运行具备记忆功能的语音和聊天支持助手
AT&T 利用 BigQuery 和 Gemini Enterprise for Customer Experience 部署高度情境化的 AI 智能体，自主解决通话量提升了 20%。任务：AT&T 部署了 BigQuery 用于意图路由，并使用 Gemini Enterprise for Customer Experience 为语音和聊天智能体提供 60 天记忆功能。这取代了僵化的基于规则的系统，使智能体能够跨渠道回忆客户历史并自主解决问题。虽然人类客服被释放以处理复杂问题，但源文本未详细说明 AI 自主解决过程中具体的人工介入流程。；工具：Gemini。人工角色：原始帖子没有说明人如何参与。；局限：源文本未说明如何将人工监督整合到自主解决工作流程中，也未提供每次交互的确切成本。成功依赖于与 BigQuery 的深度集成以访问历史数据，以及使用 Gemini 提供对话上下文。虽然提到了安全和监控协议，但未详细说明，生产部署需要强大的内部治理。。
工具
Agent Work Atlas 发布日期:
概述
AT&T 利用 BigQuery 和 Gemini Enterprise for Customer Experience 部署高度情境化的 AI 智能体，自主解决通话量提升了 20%。
工作流程
AT&T 部署了 BigQuery 用于意图路由，并使用 Gemini Enterprise for Customer Experience 为语音和聊天智能体提供 60 天记忆功能。这取代了僵化的基于规则的系统，使智能体能够跨渠道回忆客户历史并自主解决问题。虽然人类客服被释放以处理复杂问题，但源文本未详细说明 AI 自主解决过程中具体的人工介入流程。
原文报告的结果
该实施使自主解决的客户咨询量增加了 20%，并实现了约 1.5 亿美元的年度节省。由于减少了重复解释并加快了解决速度，净推荐值（NPS）有所提升。该系统每天在 150 个生成式 AI 解决方案中处理 400 亿个令牌，但这些指标反映的是更广泛的 AskAT&T 平台，而不仅仅是客户面向的智能体。
人工角色
原始帖子没有说明人如何参与。
局限
源文本未说明如何将人工监督整合到自主解决工作流程中，也未提供每次交互的确切成本。成功依赖于与 BigQuery 的深度集成以访问历史数据，以及使用 Gemini 提供对话上下文。虽然提到了安全和监控协议，但未详细说明，生产部署需要强大的内部治理。
试一试
我正在为 [可替换业务背景，例如：一家电商商店] 使用 [可替换工具，例如：BigQuery 和 Gemini] 构建一个客户支持智能体。我的目标是通过实施 60 天记忆功能来减少重复的客户解释。首先，分析我在 [可替换文件路径/URL] 中的样本客户交互日志，以识别常见的意图模式。然后，为 AI 智能体起草一个系统提示，利用这些历史数据来个性化响应。在部署之前，对 5 个样本工单进行试运行，并向我展示拟议的响应。在我批准输出之前，不要发送任何消息或进行更改。如果缺少数据，请向我询问具体的客户历史字段。确保智能体在置信度低时升级给人类。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。