跳到正文
MTS(youtube.com)· Sophia Dew·· 11 天前品質評分58

語音 AI 突破聯邦醫療保險(Medicare)的抗拒 | ElevenLabs 高峰會

語音 AI 突破聯邦醫療保險(Medicare)的抗拒 | ElevenLabs 高峰會

重點導讀

ElevenLabs 的 Ashley Kramer 詳細說明企業語音代理的部署實例,包括 Clover Health 的 Medicare 語音代理,以及 KPN 案例將驗證成功率從 60% 提升到 85%;她主張語音是科技下一階段順應人類習慣的介面。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

Podcast 專家音訊節目

收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情

正文

ElevenLabs 營收長 Ashley Kramer 主張,企業 AI 的下一階段將是語音優先的互動模式——技術要遷就人,而不是反過來要人去適應技術;而這個產業當前最核心的任務,就是把語音代理(voice agent)從概念驗證(pilot)推進到正式上線。本集對談錄製於 ElevenLabs Summit,大部分時間聚焦在 ElevenLabs 如何向大型企業銷售與部署:進駐式工程師(forward-deployed engineer,FDE)、橫跨 44 國、超過 550 家夥伴的夥伴網路,以及 Clover Health、KPN、Westgate、Customer Bank、Deutsche Telekom 等具名匯入案例;只有較短的一段談到時程規劃與後續發展。

Kramer 的發言立場是廠商方,而且她才剛結束連續數週的亞洲與歐洲行程;她所說的內容,是公司對自家業務動能與客戶成果的主張,而非經獨立驗證的數字。讀者讀完應該能具體掌握 ElevenLabs 的市場進入架構(模型層、編排層、代理、FDE)、它引用的客戶成交數字,以及語音代理最先落地的產業。本集長度不長、調性偏宣傳;實質內容在於部署機制與具名案例。

ElevenLabs 賣的是部署,不只是模型

Kramer 的核心論點是:光有強大的語音模型,不足以拿下企業客戶,因為每個客戶都有量身打造的系統、電話系統、資料庫與語言上的特殊習性,通用產品無法全部吸收。ElevenLabs 的解法是四層架構,再加上會進駐客戶現場的人員。她明確描述了這個架構:公司掌握模型層(包括在高峰會發表的垂直模型 Scribe Medical,能聽懂藥名並分辨不同藥名之間的差異)、可依客戶方案需求路由到不同大型語言模型的編排層、建構於其上的代理,以及負責依企業需求調校方案的進駐式工程師(FDE)。

她提出的實證是荷蘭電信商 KPN。ElevenLabs 為 KPN 的中小企業客戶打造了首次來電解決方案:來電者需說出姓名、出生日期與郵遞區號以完成驗證。由於荷蘭語的英數混雜處理方式,加上 KPN 的身分驗證流程,成功率大約只有 60%。FDE 團隊在幾天內就診斷出問題細節,並針對 KPN 調校出專屬模型——過程中未在客戶之間共享企業資料——把成功率拉高到 85%。

Kramer 特別謹慎地把交接定調為選項之一。以 Clover Health 為例,ElevenLabs 正把雙方共同打造的方案交接出去,Clover 可以選擇用自家精簡的工程團隊繼續創新,也可以再請 ElevenLabs 回來協助。「我們的做法是:如果客戶想繼續創新,請便。如果你想讓我們進來跟你一起做,那也是一個選項。」

語音代理最先落地於高度監管、來電量大的產業

Kramer 點名的產業有共同模式:來電量大、系統在 AI 出現之前就已存在、客戶需要快速得到答案。她給了 Clover Health 具體的營運數字——每年 200 萬通來電,部分使用者每週來電 4 到 10 次——並表示這項合作的首要 KPI 是病患滿意度與客戶體驗,而不是成本。

客戶產業部署內容所述指標或目標
Clover Health聯邦醫療保險(Medicare)/健康保險承接方案選擇與 Medicare 導覽的來電;對有心臟疾病的會員進行外撥關懷每年 200 萬通;部分使用者每週來電 4–10 次;首要 KPI 為病患滿意度
KPN荷蘭電信中小企業終端客戶的首次來電;姓名、出生日期、郵遞區號驗證成功率由約 60% 提升至 85%
Westgate旅宿業(奧蘭多度假村)客房內支援代理,例如延後退房申請,取代響個不停的櫃檯電話未量化;說法是讓忠誠會員更快獲得處理
Customer Bank美國金融服務週六與非營業時間的提問;信用卡研究,補足專屬關係經理的服務未量化
Deutsche Telekom電信網內即時翻譯層,英文轉德文、西班牙文等語言2026 年稍早已發布;未量化
未具名零售客戶零售網站體驗、放棄購物車、忠誠計畫、門市協助未量化

Kramer 也點出金融服務、旅遊、旅宿、零售與電信是目前活躍的垂直領域,並表示她剛和一位不能具名的零售客戶談過。Clover Health 這個案例還多了一層論證:用她的說法,Medicare 的投保族群是對 AI 互動最抗拒的一群人,因此能在這裡做出可運作的部署,訊號強度遠高於在早期採用者之間的成功案例。

夥伴網路的存在,是因為 ElevenLabs 單靠自己規模化不夠快

ElevenLabs 在高峰會上發表夥伴計畫,涵蓋 44 國、超過 550 家夥伴,並與 McKinsey 建立更深度的合作,把語音代理推進到正式上線。Kramer 的理由是量能不足,而不是通路經濟學:「我們規模化的速度不夠快,跟不上實際的需求。」與 McKinsey 的合作是透過轉介進行——McKinsey 熟悉企業的問題,ElevenLabs 負責打造與規模化——她說在歐洲那兩週,她參加了好幾場與 McKinsey 的晚宴。高峰會之後還有一整天的夥伴專屬活動。

國際市場這條線立基於產品的根本:翻譯。ElevenLabs 支援 90 種語言,服務 74 國的企業;Kramer 把這點扣連到語言與翻譯相關的在地問題,由夥伴協助發掘。Deutsche Telekom 的網內翻譯層是國際論述最清楚的例子——來電者說英文,系統即時翻譯成聽者使用的語言,Kramer 稱這打破了原生語言溝通上的語言障礙。

卡關的是整合與「信任建立所需的延遲」,不是模型智慧

被問到是什麼阻礙了這類智慧大規模擴散到企業,Kramer 指向整合:每個產業都有自己的電話系統與資料庫,FDE 的存在就是為了串接這些系統,並在上面疊一層語音。第二個要件是跨通路的脈絡延續——文字、WhatsApp、網站、行動裝置與自然語音——讓客戶不必在每個通路重新開始對話。ElevenLabs 在高峰會發表了「routines」,讓語音對話結束後的後續動作可以不分通路立即發生,補上她所說的 360 度工作流程。她也坦承這點尚未完全解決。

她的採用標準是情緒面的,不是技術面的:語音聽起來不能像機器人,背後的情感要讓人覺得自己不是在跟機器人講話。她預測,人們會容忍 AI 代理打斷自己,容忍度遠高於被人打斷,因為代理能把事情更快辦完。

「現實是,當別人想在電話上把資訊告訴我們時,我們大概不會打斷他,但我們一定會打斷 AI 代理。」

「我對我們的最終目標,是讓人們在電話上不再按零、不再大喊『真人』,而是改說『AI 代理』。」

未來十二個月的重點,是擺脫概念驗證的泥淖

Kramer 對未來的判斷是:接下來這一年,關鍵在於從概念驗證走向正式上線,而不是模型能力再有一次躍進。她形容當前是「智慧時代」,大型語言模型的能力已經很強,剩下要做的是量能、Token 成本效益,以及用每個人需要的智慧水準去服務每個人。用她的話說,下一波是技術遷就人,而不是強迫人去適應技術——打字、觸控螢幕都是如此——並讓溝通回到語音。

她轉述與她同臺的 Clover Health 策略主管 Cameron 對「如何走出概念驗證」的看法:先從某個地方開始、測試、確認做得夠好、也許以可控的方式推上市場,再從真實採用中學會規模化。Kramer 預期一年後,大家談的會是「下一個互動時代是什麼」,而懸而未決的問題是:哪些環節必須保留人在迴圈中,哪些環節可以省略這一步,讓人們能建立關係、從事創造性工作。

flowchart TD
    A["模型層 — ElevenLabs 自家模型,加上 Scribe Medical 等垂直模型"] --> B["編排層 — 依需求路由到不同 LLM"]
    B --> C["代理 — 為客戶打造的語音代理"]
    C --> D["進駐式工程師 — 依企業系統與語言細節調校"]
    D --> E{"交接決策"}
    E -->|"客戶繼續自行打造"| F["客戶自家工程團隊持續創新"]
    E -->|"客戶需要協助"| G["ElevenLabs 留任為合作夥伴"]
    H["夥伴網路 — 550 家以上夥伴、44 國、McKinsey 聯盟"] --> D

高峰會透露的 ElevenLabs 商業定位

Kramer 提到的各項發表——夥伴計畫、McKinsey 聯盟、Scribe Medical、routines,以及輸出更具情緒、更懂脈絡、能針對特定客戶記住前後通話內容的 V4 模型——在在顯示這家公司把自己定位為互動層,而不是語音 API。她說高峰會有超過 2,000 人參加,接下來幾個月會把發表的產品推向市場,有些已經正式上市、有些還在路上,並以客戶故事作為主要佐證。她所有回答的共同主軸是:ElevenLabs 希望外界以它在高度監管產業的正式上線部署來評價它,而它正用夥伴與 FDE,以比自行招聘更快的速度達成這個目標。

尚未化解的矛盾在於:大部分證據都是廠商自述,量化程度也參差不齊。KPN 有乾淨的前後對照;Clover Health 有來電量與 KPI,但沒有成果數字;Westgate、Customer Bank 與零售客戶則只有故事、沒有數字。Clover Health 所稱「Medicare 年齡層使用者是最難溝通的族群」,是 Kramer 個人的描述,不是實測發現。關注企業語音採用的讀者,接下來一年應該觀察:她預言的「概念驗證轉正式上線」是否會以這些具名客戶揭露的正式上線指標呈現;以及 McKinsey 聯盟是否會產生具名的聯合部署,而不只是轉介。

來源: MTS (youtube.com)
開啟原文

讀者討論

理性交流 · 即時討論