Databricks 推出带业务上下文的语音智能体方案
Databricks 认为语音智能体的价值来自上下文而非声音本身，主张把智能体直接建在受治理数据之上，让每通电话都能实时决策并反哺模型。
语音智能体的瓶颈已不在语音合成，而在于它是否了解来电者是谁。Databricks 提出把智能体放在受治理的数据旁边，用业务本体（对企业概念与关系的统一描述）为每句话提供依据，让它在几毫秒内做出决策，并通过每次通话持续改进。
正文摘录
Voice Agents 已经到来，上下文让它们创造真正的客户价值 Databricks 如何将受治理的上下文、你的业务本体（ontology）与快速 AI 决策结合起来，实时为每一次客户对话做定制化。 作者：Sathish Gangichetty、Rohit Bhagwat 与 Usman Zubair 语音已经在改变客户与品牌互动的方式。那些从实体门店走到网站、再走到 App 的人，如今期望直接和卖给他们东西的公司“说话”，同样的转变也正在传导到供应商、司机和一线外勤团队。迄今为止，大多数企业 AI 都是“向内看”的。更大的机会在于企业与客户、合作伙伴每天都在发生的对话，而这些对话现在都能被实时捕获、理解并采取行动。任何团队都能做出一个“会回话”的语音 agent，但只有当 agent 掌握了“打电话的人是谁”这一上下文时，价值才会产生。有了上下文，它才能针对这个人做调整、遵守既定规则，并在每一通电话中变得更好。在 Databricks 上，agent 的“大脑”就放在你受治理的数据旁边。上下文与本体为每个回答提供依据，快速 AI 决策为每一轮对话做定制，每一通电话又反哺一个学习闭环。上手很简单：挑一类高频的例行来电，衡量 agent 处理得如何，然后把 DIVA blueprint 当作下一类来电的起点。 继续往下读之前，先看这个简短的 demo 。 在这个简短的 demo 中，语音 agent 在通话进行到一半时，用零点几秒做出一个决策，并在不打断对话的情况下改变了回应方式。同一种实时决策能力，让语音 agent 可以切换语言、在恰当的时刻把来电者转给人工，或者给最有价值的客户他们期待的服务体验。 想想消费类企业每天都会发生的三个场景： 在上述每一个场景里，语音都是客户触达企业最快、甚至是唯一的方式。