DeepGram

从配置到采纳：联络中心AI部署最佳实践

本文是Five9公司产品营销总监Sarika Prasad与高级总监Josh Sosebee在一场网络研讨会上分享的AI部署最佳实践，聚焦于联络中心场景的落地方法论。文章提出四个核心建议：其一，语音转文本（speech-to-text）的准确性是所有语音AI应用的基础，需采用词错误率（WER）衡量，Five9建议通过真实通话音频的内部测试框架为客户定制或训练模型。其二，应采用“引擎无关的AI策略”，避免供应商锁定，文中举例DeepGram在Five9的AI Agents准确率测试中领先，而Amazon在agent assist方面更强，因此需要灵活切换。其三，生成式AI（GenAI）显著压缩了部署周期，例如一家家具配送公司通过预配置LLM模板即快速上线，另一医疗客户借助LLM将600个医学术语双语同义词映射的部署时间从数周缩短至一天。其四，将一次性部署转为分阶段上线，从数小时即可完成的转录与摘要，到后续几周的指导卡片，再到复杂的自助服务，并行推进；同时强调人工座席是赋能对象而非被替代者，AI主要负责处理密码重置等高量重复任务。据Five9对超1000名消费者的调查，36%的客户因一次糟糕的聊天机器人体验便不再使用，因此首次部署质量直接影响客户留存。文章最终结论指出，在启动自动化前构建“AI蓝图”、审查客户真实对话数据以识别高影响机会，是成功的关键。