Voice AI下个界面革命 | 迈克·德雷施 | 语音交互 | 上下文层 | 行业采用 | 合规性 | 重写软件经济学 | 端到端 | 分发的重要性 | 人机移交 | 蓝海方向

語音AI領域正經歷深刻但被忽視的轉折。許多人對語音AI的認知停留在自動客服機器人層面，但根據全球頂級風投Bessemer Venture Partners近兩年的系統研究，真實故事要深刻得多。Bessemer合伙人Mike Droesch揭示了一個根本性的真相：語音AI的價值不在於交互更自然，而在於從根本上改變了數據流入AI的帶寬。

傳統軟件交互都是低帶寬方式——用戶通過打字、點擊、填表傳入信息，這些信息是離散的、碎片化的，且經過大腦過濾精簡。比如網上申請理賠，用戶只填表格要求的項目，很多細節信息永遠不會被記錄。但語音完全不同。當用戶說話時，AI同時接收語氣、停頓、情緒、措辭習慣、猶豫的地方等非語言信息。這些看似微妙的細節傳遞的信息量遠遠超過文字輸入。基於這個邏輯，Droesch重新定義了Voice AI的位置——不是一個功能，而是一個「上下文層」，即軟件系統的基礎設施，所有智能決策的數據源。這個定位直接決定了Voice AI的發展天花板。

最反直覺的發現出現在實際應用層面。按照常規推理，互聯網友好的行業（電商、線上教育）應該最先採用Voice AI，因為它們本身數字化程度就高。但現實恰恰相反——採用最快的反而是醫療、保險、金融、法律等監管最嚴格的行業。這乍聽很奇怪，因為這些行業通常被認為最保守。但Droesch的解釋很有說服力：這些行業對流程控制的要求極其苛刻。以醫療為例，AI agent在釋放任何患者健康信息前，必須嚴格驗證身份、確認生日、核對保單號、回答安全問題，每個環節都要通過嚴格的對話關卡，不能有任何疏漏。這種對控制的執著要求，恰好與成熟Voice AI平台的設計能力高度契合——精確規定AI在什麼條件下能說什麼、必須驗證什麼、何時移交人工，每步操作都有詳細日誌。可控性變成了真正的價值主張，成為進入大市場的鑰匙。而一旦客戶切換成本極高，產品粘性遠比技術壁壘持久。

Voice AI還根本性改寫了整個SaaS行業的經濟學。傳統SaaS的邏輯很簡單：企業購買軟件是為了提升員工效率，年合同額（ACV）通常在3萬美元左右，預算來自IT部門相對固定的工具預算。但當Voice AI真正能端到端完成整項工作時，邏輯完全改變——它從優化工具變成替代人工。Droesch舉了個非常具體的例子：一個會計類SaaS傳統版本ACV約3萬美元，而真正能端到端完成整個會計工作流的AI Agent版本——從發票錄入、憑證生成、銀行對賬到稅務申報、財務報表生成全由AI獨立完成——年合同額能達到15萬美元。同一個客戶、同一個問題，定價增加了5倍。這不是廠商漫天要價，而是預算來源變了。客戶實際上是在用虛擬員工的成本與真實員工的薪資競爭——初級會計師年薪約6萬美元，15萬美元相當於購買兩個半的會計師勞動力。而AI的優勢是24小時工作、不需要福利、永遠不會辭職。當然，這一切的前提是AI真的能做到端到端，否則只完成工作流一小部分、最後還靠人來收尾，定價邏輯就完全不成立了。

在護城河層面，Droesch打破了很多行業共識。許多人認為低延遲、高音質、模型準確、音色自然就是Voice AI的壁壘，但Droesch的回答非常直接：這些都不是壁壘，只是入場券。做到了這些不代表有優勢，做不到就直接出局。以Vapi為例，它建立的真實難以復制的優勢有兩個。第一是開發者社區。大量開發者自發涌入使用Vapi的API來構建各種語音AI應用，大多數是小項目（個人開發者的預約助手、小團隊的客服機器人），但其中一小部分最終會把在Vapi上驗證過的東西帶進自己的企業級項目，成為Vapi的大客戶。這個成長路徑與Twilio、Auth0當年的成功路徑完全一致——開發者飛輪一旦轉起來，就成為非常強的分發壁壘。Droesch強調，分發比以往任何時候都更重要，因為達到功能對等太容易了，可能只需幾週。在大模型時代，技術復制成本極低，競爭對手可以快速抄襲你花了幾個月才做出的功能，但開發者社區和分發渠道是抄不走的。第二個優勢是評估飛輪。每次真實對話都是宝贵的產品數據。Vapi收集了大量真實對話數據，不斷測試和優化自己的模型與對話流程，建立越來越強的自我改進機制。這個飛輪跑的次數越多，質量領先就越明顯。基礎設施層面的競爭對手可能在技術上追上你，但這個數據飛輪很難復制。

既然技術已經不是最大問題，Voice AI發展的最大瓶頸是什麼呢？Droesch給出了一個非常微妙但準確的判斷：瓶頸不是能力，而是信任。很多人擔心的是AI夠不夠聰明、能否處理複雜情況、會不會聽不懂口音、會不會說錯話——這些都是技術問題。但Droesch的觀察是，這些技術問題其實在很大程度上已經解決了，或者正在以非常快的速度被解決。真正的瓶頸不是AI能不能做，而是企業敢不敢讓AI做。他說的一句話非常關鍵：「我們正在進入一個Agent理解得比人們預期的更多的世界，但要讓它真正連接到核心系統、幫你轉賬、結案一個理賠、完成一筆預訂或者修改一條關鍵記錄，需要的是完全不同級別的信心」。這種信心不是靠好看的演示建立的。你可以給客戶展示完美的演示，說AI能處理99%的情況，但客戶不會馬上把核心業務交給你。信任的建立靠的是完整的治理框架、強大的可觀測性和不斷重複的驗證。買家需要看到：出了問題能不能被發現？能不能被追溯？能不能被回滾？而且，買家的首席信息安全官（CISO）是否在意這件事，跟你想不想沒有關係——他們就在你的產品路線圖上。任何涉及企業核心系統的AI應用都必須經過CISO的嚴格審核，這是企業採購的必經環節。

人機移交一直是行業裡的爭議話題。長期以來，有一種隱含的假設：AI接了電話又移交給人工，說明AI不夠好，是產品失敗的標誌。很多創業者都在追求100%的自動化率，認為自動化率越高產品就越成功。但Droesch提出了不同的看法。他指出，大多數打進客服電話的用戶本身就已經是在處理邊緣情況。你打電話給銀行，通常是因為網上銀行辦不了。你打電話給保險公司，通常是因為APP裡找不到理賠入口。你打電話給客服，通常是因為已經嘗試了所有自助方式都解決不了問題。所以接進來的電話本身就可能是複雜情況。在這種背景下，AI能處理的就處理，處理不了的流轉給人工，是完全合理的設計，不是失敗。關鍵不在於自動化率有多高，而在於移交的過程有多順暢。移交得好能建立信任，移交得不好，哪怕之前對話再完美，最後那一腳踢給人工的瞬間如果體驗很差，用戶對整個系統的印象就會徹底崩塌。所以Droesch說，人機移交的流暢程度是信任建立還是被摧毀的關鍵時刻。現階段Voice AI實現里確實還有5-10%的通話需要升級給人工，但真正的問題不是這個比例本身。當評估體系足夠成熟、我們對Agent的行為有足夠把握時，我們才會放心地把它連接到更多核心系統、給它更多權限去執行更複雜的任務。這是一個成熟曲線，不是非此即彼的選擇。把移交設計成一個產品功能而不是失敗後的兜底方案，本身就是高水準的產品思維。

在機會地圖層面，Droesch給出了非常實用的行業洞察。首先，已經過度擁擠的方向包括預約排程、催債、招聘。這些方向的邏輯很簡單：高頻、高量、對錯誤的容忍度相對較高，是最容易驗證的場景，所以最先被大量創業者涌入。現在這幾個方向競爭已經非常激烈，沒有明顯差異化很難突圍。那還有機會的地方在哪呢？Droesch提到了幾個很有意思的方向。第一個是法律行業的案件受理（legal intake），比如人身傷害類訴訟的初步案情收集。這是一個複雜度高、對對話質量要求高、之前從來沒人會想到用AI來做的場景，但從成本和規模來看，這裡的經濟價值非常大。第二個是專家網絡訪談。Droesch投資的Qualitate就在做這件事，他分享了一個非常具體的案例：一家企業在做並購前的尽職調查，需要盡量多地進行專家訪談了解目標公司所在行業的情況。以前一個分析師一通電話要花一小時，還要記錄整理，非常耗人力。用Qualitate的方案，整個週末完成了200通專家訪談，週一早上所有反饋都已經整理好了。而且這個場景裡語音的優勢非常明顯——語氣、停頓、情緒這些在郵件或文字問卷裡完全看不到，但在語音裡能被準確捕捉。AI可以根據專家的語氣和停頓判斷哪些信息是重要的、哪些是專家有所保留的，然後自動引導出下一個問題。這是文字交互根本替代不了的場景。第三個方向是多模態混合場景，比如一邊監控用戶的屏幕操作軌跡，一邊用語音實時指導——「往右一點，點那個藍色的按鈕」——或者告訴用戶「你現在需要輸入身份證號碼」。這種客服體驗是完全不同維度的，比單純的語音或文字指導要高效得多。還有工業現場檢測，工人一邊說話一邊拍照，所有的語音數據和圖像數據整合起來給AI判斷，自動生成檢測報告。這是把Voice AI真正帶進物理世界的嘗試。屋頂檢修、建筑工地質檢、設備維護這類場景都有非常大的應用潛力。

最後，Droesch給正在做Voice AI的創業者提出了幾個非常核心的忠告。第一個忠告，也是最重要的一個：不要花時間去做一個只能完成工作流一部分、最後還是要移交給人工的語音Agent。這種東西很容易做出來，演示很好看，對話很流暢，但本質上只是一個功能，不是一個真正的業務。真正值得花時間的是找到一個你可以端到端擁有整個工作流的場景，從第一聲鈴響到最終動作完成全部由AI負責。只有這樣，你才有資格談論真正的規模效應，才有資格談論從IT預算跳到人力成本預算，才能建立真正的護城河。而且這個工作流最好是經濟價值很高的，否則做了一堆低價值的自動化，就算跑得再順，天花板也很低。第二個忠告是關於定價的。現在不要強行做基於結果的定價，因為大多數場景裡結果是很難精確定義和驗證的。現實中做得不錯的公司用的都還是平台費加使用量的組合，對買賣雙方都更清晰、更可預期。等到某個場景的結果足夠標準化、可驗證了，再切換到結果定價也不遲。第三個忠告是關於融資的。什麼樣的公司值得在這個時代拿到A輪融資呢？Droesch說，產品夠不夠神奇已經不是問題了，現在幾乎所有產品演示都很神奇。投資人更看重的是兩個東西：第一，這個團隊有沒有清晰的飛輪理論。他們打算怎麼建立防禦性，怎麼應對競爭。不一定從第一天就要有，但團隊要能清晰表達這個路徑。第二，速度。不是以前意義上的速度，而是現在這個時代定義的速度。從有產品到出現模仿者，可能就是幾週的事。你必須跑得比以前快得多。