TaskUs放弃自研转向Regal 押注企业级语音AI获取三倍ROI

The Rise of Voice AI Agents: Real-World Deployments Across the Enterprise — Ai4

Ai4

文本聊天机器人因技术妥协沦为低价值同质化红海,企业唯有部署具备底层电信通讯架构的实时语音智能体承接复杂业务,才能通过全量质检与高转化率兑现普通文本方案三倍的投资回报。

AI-assisted summary of The Rise of Voice AI Agents: Real-World Deployments Across the Enterprise — original source. Check the original for full context.

Source published:

Detailed notes

## Background 该内容由 YouTube 频道 Ai4 于 2025 年 9 月 13 日发布,记录了在 Ai4 大会上进行的一场炉边对谈。视频由 Regal AI 首席运营官 Sahil Mehta 与 TaskUs 首席客户官 Jarrod Johnson 共同主讲,主题围绕企业级语音 AI 智能体(Voice AI Agents)在真实高并发、高标准业务场景中的落地实践、面临挑战以及交付成果。

## TL;DR 对话深入探讨了 BPO 巨头 TaskUs 与语音 AI 平台 Regal 如何携手将 Voice AI 智能体从概念验证推向大规模企业级生产环境。双方对比了语音与文本交互在容错率和商业回报(高达 3 倍 ROI)上的差异,并指出语音 AI 能通过全量数据监控、上线前仿真测试及规模化一致性重塑 CX 质量标准。此外,嘉宾结合心理健康预约转化的真实案例,总结了跨部门协同、知识库治理与量化基准三大落地成功要素,并明确其深耕金融、保险及医疗等高合规企业级市场的差异化定位。

## Atmosphere & style 现场氛围务实专业且充满行业洞察,两位嘉宾以达拉斯与拉斯维加斯酷暑的轻松调侃开场,随后迅速切入高信息密度的商业与技术对话。讨论风格坦诚犀利,Jarrod 毫不避讳地复盘了 TaskUs 早期盲目自研软件的弯路,Sahil 则以第一线创业者的视角剖析行业对 Chatbot 的盲目迷信,整体交流极具实战指导意义与思想碰撞感。

## Key takeaways - [04:04](https://www.youtube.com/watch?v=rEGgNLAMocM&t=244s) TaskUs 从服务基础模型训练与科技客户的经验中,深刻预见到大模型与 Agentic AI 对商业及消费者应用的颠覆性冲击,因而主动从传统 BPO 向智能体落地赋能者转型。 - [01:50](https://www.youtube.com/watch?v=rEGgNLAMocM&t=110s) Regal 凭借专注企业级复杂业务本体、场景化上下文触发引擎以及上线前全流程仿真模拟三大支柱,构建起差异化的企业级语音 AI 平台壁垒。 - [05:17](https://www.youtube.com/watch?v=rEGgNLAMocM&t=317s) 语音 AI 智能体打破了传统人工座席仅能抽检 5%-10% 通话的局限,能实现 100% 全量数据分析,并通过仿真沙盒测试与统一规则执行提供更高的大规模服务一致性。 - [08:09](https://www.youtube.com/watch?v=rEGgNLAMocM&t=489s) TaskUs 放弃从零自研 AI 底层软件的路线,明确定位自身为专业服务与运营专家,转而在生态中筛选顶尖技术厂商进行联合赋能与治理落地。 - [08:56](https://www.youtube.com/watch?v=rEGgNLAMocM&t=536s) 在评估客服 AI 伙伴时,TaskUs 重点考量技术基本面、客户落地实证、产品愿景与深度联合推广意愿,而非将价格作为初期核心指标。 - [11:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=684s) 相较于市场上拥挤且容错率高的文本 Chatbot,Regal 凭借深厚的 CCaaS 通讯与电话系统底座,专注解决高实时性、低容错的企业级语音交互痛点。 - [11:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=684s) 虽然语音 AI 的单次部署成本高于文本,但通过直接替代低效呼叫并赋能高价值转化场景,往往能为企业带来普通文本方案约 3 倍的实际 ROI。 - [13:33](https://www.youtube.com/watch?v=rEGgNLAMocM&t=813s) 在心理健康平台实战案例中,Voice AI 通过自动化外呼跟进与智能改期大幅提升了首次预约出席率,验证了技术在创收与赋能新能力上的双重爆发力。 - [13:33](https://www.youtube.com/watch?v=rEGgNLAMocM&t=813s) 评估企业级新技术投资应涵盖三维指标:增加收入、减少支出和激发全新业务能力,单纯以降本为导向往往难以最大化释放技术价值。 - [15:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=924s) 企业成功落地 Voice AI 需要跨越三大关卡:实现业务运营与产品 IT 团队的目标对齐、梳理并持续维护混乱的内部知识库与 SOP、在立项前明确 ROI 基准。 - [17:30](https://www.youtube.com/watch?v=rEGgNLAMocM&t=1050s) 相比专注于单体门店或 SMB 的垂直类开箱即用工具,Regal 与 TaskUs 聚焦于具有超大呼叫量、强合规与复杂系统集成需求的保险、金融科技及医疗等企业级场景。

## Detailed walkthrough ### [00:04](https://www.youtube.com/watch?v=rEGgNLAMocM&t=4s) 开场与 TaskUs 业务全景:从 BPO 巨头到 AI 服务先锋

在拉斯维加斯举办的 Ai4 大会上,Regal 首席运营官 Sahil Mehta 与 TaskUs 首席客户官(Chief Customer Officer)Jarrod Johnson 展开了一场关于企业级语音 AI 智能体(Voice AI Agents)落地实践的炉边对谈。Sahil 在开场中提到,现场观众顶着酷暑齐聚拉斯维加斯,正是因为大家都在思考如何将大模型等前沿技术落地于复杂的真实商业场景中。来自达拉斯的 Jarrod 则幽默地调侃道,拉斯维加斯大概是目前全世界唯一一个比达拉斯还要炎热的地方。

随后,Jarrod 详细介绍了 TaskUs 的业务版图。作为一家成立约 15 年的业务流程外包(BPO)与技术服务企业,TaskUs 目前在全球拥有约 60,000 名员工。其业务结构主要由三大板块构成:约 60% 为传统的客户体验(CX)与联络中心业务;约 20% 为信任与安全(Trust and Safety)以及欺诈、风险与合规(Fraud, Risk and Compliance)业务;其余部分则是近年来迅速增长的 AI 服务业务。早在五年前,该团队就在帮助大型科技公司将机器学习模型部署到生产环境中,如今更是直接为基础模型(Foundation Model)开发者提供数据与模型优化服务。Jarrod 负责掌管 TaskUs 的所有市场拓展(GTM)职能,并在大约 18 个月前牵头组建了 Agentic AI(智能体 AI)咨询业务部门。

- **员工规模**:全球 60,000 名员工。 - **业务构成**:60% 客户体验(CX/联络中心)、20% 信任安全与风险合规、20% AI 服务(支持基础模型与机器学习训练)。 - **核心职能**:覆盖销售、市场、产品与服务线战略,以及专注于落地部署的 Agentic AI 咨询团队。

---

[01:50](https://www.youtube.com/watch?v=rEGgNLAMocM&t=110s) Regal 的创立基因与企业级 Voice AI 平台的三大支柱

Sahil 随后分享了 Regal 的创立初衷与发展历程。Regal 的联合创始团队曾是家庭服务平台 Angi 的高管,当时管理着拥有 30,000 名座席的大型联络中心。他们在实践中发现,语音互动不仅能帮客户解决问题,更是推动高 ROI 业务转化的极其强大的渠道;然而,人工语音的瓶颈在于“成本高昂且极难规模化扩张”。为了解决这一行业痛点,他们创立了 Regal。截至目前,Regal 已累计融资超过 8,000 万美元,处理了超过 2.5 亿通电话,并服务于数百家部署语音 AI 智能体的企业客户。

```mermaid flowchart TD accTitle: Regal 企业级语音 AI 平台的三大支柱 subgraph EnterprisePillars["Regal 核心差异化架构"] A["1. 纯企业级定位与业务本体整合<br/>(Enterprise Ontology & Workflows)"] B["2. 场景化上下文驱动引擎<br/>(Context-Engine & Action Triggers)"] C["3. 全生命周期可观测性与模拟评测<br/>(Observability & Pre-live Simulations)"] end A --> D["落地高质量生产环境"] B --> D C --> D ```

谈及 Regal 在竞争激烈的人工智能赛道中的核心壁垒,Sahil 总结了三大关键差异化能力:

1. **专注企业级复杂场景(Enterprise Focus)**:不仅在技术基础设施上进行深度投入,还结合专业服务(如与 TaskUs 团队紧密合作),确保 AI 智能体不仅能接打电话,更能深度融入企业的客户数据系统、工作流规则以及业务本体(Ontology)。 2. **上下文嵌入与规则引擎(Context-embedded Engine)**:打破“被动接打电话”的局限,基于用户行为实时触发精准互动——例如当潜在客户触发某项特定操作时,系统会自动唤起定制化的 AI 智能体发起沟通。 3. **企业级可观测性与模拟测试(Enterprise Observability & Quality)**:除了传统人工座席使用的对话智能、转录与质检评分卡外,还支持独创的“上线前数千次对话仿真模拟(Simulations)”,在真正触达真实客户前充分验证系统稳定性与话术表现。

---

[04:04](https://www.youtube.com/watch?v=rEGgNLAMocM&t=244s) BPO 为何重注 AI Agent:身处前沿的技术敏锐度

针对一家重度依赖人力规模的 BPO 企业为何如此激进地押注 AI Agent,Sahil 提出了外界普遍好奇的疑问。Jarrod 解释道,TaskUs 的核心客户群体深度绑定了硅谷的移动互联网、高增长科技公司与线上平台,这种与生俱来的“近水楼台”让他们必须保持极高的技术敏锐度。

在长年为底层基础模型开发者提供支持的过程中,TaskUs 第一时间目睹了大模型能力的跃迁,并深刻意识到这项技术必将对商业化企业软件与终端消费者应用产生颠覆性冲击。面对“技术浪潮必然到来”的趋势,TaskUs 迅速做出战略决断:不再被动防守,而是将积累的技术认知与资源重新投向市场,主动转型为帮助企业客户在 CX 与客户服务战略中落地 Agentic AI 技术的赋能者。

> “我们陪伴着高增长科技公司一路成长……在协助构建这些底层技术的过程中,我们清楚地看到了它即将对商业和消费级应用产生的深远影响。我们当时就认定:这一天一定会到来,我们必须顺势而为。” —— Jarrod Johnson

---

[05:17](https://www.youtube.com/watch?v=rEGgNLAMocM&t=317s) 重构 CX 质量标准:全量数据监控、模拟测试与规模化一致性

在探讨客户体验质量时,Sahil 指出传统 CX 领域的黄金法则向来是“重金投入于人员选拔、持续培训与长期留存”;而语音 AI 智能体的出现不仅以极低的边际成本打破了原有的经济模型,还通过 RAG(检索增强生成)与工具调用(Agentic Actions)解锁了连接知识库与跨系统执行复杂任务的新能力。

Jarrod 对此表示,客户的核心诉求始终是在“质量”与“价值”之间寻找最佳平衡点,无论过去选择离岸外包(Offshore)还是本土人员扩充(Staff Augmentation),本质都是为了寻求规模化。而 Voice AI 技术不仅没有牺牲质量,反而带来了显著提升质量的契机,其核心优势体现在三个维度:

| 维度 | 传统人工座席模式 | 语音 AI Agent 模式 | |:--- |:--- |:--- | | **数据覆盖度 (Data Coverage)** | 绝大多数企业仅能抽检 **5% - 10%** 的通话录音进行复盘分析 | 原生常驻于 **100%** 的全量对话数据之上,全面捕获用户情绪与产品反馈 | | **测试与验证机制 (Testing & Iteration)** | 策略与流程调整依赖人工逐层培训,落地反馈慢且难以量化 | 能够在数字沙盒中运行数千次**仿真模拟与 A/B 测试**,上线前预判业务变动效果 | | **规模化一致性 (Consistency at Scale)** | 人类存在疲劳与情绪波动,在大规模并发下极难保持绝对无差错执行 | 严格遵循预设策略与业务规则,在超大规模交互中提供**更高的一致性与稳定性** |

Jarrod 强调,只要在业务场景的切入点选择得当,AI 智能体在一致性与全量数据洞察上的优势,足以建立起超越传统人工模式的全新质量标杆。

---

[08:09](https://www.youtube.com/watch?v=rEGgNLAMocM&t=489s) 合作战略的反思:明确服务定位与严苛的技术选型

谈到与技术厂商的生态合作,Sahil 称赞 TaskUs 团队对客户流程与治理体系有着极深的理解,并在技术选型上保持了极为严谨的评估标准。Jarrod 坦诚地回顾了 TaskUs 在过去两三年间的探索弯路。

大约在一年前半到两年前,TaskUs 曾召集了一批技术专家,试图按照极客创业者的思维“亲自从零研发一套专属的 AI 技术平台”。然而团队很快意识到,TaskUs 的核心 DNA 是一家**专业服务与运营公司**而非纯软件产品公司,自研软件并非其所长。在及时调整航向后,TaskUs 将战略重心转向了自身最擅长的领域——构建严密的治理流程、严选行业顶尖的技术产品伙伴(如 Regal),并以此为基础为企业客户提供端到端的 AI 落地与咨询服务。

[08:56](https://www.youtube.com/watch?v=rEGgNLAMocM&t=536s) TaskUs 的 AI 合作伙伴选型标准与为何押注 Regal

TaskUs 在坐席辅助(Agent Assist)类 AI 工具上积累了丰富的实操经验,但管理层清醒地认识到,客户绝不会向一家非纯技术背景的 BPO 服务商购买底层技术。由于自身缺乏庞大的底层工程研发团队,TaskUs 决定在市场上寻找最佳的第三方 Agentic AI(智能体 AI)技术进行整合。当时团队梳理了整个客户服务 AI 赛道的数据,在获得融资的约 800 家初创公司中层层筛选,最终通过 RFI(信息征询书)流程将候选名单收窄至大约二十余家。

在评估这些技术厂商时,TaskUs 确立了非常明确的标准:首先看技术基本面,其次极其看重“客户背书与真实成功案例”,希望听到合作方如何切实带来业务影响的故事。出人意料的是,TaskUs 在初期筛选时并不把价格作为核心决策因素,因为团队判断市场竞争与价值回报随着时间推移自然会平衡价格。最后两个关键维度则是产品愿景(是否具备面向未来的演进蓝图)以及文化契合度与合作意愿——正如 Jarrod Johnson 所生动描述的,对方必须是那种“周五晚上你会想和他一起喝杯啤酒的人”,真正愿意在培训赋能、联合市场推广(Joint GTM)上深度投入。

TaskUs 最终选择 Regal 作为核心语音合作伙伴,核心原因在于当时绝大多数竞品都在做文本聊天机器人(Chatbot),而 Regal 展现出了在语音赛道的专注与深厚积淀。早在去年第四季度与市场广泛接洽时,几乎所有合作伙伴都在画饼称“语音功能即将在 Roadmap 上线”,而 TaskUs 与 Regal 首席执行官 Alex 及团队自 2018、2019 年便有深厚的业务往来。Regal 拥有联络中心通信平台(CCaaS)背景,深刻理解客户的业务场景、底层技术栈、电信通讯方案(Telephony Plans)以及语音通话中的核心痛点,这与市场上 90% 仅能提供文本与消息流 Agent 的供应商形成了降维差异。

- **海选与收窄**:从获投的 800 家客服 AI 企业中筛选出约 24 家进入正式 RFI 评估。 - **四大核心考核维度**:技术基本面与客户落地实证(Referenceable Clients)、长期产品愿景(Vision)、深度联合推广意愿(Go-to-Market 合作模式),价格在初期被置于次要地位。 - **差异化竞争壁垒**:当竞品普遍停留在消息/文本聊天且将语音列为远期规划时,Regal 凭借深厚的 CCaaS 通讯与电话系统积累直接以语音为核心切入。

```mermaid flowchart TD accTitle: TaskUs AI Partner Selection Framework subgraph S1["筛选阶段"] A["800+ 家 AI 获投企业"] --> B["20+ 家进入 RFI 评估"] end subgraph S2["核心评估维度"] B --> C1["技术底座与真实客户背书"] B --> C2["长期产品演进愿景"] B --> C3["深度伙伴关系与联合 GTM"] end subgraph S3["最终决策"] C1 & C2 & C3 --> D["选定 Regal: 专注企业级 Voice AI 底层与通讯技术"] end ```

---

[11:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=684s) 语音交互的独特价值与 3 倍 ROI 的商业逻辑

从创立第一天起,Regal 就做出了专注深耕语音的战略决策。Sahil Mehta 直言,行业过去在某种程度上“自欺欺人地认为聊天(Chat)对客户是更好的体验”,但其实际驱动力仅仅是出于成本考量。在构建 AI 解决方案时,Chatbot 的容错门槛远低于 Voice AI Agent——如果一个语音 AI 坐席在通话中需要 15 秒才能检索并给出正确回答,这在电话场景下是灾难性的体验崩溃;但在文本聊天中,15 秒的延迟完全在正常预期之内。许多消费者都经历过令人沮丧的 Chatbot:对话中断后不知道停在哪里,甚至分不清屏幕另一端到底是不是真人。语音交互依然是客户沟通中最纯粹、最具人性化偏好的方式。

在落地商业价值方面,TaskUs 发现过去 6 到 9 个月内的业务进展超出了最初预期。原本以为客户只会寻求 Chatbot 平台升级、IVR 替代或帮助中心前台改造,但由于像 Salesforce Agentforce 这类软件巨头与各路消息中间件厂商纷纷涌入,文本交互市场已经高度同质化且极度碎片化。相反,市场上存在海量此前被人工处理但价值相对较低的本土呼叫场景,急需更聪明的自动化手段来承接。TaskUs 率先向企业客户输出明确的 Voice AI 场景方案,尽管语音智能体的单价高于文本,但其为客户带来的实际 ROI 往往达到普通文本方案的三倍左右。

- **容错率与延迟鸿沟**:文本聊天可容忍十几秒的查询等待,而语音智能体要求毫秒级的高实时响应与流式交互,技术门槛更高。 - **市场蓝海突破**:避开过度拥挤的文本客服与 IVR 替换红海,主打能够直接承接企业低效高耗通话的高价值语音场景。 - **投资回报倍数**:尽管语音方案在单次部署和使用上的成本基线高于文本,但因其直接解决高难度转化与通话问题,带来的综合 ROI 是同类方案的近 3 倍。

---

[13:33](https://www.youtube.com/watch?v=rEGgNLAMocM&t=813s) 实战案例:心理健康平台的预约转化与多维价值创造

Jarrod Johnson 分享了一个典型的实战案例:TaskUs 与一家心理健康科技平台展开深度合作。该平台作为双边撮合市场,核心业务是将患者与心理咨询师/医生进行连接匹配。营销团队带来了大量的主动入站咨询(Inbound Leads),但最关键的商业瓶颈在于如何促成患者真正完成并出席首次预约。在线医疗注册往往存在极高的流失率,患者可能因为时间冲突取消预约、找不到合适的时间段,或者医生端突发改期,导致转化漏斗大幅缩窄,直接损害平台营收。

过去,该平台投入了极其昂贵的人工坐席进行外呼跟进和挽回,成本高昂且受限于人工作息与排班产能。TaskUs 部署了 Voice AI 方案,不仅没有简单要求客户砍掉原有的人力预算,而是以现有成本为基准进行对照跑马(Benchmark)。最终,Voice AI 展现出了远超人工的触达效率与预约转化率,通过智能外呼调度大幅提升了首次预约的锁定成功率。

Sahil Mehta 指出,这项技术的引入并非单纯的“削减成本”逻辑。在评估任何前沿技术投资时,企业应从三大核心维度进行考量:增加收入(Make more money)、减少支出(Spend less money)以及赋能全新业务能力(Enable new capabilities)。在实际客户交流中,单纯降本往往排在靠后的优先级,而 Voice AI 真正打动企业的是它能够同时在这三个维度上爆发价值。

- **业务瓶颈**:医疗健康预约撮合流失率高,传统人工外呼跟进受限于产能瓶颈与昂贵工时成本。 - **方案成效**:Voice AI 自动化承接外呼与改期确认,不仅大幅提升首次预约转化率,还赋予了企业全天候即时响应的全新外呼能力。 - **技术投资的三大价值维度**: 1. 带来直接营收增长(提高转化率与客单量) 2. 优化运营成本结构(降低低效工时与管理开销) 3. 激发全新业务能力(突破人工排班上限的大规模即时触达)

---

[15:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=924s) 企业落地 Voice AI 的三大成功法则与问答互动

在谈及成功部署 Voice AI 的最佳实践与共性特征时,Jarrod Johnson 归纳了企业必须跨越的三大认知关卡:

首先是**运营团队与产品/技术团队的高度协同**。许多项目之所以失败,是因为真正管理一线客服、销售或外呼流程的业务团队,与主导引入新技术的产品及 IT 团队缺乏一致目标,导致技术落地与一线业务脱节,最终出现巨大的 ROI 兑现鸿沟。

其次是**预估到持续维护(Care and Feeding)的必要性**。这种系统上线后的持续维护并非因为技术存在缺陷或难以维系,而是因为企业的政策、流程与产品形态在不断动态变更。与此同时,大多数企业内部的知识库(Knowledge Base)管理非常松散混乱,这构成了项目实施初期最大的拦路虎——必须先帮助客户梳理、精炼业务知识,将零散信息重塑为规范的智能体操作程序(Agent Operating Procedures)才能确保 AI 稳定输出。

最后是**前期必须清晰量化 ROI 指标**。无论核心目标是营收增长、转化率提升、绝对成本削减还是规模经济效益,企业必须在项目立项之初就完成指标定义与基线测算并在过程中严密追踪,否则管理层极易在漫长的推进中失去耐心。

在随后的现场问答环节中,有听众向 Regal 提问其与 SoundHound 这类特定垂直领域厂商的区别,以及是否会采用其技术。Sahil Mehta 解释称,市场上涌现出了大量垂直单点方案——例如专门承接牙科诊所预约、医美前台接待或房屋抵押贷款服务的 AI 工具。这类工具对于中小型企业(SMB)非常有效,因为它们开箱即用且门槛极低;而 Regal 的定位截然不同,专注于面向大型企业(Enterprise),解决涉及复杂业务逻辑、高并发通讯以及深层系统集成的跨场景核心诉求。

- **成功三大基石**: - **跨部门对齐**:运营实战团队与产品技术团队目标高度统一。 - **知识管理治理**:克服企业知识散乱问题,建立持续应对政策、产品变动的 SOP 维护机制。 - **明确衡量基准**:在实施前确立可量化的核心指标,防止商业耐心被耗尽。 - **企业级与垂直 SMB 方案的差异**:单点垂直工具适用于简单低门槛的单体门店或 SMB,而 Regal 专注于高复杂度、高可靠性与系统化集成的企业级核心场景。

[17:30](https://www.youtube.com/watch?v=rEGgNLAMocM&t=1050s) 企业级 Voice AI 的核心定位:高呼叫量、强合规与行业布局

在探讨市场竞争格局与业务定位时,两位嘉宾明确指出,当企业面临更大规模的呼叫量(larger call volumes)以及极为严格复杂的数据治理(governance needs)和安全合规需求(security needs)时,正是 TaskUs 与 Regal 展现核心价值的所在。正因如此,他们通常不会与市面上那些局限于单一利基场景的垂直类方案(vertical plays)进行同质化竞争,而是依靠强大的底层安全与治理架构构建起差异化壁垒。

双方强调,虽然业务深度渗透在保险(Insurance)、金融科技(Fintech)以及医疗健康(Healthcare)等重点垂直行业中,但其战略重心始终牢牢锁定在“企业级”(Enterprise)市场。在这些对安全性、合规性和大规模并发处理能力有着极高要求的高门槛领域,专注于提供能够稳定承载复杂业务的企业级 Voice AI 解决方案。

- **核心壁垒**:聚焦于承载超大呼叫量规模,满足大型企业复杂的数据安全与合规治理标准。 - **重点深耕行业**:主要服务于保险、金融科技、医疗健康等对监管与稳定性要求苛刻的关键领域。 - **市场战略**:明确以“企业级(Enterprise)”为核心发展方向,避免陷入轻量级垂直点状工具的低维竞争。

## Notable quotes > [04:04](https://www.youtube.com/watch?v=rEGgNLAMocM&t=244s) 我们陪伴着高增长科技公司一路成长……在协助构建这些底层技术的过程中,我们清楚地看到了它即将对商业和消费级应用产生的深远影响。我们当时就认定:这一天一定会到来,我们必须顺势而为。 — Jarrod Johnson

> [08:56](https://www.youtube.com/watch?v=rEGgNLAMocM&t=536s) 周五晚上你会想和他一起喝杯啤酒的人 — Jarrod Johnson

> [11:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=684s) 自欺欺人地认为聊天(Chat)对客户是更好的体验 — Sahil Mehta

> [13:33](https://www.youtube.com/watch?v=rEGgNLAMocM&t=813s) 增加收入(Make more money)、减少支出(Spend less money)以及赋能全新业务能力(Enable new capabilities) — Sahil Mehta

> [01:50](https://www.youtube.com/watch?v=rEGgNLAMocM&t=110s) 成本高昂且极难规模化扩张 — Sahil Mehta

> [05:17](https://www.youtube.com/watch?v=rEGgNLAMocM&t=317s) 在质量与价值之间寻找最佳平衡点 — Jarrod Johnson

> [05:17](https://www.youtube.com/watch?v=rEGgNLAMocM&t=317s) 绝大多数企业仅能抽检 5% - 10% 的通话录音进行复盘分析 — Jarrod Johnson

> [15:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=924s) 预估到持续维护(Care and Feeding)的必要性 — Jarrod Johnson

> [15:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=924s) 必须先帮助客户梳理、精炼业务知识,将零散信息重塑为规范的智能体操作程序(Agent Operating Procedures)才能确保 AI 稳定输出。 — Jarrod Johnson

## Mentioned Sahil Mehta, Jarrod Johnson, Regal AI, TaskUs, Alex, Ai4, Angi, Salesforce Agentforce, SoundHound, BPO, CCaaS, IVR, RAG

## Video description Sahil Mehta, CCO, Regal AI Jarrod Johnson, Chief Customer Officer, TaskUs

Abstract

AI Agents are no longer just experimental. Enterprises are deploying them across high-volume, high-stakes interactions. In this fireside chat, leaders from TaskUs and Regal will share how enterprise-grade Voice AI Agents are transforming customer interactions across industries. From complex, high-volume conversations in BPO environments to revenue-driving use cases like lead engagement and speed-to-contact, you’ll get a behind-the-scenes look at real deployments, challenges faced, and the outcomes delivered.

Key Takeaways:

* How AI Agents are being operationalized in real-world, enterprise-grade environments

* The measurable impact on customer experience, lead conversion, and operational efficiency

* Lessons learned from scaling AI Agent programs across different industries

Don’t miss this opportunity to hear what’s working now in AI Agent deployments. Walk away with insights you can apply immediately. Join us and see what’s possible when AI moves from pilot to production.

[Source](https://www.youtube.com/watch?v=rEGgNLAMocM)

中文简报

TaskUs押注语音AI:实时通话投资回报率达聊天机器人的三倍 语音AI的投资回报率是同质化文本机器人的三倍,因为实时语音互动能加速营收转化,而不仅仅是削减人工成本。 TaskUs与Regal AI探讨了企业联络中心向部署自主语音智能体的运营转型,将低延迟语音架构与同质化的文本聊天机器人进行了对比。发言人强调,语音互动带来的转化投资回报率约为文本消息的三倍,同时还能解锁完整的100%互动遥测数据以实现持续的质量保证。他们以一个医疗平台的案例研究阐述了主动外呼语音智能体如何消除预约流失以推动营收增长,而不仅仅是压缩人力成本。最后,他们强调长期的成功扩展需要在运营与技术团队之间进行严格的跨职能协同、持续维护知识库,并建立优于中小企业单点解决方案的稳健企业级治理。 TaskUs 与 Regal 展开合作推进企业级语音 AI 落地,依托深度企业系统集成、上下文实时事件触发和上线前合成模拟三大技术支柱,已累计支撑超过 2.5 亿次通话。 (0:04) 传统联络中心通常仅能人工抽检 5% 至 10% 的通话,而原生语音 AI 平台能全量分析 100% 的交互遥测数据,消除人为执行方差并支持快速 A/B 测试。 (4:08) 相较于面临同质化且容忍多秒延迟的文本聊天机器人,低延迟对话式语音 AI 能传递更高的客户同理心,实现的转化 ROI 约为文本交互的 3 倍。 (8:09) 在医疗健康平台案例中,主动外呼语音 Agent 有效解决了预约流失与排程瓶颈,将价值主张从单纯降低人力成本转向直接拉动顶线收入增长。 (13:28) 企业语音 AI 项目受阻的主要诱因在于一线业务运营与产研团队脱节,同时企业往往严重低估了维持知识库与动态 SOP 持续对齐所需的运维成本。 (14:52)

精炼阅读摘要

在Ai4大会上,Regal首席运营官Sahil Mehta与TaskUs首席客户官Jarrod Johnson指出,企业级语音AI正从单纯的人力降本手段转变为驱动营收增长的核心引擎;凭借100%全量数据质检与显著高于文本的转化效率,低延迟语音智能体正在重塑高复杂度业务的客户交互模式。 全量质检与仿真测试驱动的质量变革 (4:08) 拥有约6万名员工的外包服务商TaskUs将其业务划分为三大板块:经典客户体验(60%)、信任与安全合规(20%)以及AI服务(20%)。Jarrod Johnson表示,传统呼叫中心依赖昂贵的人力培训与抽样质检,质检人员通常仅能覆盖5%至10%的通话录音,难以彻底杜绝人员疲劳与服务方差。相比之下,语音AI智能体能够实时捕获并分析100%的交互数据,消除了人工执行的波动性,使企业能够在统一的标准下实现规模化的高质量服务。 结合Regal累计处理逾2.5亿通电话的企业实践,Sahil Mehta强调,平台不仅依赖事件触发引擎与底层系统集成,更依托上线前的仿真测试引擎保障质量。在策略正式推向生产环境前,系统会运行数千次合成对话模拟进行压力测试。这种全量数据分析与预先模拟机制,使企业能够在不干扰真实用户的情况下快速演练业务流程或定价变动,确保各类边缘场景的合规执行。 语音渠道的溢价:转化率与低延迟壁垒 (8:09) TaskUs在梳理AI供应商生态时,曾系统性评估了约800家初创公司并筛选出两打候选对象。Jarrod坦言,TaskUs两年前曾尝试自主研发AI核心技术,但迅速意识到自身本质是服务型企业,大型买家通常不愿向缺乏深厚工程积累的公司采购核心大模型。而在外部调研中,超过90%的方案局限于文本聊天机器人或IVR分流,绝大多数竞争对手仅将语音列为尚未兑现的技术规划。 Sahil Mehta进一步指出,行业长期以来推广文本聊天机器人主要是由于其部署成本低廉,然而文本交互动辄允许15秒的响应延迟,这种延迟在实时通话中会彻底破坏体验。随着Salesforce Agentforce等产品推动文本智能体走向通用化,原生低延迟语音的技术门槛愈发显著。Sahil主张,尽管语音交互的单次算力成本更高,但其提供的情感共鸣远胜文本,带来的投资回报率约为文本渠道的三倍。 医疗健康实践:以主动外呼突破营收瓶颈 (13:28) 在落地案例分析中,Jarrod分享了一家对接患者与持牌心理咨询师的双边平台部署经验。该平台虽然通过数字营销获取了大量初期注册线索,但患者在实际参加首次咨询前存在极高的流失率。排期摩擦、临时取消以及日历档期不匹配等环节构成了转化瓶颈,严重压制了平台的业务变现。 TaskUs与Regal为此部署了具备主动外呼能力的语音智能体,在患者流失节点即时介入,实时协调复杂的日历排期并重新确认匹配关系。该方案突破了传统人工座席的外呼产能上限,大幅拉升了端到端预约完成率。Sahil总结道,企业级AI项目的成效衡量已跳出单纯削减人力成本的局限,其真正价值在于通过扩大有效触达规模,直接推动企业顶线收入的增长。 规模化落地的组织治理与企业级技术壁垒 (14:52) 谈及语音智能体的规模化落地规律,发言人指出项目成败的关键在于组织协同。许多项目停滞并非源于底层模型失效,而是由于负责客服或销售的一线运营团队与技术产品团队之间存在脱节。此外,业务政策与产品形态的频繁迭代要求系统具备长效维护机制;许多企业内部的知识库与标准作业程序(SOP)缺乏有效治理,必须先进行数据清洗与结构化梳理,语音智能体方能稳定发挥效能。 针对面向小微企业(SMB)的垂直领域工具(如SoundHound)与企业级平台的差异,Sahil Mehta在问答环节明确表示,垂直型初创往往聚焦牙科诊所预约或医美前台等单一标准化场景,主打即插即用;而Regal等平台专攻保险、金融科技、医疗健康等强监管、高调用量行业。大型企业的核心诉求在于与遗留系统深度打通、满足严格的数据合规与隐私安全标准,这些需求并非轻量级SMB工具所能承载。 对话表明,语音AI在大型企业的落地正在从单纯的成本削减转向以全量质检与高转化率为核心的业务增量模式;然而,企业内部落后的知识库治理水平以及运营与技术团队之间的协同断层,仍是当前技术全面转化为业务成果的主要挑战。

Detailed notes — zh

## Background 该内容由 YouTube 频道 Ai4 于 2025 年 9 月 13 日发布,记录了在 Ai4 大会上进行的一场炉边对谈。视频由 Regal AI 首席运营官 Sahil Mehta 与 TaskUs 首席客户官 Jarrod Johnson 共同主讲,主题围绕企业级语音 AI 智能体(Voice AI Agents)在真实高并发、高标准业务场景中的落地实践、面临挑战以及交付成果。 ## TL;DR 对话深入探讨了 BPO 巨头 TaskUs 与语音 AI 平台 Regal 如何携手将 Voice AI 智能体从概念验证推向大规模企业级生产环境。双方对比了语音与文本交互在容错率和商业回报(高达 3 倍 ROI)上的差异,并指出语音 AI 能通过全量数据监控、上线前仿真测试及规模化一致性重塑 CX 质量标准。此外,嘉宾结合心理健康预约转化的真实案例,总结了跨部门协同、知识库治理与量化基准三大落地成功要素,并明确其深耕金融、保险及医疗等高合规企业级市场的差异化定位。 ## Atmosphere & style 现场氛围务实专业且充满行业洞察,两位嘉宾以达拉斯与拉斯维加斯酷暑的轻松调侃开场,随后迅速切入高信息密度的商业与技术对话。讨论风格坦诚犀利,Jarrod 毫不避讳地复盘了 TaskUs 早期盲目自研软件的弯路,Sahil 则以第一线创业者的视角剖析行业对 Chatbot 的盲目迷信,整体交流极具实战指导意义与思想碰撞感。 ## Key takeaways - [04:04](https://www.youtube.com/watch?v=rEGgNLAMocM&t=244s) TaskUs 从服务基础模型训练与科技客户的经验中,深刻预见到大模型与 Agentic AI 对商业及消费者应用的颠覆性冲击,因而主动从传统 BPO 向智能体落地赋能者转型。 - [01:50](https://www.youtube.com/watch?v=rEGgNLAMocM&t=110s) Regal 凭借专注企业级复杂业务本体、场景化上下文触发引擎以及上线前全流程仿真模拟三大支柱,构建起差异化的企业级语音 AI 平台壁垒。 - [05:17](https://www.youtube.com/watch?v=rEGgNLAMocM&t=317s) 语音 AI 智能体打破了传统人工座席仅能抽检 5%-10% 通话的局限,能实现 100% 全量数据分析,并通过仿真沙盒测试与统一规则执行提供更高的大规模服务一致性。 - [08:09](https://www.youtube.com/watch?v=rEGgNLAMocM&t=489s) TaskUs 放弃从零自研 AI 底层软件的路线,明确定位自身为专业服务与运营专家,转而在生态中筛选顶尖技术厂商进行联合赋能与治理落地。 - [08:56](https://www.youtube.com/watch?v=rEGgNLAMocM&t=536s) 在评估客服 AI 伙伴时,TaskUs 重点考量技术基本面、客户落地实证、产品愿景与深度联合推广意愿,而非将价格作为初期核心指标。 - [11:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=684s) 相较于市场上拥挤且容错率高的文本 Chatbot,Regal 凭借深厚的 CCaaS 通讯与电话系统底座,专注解决高实时性、低容错的企业级语音交互痛点。 - [11:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=684s) 虽然语音 AI 的单次部署成本高于文本,但通过直接替代低效呼叫并赋能高价值转化场景,往往能为企业带来普通文本方案约 3 倍的实际 ROI。 - [13:33](https://www.youtube.com/watch?v=rEGgNLAMocM&t=813s) 在心理健康平台实战案例中,Voice AI 通过自动化外呼跟进与智能改期大幅提升了首次预约出席率,验证了技术在创收与赋能新能力上的双重爆发力。 - [13:33](https://www.youtube.com/watch?v=rEGgNLAMocM&t=813s) 评估企业级新技术投资应涵盖三维指标:增加收入、减少支出和激发全新业务能力,单纯以降本为导向往往难以最大化释放技术价值。 - [15:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=924s) 企业成功落地 Voice AI 需要跨越三大关卡:实现业务运营与产品 IT 团队的目标对齐、梳理并持续维护混乱的内部知识库与 SOP、在立项前明确 ROI 基准。 - [17:30](https://www.youtube.com/watch?v=rEGgNLAMocM&t=1050s) 相比专注于单体门店或 SMB 的垂直类开箱即用工具,Regal 与 TaskUs 聚焦于具有超大呼叫量、强合规与复杂系统集成需求的保险、金融科技及医疗等企业级场景。 ## Detailed walkthrough ### [00:04](https://www.youtube.com/watch?v=rEGgNLAMocM&t=4s) 开场与 TaskUs 业务全景:从 BPO 巨头到 AI 服务先锋 在拉斯维加斯举办的 Ai4 大会上,Regal 首席运营官 Sahil Mehta 与 TaskUs 首席客户官(Chief Customer Officer)Jarrod Johnson 展开了一场关于企业级语音 AI 智能体(Voice AI Agents)落地实践的炉边对谈。Sahil 在开场中提到,现场观众顶着酷暑齐聚拉斯维加斯,正是因为大家都在思考如何将大模型等前沿技术落地于复杂的真实商业场景中。来自达拉斯的 Jarrod 则幽默地调侃道,拉斯维加斯大概是目前全世界唯一一个比达拉斯还要炎热的地方。 随后,Jarrod 详细介绍了 TaskUs 的业务版图。作为一家成立约 15 年的业务流程外包(BPO)与技术服务企业,TaskUs 目前在全球拥有约 60,000 名员工。其业务结构主要由三大板块构成:约 60% 为传统的客户体验(CX)与联络中心业务;约 20% 为信任与安全(Trust and Safety)以及欺诈、风险与合规(Fraud, Risk and Compliance)业务;其余部分则是近年来迅速增长的 AI 服务业务。早在五年前,该团队就在帮助大型科技公司将机器学习模型部署到生产环境中,如今更是直接为基础模型(Foundation Model)开发者提供数据与模型优化服务。Jarrod 负责掌管 TaskUs 的所有市场拓展(GTM)职能,并在大约 18 个月前牵头组建了 Agentic AI(智能体 AI)咨询业务部门。 - **员工规模**:全球 60,000 名员工。 - **业务构成**:60% 客户体验(CX/联络中心)、20% 信任安全与风险合规、20% AI 服务(支持基础模型与机器学习训练)。 - **核心职能**:覆盖销售、市场、产品与服务线战略,以及专注于落地部署的 Agentic AI 咨询团队。 --- ### [01:50](https://www.youtube.com/watch?v=rEGgNLAMocM&t=110s) Regal 的创立基因与企业级 Voice AI 平台的三大支柱 Sahil 随后分享了 Regal 的创立初衷与发展历程。Regal 的联合创始团队曾是家庭服务平台 Angi 的高管,当时管理着拥有 30,000 名座席的大型联络中心。他们在实践中发现,语音互动不仅能帮客户解决问题,更是推动高 ROI 业务转化的极其强大的渠道;然而,人工语音的瓶颈在于“成本高昂且极难规模化扩张”。为了解决这一行业痛点,他们创立了 Regal。截至目前,Regal 已累计融资超过 8,000 万美元,处理了超过 2.5 亿通电话,并服务于数百家部署语音 AI 智能体的企业客户。 ```mermaid flowchart TD accTitle: Regal 企业级语音 AI 平台的三大支柱 subgraph EnterprisePillars["Regal 核心差异化架构"] A["1. 纯企业级定位与业务本体整合<br/>(Enterprise Ontology & Workflows)"] B["2. 场景化上下文驱动引擎<br/>(Context-Engine & Action Triggers)"] C["3. 全生命周期可观测性与模拟评测<br/>(Observability & Pre-live Simulations)"] end A --> D["落地高质量生产环境"] B --> D C --> D ``` 谈及 Regal 在竞争激烈的人工智能赛道中的核心壁垒,Sahil 总结了三大关键差异化能力: 1. **专注企业级复杂场景(Enterprise Focus)**:不仅在技术基础设施上进行深度投入,还结合专业服务(如与 TaskUs 团队紧密合作),确保 AI 智能体不仅能接打电话,更能深度融入企业的客户数据系统、工作流规则以及业务本体(Ontology)。 2. **上下文嵌入与规则引擎(Context-embedded Engine)**:打破“被动接打电话”的局限,基于用户行为实时触发精准互动——例如当潜在客户触发某项特定操作时,系统会自动唤起定制化的 AI 智能体发起沟通。 3. **企业级可观测性与模拟测试(Enterprise Observability & Quality)**:除了传统人工座席使用的对话智能、转录与质检评分卡外,还支持独创的“上线前数千次对话仿真模拟(Simulations)”,在真正触达真实客户前充分验证系统稳定性与话术表现。 --- ### [04:04](https://www.youtube.com/watch?v=rEGgNLAMocM&t=244s) BPO 为何重注 AI Agent:身处前沿的技术敏锐度 针对一家重度依赖人力规模的 BPO 企业为何如此激进地押注 AI Agent,Sahil 提出了外界普遍好奇的疑问。Jarrod 解释道,TaskUs 的核心客户群体深度绑定了硅谷的移动互联网、高增长科技公司与线上平台,这种与生俱来的“近水楼台”让他们必须保持极高的技术敏锐度。 在长年为底层基础模型开发者提供支持的过程中,TaskUs 第一时间目睹了大模型能力的跃迁,并深刻意识到这项技术必将对商业化企业软件与终端消费者应用产生颠覆性冲击。面对“技术浪潮必然到来”的趋势,TaskUs 迅速做出战略决断:不再被动防守,而是将积累的技术认知与资源重新投向市场,主动转型为帮助企业客户在 CX 与客户服务战略中落地 Agentic AI 技术的赋能者。 > “我们陪伴着高增长科技公司一路成长……在协助构建这些底层技术的过程中,我们清楚地看到了它即将对商业和消费级应用产生的深远影响。我们当时就认定:这一天一定会到来,我们必须顺势而为。” —— Jarrod Johnson --- ### [05:17](https://www.youtube.com/watch?v=rEGgNLAMocM&t=317s) 重构 CX 质量标准:全量数据监控、模拟测试与规模化一致性 在探讨客户体验质量时,Sahil 指出传统 CX 领域的黄金法则向来是“重金投入于人员选拔、持续培训与长期留存”;而语音 AI 智能体的出现不仅以极低的边际成本打破了原有的经济模型,还通过 RAG(检索增强生成)与工具调用(Agentic Actions)解锁了连接知识库与跨系统执行复杂任务的新能力。 Jarrod 对此表示,客户的核心诉求始终是在“质量”与“价值”之间寻找最佳平衡点,无论过去选择离岸外包(Offshore)还是本土人员扩充(Staff Augmentation),本质都是为了寻求规模化。而 Voice AI 技术不仅没有牺牲质量,反而带来了显著提升质量的契机,其核心优势体现在三个维度: | 维度 | 传统人工座席模式 | 语音 AI Agent 模式 | |:--- |:--- |:--- | | **数据覆盖度 (Data Coverage)** | 绝大多数企业仅能抽检 **5% - 10%** 的通话录音进行复盘分析 | 原生常驻于 **100%** 的全量对话数据之上,全面捕获用户情绪与产品反馈 | | **测试与验证机制 (Testing & Iteration)** | 策略与流程调整依赖人工逐层培训,落地反馈慢且难以量化 | 能够在数字沙盒中运行数千次**仿真模拟与 A/B 测试**,上线前预判业务变动效果 | | **规模化一致性 (Consistency at Scale)** | 人类存在疲劳与情绪波动,在大规模并发下极难保持绝对无差错执行 | 严格遵循预设策略与业务规则,在超大规模交互中提供**更高的一致性与稳定性** | Jarrod 强调,只要在业务场景的切入点选择得当,AI 智能体在一致性与全量数据洞察上的优势,足以建立起超越传统人工模式的全新质量标杆。 --- ### [08:09](https://www.youtube.com/watch?v=rEGgNLAMocM&t=489s) 合作战略的反思:明确服务定位与严苛的技术选型 谈到与技术厂商的生态合作,Sahil 称赞 TaskUs 团队对客户流程与治理体系有着极深的理解,并在技术选型上保持了极为严谨的评估标准。Jarrod 坦诚地回顾了 TaskUs 在过去两三年间的探索弯路。 大约在一年前半到两年前,TaskUs 曾召集了一批技术专家,试图按照极客创业者的思维“亲自从零研发一套专属的 AI 技术平台”。然而团队很快意识到,TaskUs 的核心 DNA 是一家**专业服务与运营公司**而非纯软件产品公司,自研软件并非其所长。在及时调整航向后,TaskUs 将战略重心转向了自身最擅长的领域——构建严密的治理流程、严选行业顶尖的技术产品伙伴(如 Regal),并以此为基础为企业客户提供端到端的 AI 落地与咨询服务。 ### [08:56](https://www.youtube.com/watch?v=rEGgNLAMocM&t=536s) TaskUs 的 AI 合作伙伴选型标准与为何押注 Regal TaskUs 在坐席辅助(Agent Assist)类 AI 工具上积累了丰富的实操经验,但管理层清醒地认识到,客户绝不会向一家非纯技术背景的 BPO 服务商购买底层技术。由于自身缺乏庞大的底层工程研发团队,TaskUs 决定在市场上寻找最佳的第三方 Agentic AI(智能体 AI)技术进行整合。当时团队梳理了整个客户服务 AI 赛道的数据,在获得融资的约 800 家初创公司中层层筛选,最终通过 RFI(信息征询书)流程将候选名单收窄至大约二十余家。 在评估这些技术厂商时,TaskUs 确立了非常明确的标准:首先看技术基本面,其次极其看重“客户背书与真实成功案例”,希望听到合作方如何切实带来业务影响的故事。出人意料的是,TaskUs 在初期筛选时并不把价格作为核心决策因素,因为团队判断市场竞争与价值回报随着时间推移自然会平衡价格。最后两个关键维度则是产品愿景(是否具备面向未来的演进蓝图)以及文化契合度与合作意愿——正如 Jarrod Johnson 所生动描述的,对方必须是那种“周五晚上你会想和他一起喝杯啤酒的人”,真正愿意在培训赋能、联合市场推广(Joint GTM)上深度投入。 TaskUs 最终选择 Regal 作为核心语音合作伙伴,核心原因在于当时绝大多数竞品都在做文本聊天机器人(Chatbot),而 Regal 展现出了在语音赛道的专注与深厚积淀。早在去年第四季度与市场广泛接洽时,几乎所有合作伙伴都在画饼称“语音功能即将在 Roadmap 上线”,而 TaskUs 与 Regal 首席执行官 Alex 及团队自 2018、2019 年便有深厚的业务往来。Regal 拥有联络中心通信平台(CCaaS)背景,深刻理解客户的业务场景、底层技术栈、电信通讯方案(Telephony Plans)以及语音通话中的核心痛点,这与市场上 90% 仅能提供文本与消息流 Agent 的供应商形成了降维差异。 - **海选与收窄**:从获投的 800 家客服 AI 企业中筛选出约 24 家进入正式 RFI 评估。 - **四大核心考核维度**:技术基本面与客户落地实证(Referenceable Clients)、长期产品愿景(Vision)、深度联合推广意愿(Go-to-Market 合作模式),价格在初期被置于次要地位。 - **差异化竞争壁垒**:当竞品普遍停留在消息/文本聊天且将语音列为远期规划时,Regal 凭借深厚的 CCaaS 通讯与电话系统积累直接以语音为核心切入。 ```mermaid flowchart TD accTitle: TaskUs AI Partner Selection Framework subgraph S1["筛选阶段"] A["800+ 家 AI 获投企业"] --> B["20+ 家进入 RFI 评估"] end subgraph S2["核心评估维度"] B --> C1["技术底座与真实客户背书"] B --> C2["长期产品演进愿景"] B --> C3["深度伙伴关系与联合 GTM"] end subgraph S3["最终决策"] C1 & C2 & C3 --> D["选定 Regal: 专注企业级 Voice AI 底层与通讯技术"] end ``` --- ### [11:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=684s) 语音交互的独特价值与 3 倍 ROI 的商业逻辑 从创立第一天起,Regal 就做出了专注深耕语音的战略决策。Sahil Mehta 直言,行业过去在某种程度上“自欺欺人地认为聊天(Chat)对客户是更好的体验”,但其实际驱动力仅仅是出于成本考量。在构建 AI 解决方案时,Chatbot 的容错门槛远低于 Voice AI Agent——如果一个语音 AI 坐席在通话中需要 15 秒才能检索并给出正确回答,这在电话场景下是灾难性的体验崩溃;但在文本聊天中,15 秒的延迟完全在正常预期之内。许多消费者都经历过令人沮丧的 Chatbot:对话中断后不知道停在哪里,甚至分不清屏幕另一端到底是不是真人。语音交互依然是客户沟通中最纯粹、最具人性化偏好的方式。 在落地商业价值方面,TaskUs 发现过去 6 到 9 个月内的业务进展超出了最初预期。原本以为客户只会寻求 Chatbot 平台升级、IVR 替代或帮助中心前台改造,但由于像 Salesforce Agentforce 这类软件巨头与各路消息中间件厂商纷纷涌入,文本交互市场已经高度同质化且极度碎片化。相反,市场上存在海量此前被人工处理但价值相对较低的本土呼叫场景,急需更聪明的自动化手段来承接。TaskUs 率先向企业客户输出明确的 Voice AI 场景方案,尽管语音智能体的单价高于文本,但其为客户带来的实际 ROI 往往达到普通文本方案的三倍左右。 - **容错率与延迟鸿沟**:文本聊天可容忍十几秒的查询等待,而语音智能体要求毫秒级的高实时响应与流式交互,技术门槛更高。 - **市场蓝海突破**:避开过度拥挤的文本客服与 IVR 替换红海,主打能够直接承接企业低效高耗通话的高价值语音场景。 - **投资回报倍数**:尽管语音方案在单次部署和使用上的成本基线高于文本,但因其直接解决高难度转化与通话问题,带来的综合 ROI 是同类方案的近 3 倍。 --- ### [13:33](https://www.youtube.com/watch?v=rEGgNLAMocM&t=813s) 实战案例:心理健康平台的预约转化与多维价值创造 Jarrod Johnson 分享了一个典型的实战案例:TaskUs 与一家心理健康科技平台展开深度合作。该平台作为双边撮合市场,核心业务是将患者与心理咨询师/医生进行连接匹配。营销团队带来了大量的主动入站咨询(Inbound Leads),但最关键的商业瓶颈在于如何促成患者真正完成并出席首次预约。在线医疗注册往往存在极高的流失率,患者可能因为时间冲突取消预约、找不到合适的时间段,或者医生端突发改期,导致转化漏斗大幅缩窄,直接损害平台营收。 过去,该平台投入了极其昂贵的人工坐席进行外呼跟进和挽回,成本高昂且受限于人工作息与排班产能。TaskUs 部署了 Voice AI 方案,不仅没有简单要求客户砍掉原有的人力预算,而是以现有成本为基准进行对照跑马(Benchmark)。最终,Voice AI 展现出了远超人工的触达效率与预约转化率,通过智能外呼调度大幅提升了首次预约的锁定成功率。 Sahil Mehta 指出,这项技术的引入并非单纯的“削减成本”逻辑。在评估任何前沿技术投资时,企业应从三大核心维度进行考量:增加收入(Make more money)、减少支出(Spend less money)以及赋能全新业务能力(Enable new capabilities)。在实际客户交流中,单纯降本往往排在靠后的优先级,而 Voice AI 真正打动企业的是它能够同时在这三个维度上爆发价值。 - **业务瓶颈**:医疗健康预约撮合流失率高,传统人工外呼跟进受限于产能瓶颈与昂贵工时成本。 - **方案成效**:Voice AI 自动化承接外呼与改期确认,不仅大幅提升首次预约转化率,还赋予了企业全天候即时响应的全新外呼能力。 - **技术投资的三大价值维度**: 1. 带来直接营收增长(提高转化率与客单量) 2. 优化运营成本结构(降低低效工时与管理开销) 3. 激发全新业务能力(突破人工排班上限的大规模即时触达) --- ### [15:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=924s) 企业落地 Voice AI 的三大成功法则与问答互动 在谈及成功部署 Voice AI 的最佳实践与共性特征时,Jarrod Johnson 归纳了企业必须跨越的三大认知关卡: 首先是**运营团队与产品/技术团队的高度协同**。许多项目之所以失败,是因为真正管理一线客服、销售或外呼流程的业务团队,与主导引入新技术的产品及 IT 团队缺乏一致目标,导致技术落地与一线业务脱节,最终出现巨大的 ROI 兑现鸿沟。 其次是**预估到持续维护(Care and Feeding)的必要性**。这种系统上线后的持续维护并非因为技术存在缺陷或难以维系,而是因为企业的政策、流程与产品形态在不断动态变更。与此同时,大多数企业内部的知识库(Knowledge Base)管理非常松散混乱,这构成了项目实施初期最大的拦路虎——必须先帮助客户梳理、精炼业务知识,将零散信息重塑为规范的智能体操作程序(Agent Operating Procedures)才能确保 AI 稳定输出。 最后是**前期必须清晰量化 ROI 指标**。无论核心目标是营收增长、转化率提升、绝对成本削减还是规模经济效益,企业必须在项目立项之初就完成指标定义与基线测算并在过程中严密追踪,否则管理层极易在漫长的推进中失去耐心。 在随后的现场问答环节中,有听众向 Regal 提问其与 SoundHound 这类特定垂直领域厂商的区别,以及是否会采用其技术。Sahil Mehta 解释称,市场上涌现出了大量垂直单点方案——例如专门承接牙科诊所预约、医美前台接待或房屋抵押贷款服务的 AI 工具。这类工具对于中小型企业(SMB)非常有效,因为它们开箱即用且门槛极低;而 Regal 的定位截然不同,专注于面向大型企业(Enterprise),解决涉及复杂业务逻辑、高并发通讯以及深层系统集成的跨场景核心诉求。 - **成功三大基石**: - **跨部门对齐**:运营实战团队与产品技术团队目标高度统一。 - **知识管理治理**:克服企业知识散乱问题,建立持续应对政策、产品变动的 SOP 维护机制。 - **明确衡量基准**:在实施前确立可量化的核心指标,防止商业耐心被耗尽。 - **企业级与垂直 SMB 方案的差异**:单点垂直工具适用于简单低门槛的单体门店或 SMB,而 Regal 专注于高复杂度、高可靠性与系统化集成的企业级核心场景。 ### [17:30](https://www.youtube.com/watch?v=rEGgNLAMocM&t=1050s) 企业级 Voice AI 的核心定位:高呼叫量、强合规与行业布局 在探讨市场竞争格局与业务定位时,两位嘉宾明确指出,当企业面临更大规模的呼叫量(larger call volumes)以及极为严格复杂的数据治理(governance needs)和安全合规需求(security needs)时,正是 TaskUs 与 Regal 展现核心价值的所在。正因如此,他们通常不会与市面上那些局限于单一利基场景的垂直类方案(vertical plays)进行同质化竞争,而是依靠强大的底层安全与治理架构构建起差异化壁垒。 双方强调,虽然业务深度渗透在保险(Insurance)、金融科技(Fintech)以及医疗健康(Healthcare)等重点垂直行业中,但其战略重心始终牢牢锁定在“企业级”(Enterprise)市场。在这些对安全性、合规性和大规模并发处理能力有着极高要求的高门槛领域,专注于提供能够稳定承载复杂业务的企业级 Voice AI 解决方案。 - **核心壁垒**:聚焦于承载超大呼叫量规模,满足大型企业复杂的数据安全与合规治理标准。 - **重点深耕行业**:主要服务于保险、金融科技、医疗健康等对监管与稳定性要求苛刻的关键领域。 - **市场战略**:明确以“企业级(Enterprise)”为核心发展方向,避免陷入轻量级垂直点状工具的低维竞争。 ## Notable quotes > [04:04](https://www.youtube.com/watch?v=rEGgNLAMocM&t=244s) 我们陪伴着高增长科技公司一路成长……在协助构建这些底层技术的过程中,我们清楚地看到了它即将对商业和消费级应用产生的深远影响。我们当时就认定:这一天一定会到来,我们必须顺势而为。 — Jarrod Johnson > [08:56](https://www.youtube.com/watch?v=rEGgNLAMocM&t=536s) 周五晚上你会想和他一起喝杯啤酒的人 — Jarrod Johnson > [11:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=684s) 自欺欺人地认为聊天(Chat)对客户是更好的体验 — Sahil Mehta > [13:33](https://www.youtube.com/watch?v=rEGgNLAMocM&t=813s) 增加收入(Make more money)、减少支出(Spend less money)以及赋能全新业务能力(Enable new capabilities) — Sahil Mehta > [01:50](https://www.youtube.com/watch?v=rEGgNLAMocM&t=110s) 成本高昂且极难规模化扩张 — Sahil Mehta > [05:17](https://www.youtube.com/watch?v=rEGgNLAMocM&t=317s) 在质量与价值之间寻找最佳平衡点 — Jarrod Johnson > [05:17](https://www.youtube.com/watch?v=rEGgNLAMocM&t=317s) 绝大多数企业仅能抽检 5% - 10% 的通话录音进行复盘分析 — Jarrod Johnson > [15:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=924s) 预估到持续维护(Care and Feeding)的必要性 — Jarrod Johnson > [15:24](https://www.youtube.com/watch?v=rEGgNLAMocM&t=924s) 必须先帮助客户梳理、精炼业务知识,将零散信息重塑为规范的智能体操作程序(Agent Operating Procedures)才能确保 AI 稳定输出。 — Jarrod Johnson ## Mentioned Sahil Mehta, Jarrod Johnson, Regal AI, TaskUs, Alex, Ai4, Angi, Salesforce Agentforce, SoundHound, BPO, CCaaS, IVR, RAG ## Video description Sahil Mehta, CCO, Regal AI Jarrod Johnson, Chief Customer Officer, TaskUs Abstract AI Agents are no longer just experimental. Enterprises are deploying them across high-volume, high-stakes interactions. In this fireside chat, leaders from TaskUs and Regal will share how enterprise-grade Voice AI Agents are transforming customer interactions across industries. From complex, high-volume conversations in BPO environments to revenue-driving use cases like lead engagement and speed-to-contact, you’ll get a behind-the-scenes look at real deployments, challenges faced, and the outcomes delivered. Key Takeaways: * How AI Agents are being operationalized in real-world, enterprise-grade environments * The measurable impact on customer experience, lead conversion, and operational efficiency * Lessons learned from scaling AI Agent programs across different industries Don’t miss this opportunity to hear what’s working now in AI Agent deployments. Walk away with insights you can apply immediately. Join us and see what’s possible when AI moves from pilot to production. [Source](https://www.youtube.com/watch?v=rEGgNLAMocM)

Source quotes

[4:04] Jarrod Johnson: 我们陪伴着高增长科技公司一路成长……在协助构建这些底层技术的过程中,我们清楚地看到了它即将对商业和消费级应用产生的深远影响。我们当时就认定:这一天一定会到来,我们必须顺势而为。 [8:56] Jarrod Johnson: 周五晚上你会想和他一起喝杯啤酒的人 [11:24] Sahil Mehta: 自欺欺人地认为聊天(Chat)对客户是更好的体验 [13:33] Sahil Mehta: 增加收入(Make more money)、减少支出(Spend less money)以及赋能全新业务能力(Enable new capabilities) [1:50] Sahil Mehta: 成本高昂且极难规模化扩张 [5:17] Jarrod Johnson: 在质量与价值之间寻找最佳平衡点 [5:17] Jarrod Johnson: 绝大多数企业仅能抽检 5% - 10% 的通话录音进行复盘分析 [15:24] Jarrod Johnson: 预估到持续维护(Care and Feeding)的必要性 [15:24] Jarrod Johnson: 必须先帮助客户梳理、精炼业务知识,将零散信息重塑为规范的智能体操作程序(Agent Operating Procedures)才能确保 AI 稳定输出。