第一天结束后，我在等待第二天——语音代理日。
老实说，语音代理是整个系统中让我最紧张的部分。
因为其他代理——撰写电子邮件、查询数据、执行路由——往坏了说，它们只是写出一些平庸的内容，被语气教练拦截，然后重写一次。但语音代理实际上会拿起电话拨打给真人。对方接听后，会听到莎拉的声音，听到我编写的脚本，并接收我设计的路由信息。
如果其中出现任何错误，挂断电话的人不会告诉你“你的人工智能很奇怪”。他们只会记得“那家公司令人不愉快”。
催收工作在这方面尤其敏感，因为对方本来心情就不好，对吧？他们可能面临真正的现金流问题，可能刚和自己的客户吵过架，也可能在等待别人付款给他们。如果你的人工智能再踩中一个雷区，那就成了压垮关系的最后一根稻草。
所以在第二天的整整一天里，我一直在思考两件事：
第一，语音代理必须是双向的，而不是单向的。
第二，如果是双向的，它必须能够理解人类实际说的话。
为什么单向语音是不够的
最初的语音代理设计是——我们拨出电话，交谈，然后挂断。就像提醒邮件的音频版本。
但是，当我在编写第五十五天的最后通牒通话部分时，我把脚本大声读了一遍，感觉不对劲。
脚本中让莎拉说：
“我知道可能会出现突发状况。如果您需要，我们可以制定一个还款计划。”
但是——在她说完这句话之后，应该发生什么？
如果客户回应说“好的，下周”、“我需要和老板商量一下”、“其实我们现在有现金流问题”——单向语音听不到这些，对吧？
那么这句“我们可以制定一个还款计划”就只是说说而已，然后下一秒我们就挂断电话吗？
这种设计矛盾早已植根于决策 D-027 之中。设计意图是对话，因此语音必须是双向的。第二天的目标就是完成这一改造。
ElevenLabs 对话式人工智能——第 -1 天播下的种子
当我在第 -1 天（6月11日）注册 ElevenLabs 时，我选择了 ElevenAgents——他们的对话式人工智能产品。
当时 J 告诉我：“首先使用免费层级的 15 分钟在开发游乐场运行，这不会消耗实际通话分钟数，当你真正想要外拨时再升级到 6 美元的入门版套餐。”
所以我照做了。
第二天我做的第一件事就是进入 ElevenLabs 平台，构建完整的对话式人工智能代理。
我选择的声音是莎拉——声音 ID EXAVITQu4vr4xnSDxMaL。这是 ElevenLabs 附带的一个预制声音，免费，定位为“成熟、令人安心、自信的美式英语女性声音”。
我听了一些声音样本。我选择莎拉的原因很简单：她的声音听起来像是我愿意接听电话的那种声音。
不太年轻，不过分甜美，也不是冷冰冰的客服机器人声音。而是那种……你拨打一家美国中型银行的客服热线时，可能会与之交谈的某位中年高级顾问——冷静、温暖，但保持着专业的距离感。
催收工作恰恰需要这样的声音。
太年轻会让客户怀疑你公司的专业性，太老派则会显得咄咄逼人。莎拉正好处于中间位置……
18 个动态变量——如何让莎拉“了解”这位客户
对话式人工智能代理的提示词是固定的，但每次通话面对的都是不同的客户——不同的公司名称、不同的未结余额、不同的逾期天数、不同的行为模式。
为了让莎拉听起来像是真的在与特定
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
