手，用开源DIVA蓝图开展90天试点。
延伸解读
语音智能体的价值不在“能对话”，而在“懂上下文”
文章指出，许多语音智能体试点只能证明其能完成对话，但真正赢得客户信任的关键是上下文。智能体需要知道来电者身份、已有订单、物流状态以及可执行的操作权限，才能提供个性化服务。缺乏上下文时，即使语音再自然，也只能给出通用回答。Databricks的方案将受治理的数据、业务本体和快速决策模型结合，让智能体在通话中实时获取并应用上下文，从而在规则内灵活应对，并在必要时转接人工。
双系统架构：快决策与慢推理各司其职
语音智能体需要两种思考方式：快速决策（System 1）用于瞬间判断，如是否立即转人工；慢速推理（System 2）用于复杂问题，如为延迟订单设计补偿方案。Databricks通过ai_decide将快速决策模型与受治理数据结合，让智能体在每轮对话中同时运用两种能力。这种架构允许企业将最强大的模型用于关键环节，而用更快、成本更低的模型处理常规任务，从而平衡效果与效率。
治理与学习闭环：让每次通话都成为改进机会
在Databricks平台上，智能体的“大脑”与受治理数据共存，确保客户数据不离开平台，仅对话内容经过语音合作伙伴。每次通话可被记录、自动评分，并支持用自然语言查询分析，例如“为什么上周二退款请求激增”。这些洞察可反馈至提示词和模型，持续优化智能体表现。敏感话题（如医疗、金融）按设计转人工，且智能体不会提供医疗建议，体现了安全合规的底线思维。
从高频常规通话入手，90天试点验证价值
文章建议企业不要启动庞大项目，而是选择一个高频常规通话场景（如订单状态、司机签到、供应商确认），用开源的DIVA蓝图开展90天试点。试点前需记录当前每次通话成本、处理时间和客户满意度，并跟踪客户是否复购，以便对比结果。试点成功后，可将同一治理框架扩展到更多地点和通话类型。这种渐进式路径降低了风险，也让语音成为现有系统上的新渠道，而非替代人工。
Q&A
为什么说语音智能体需要上下文才能创造真正的客户价值？
因为只有具备上下文，智能体才能知道来电者是谁、他们正在处理什么以及允许做什么，从而提供个性化服务、遵守业务规则，并在每次通话中不断改进。没有上下文，即使声音再自然，也只能给出通用答案。
Databricks的语音智能体架构分为哪两部分？各自负责什么？
分为对话层和大脑层。对话层处理通话本身，包括音频传输、语音转文本和语音回复，由专业合作伙伴（如LiveKit、Deepgram、ElevenLabs）提供。大脑层由Databricks提供，在每一轮对话中查找来电者上下文、应用业务规则并决定下一步行动，同时记录每个决策以供审查。
语音智能体如何确保数据安全和合规？
智能体运行在Databricks平台上，数据保留在受治理的平台内，只有对话内容经过语音合作伙伴。智能体仅查看属于来电者的记录，并通过系统验证身份。敏感话题（如医疗、金融、安全）会转接人工，且智能体不会提供医疗建议。平台继承Databricks的安全合规认证（如HIPAA和SOC 2 Type II），语音合作伙伴也有各自的认证需审查。
什么是System 1和System 2思维？语音智能体如何应用？
System 1是快速决策（如是否立即转人工），System 2是审慎推理（如计算延迟订单的解决方案）。语音智能体结合两者：大型语言模型负责审慎推理，快速决策模型（如TypeSafe AI的Jev）处理快速调用。Databricks通过ai_decide将System 1决策引入受治理数据，使智能体在每轮对话中快速决策并显示置信度。
如何开始部署语音智能体？Databricks推荐什么方法？
建议从高频常规通话（如订单状态、司机签到、供应商确认）入手，使用开源的DIVA蓝图作为起点。Databricks行业工程师推荐进行90天试点，覆盖一个渠道、一个团队和最高频的常规通话。试点前记录当前每次通话成本、处理时间和客户满意度，试点后比较结果。验证成功后，可将治理设置扩展到更多地点和通话类型。
语音智能体如何处理需要转人工的情况？
当智能体检测到客户情绪沮丧、遇到复杂请求或无法在数据中找到答案时，会在瞬间决定将通话转接给人工。转接时，人工坐席会获得完整上下文和历史记录，客户无需排队或重复信息。敏感话题（如医疗、金融、安全）按设计转接人工，且智能体不会提供医疗建议。
语音智能体如何从每次通话中学习和改进？
每次通话都会被记录在受治理的平台中，包括对话内容、查询记录、使用的模型及决策原因。通话可自动评分质量，联络中心和客户体验负责人可以用自然语言查询通话记录（如“为什么上周二退款请求激增”），这些洞察可反馈到提示和模型中，持续提升智能体效果。
