AI 语音代理统计数据.

AI 语音代理正从令人印象深刻的演示走向电话已经产生费用的地方：联络中心、医疗保健排班、旅行支持、预约预订、外呼资格审查、服务路由和内部帮助台。棘手的部分是，公开数据仍然分散在几个分母中，因此一份关于 AI 服务代理的报告不一定是关于电话代理的报告。

语音识别市场预测并非自主部署的统计。供应商案例研究可以展示在一个工作流程中有效的方法，但不能证明每个呼叫中心的平均结果。2026 年解读市场的最清晰方式是将三个层面分开：语音仍然是一个重要的服务渠道，客户服务 AI 的采用正在加速，而语音特定的生产证明主要仍存在于产品文档和案例研究中。

这种组合使得 AI 语音代理成为运营商最有前景的自动化类别之一，但也是最容易被夸大的类别之一。以下数字侧重于语音优先的 AI 代理和联络中心语音自动化，同时明确将更广泛的客户服务 AI、语音 AI 和市场规模数据标记为背景信息。

语音代理概览

语音代理的标题数字使用不同的分母——服务采用、电话需求、劳动力、预算和一项语音特定结果——因此将它们视为独立的信号，而不是一个数字。

哪些数字真正与语音代理相关？

AI 语音代理最安全的定义是，它是一个能够理解来电者、用语音回应、使用工具或业务系统并在需要人工接管时进行升级的口语对话系统。这个定义包括现代语音自助服务和代理式语音工作流程。它不自动包括每个聊天机器人、每个 IVR 树、每个转录工具或每个语音分析仪表板。

这种区别很重要，因为这个市场中数量最大的数字通常是相邻的。Grand View 的呼叫中心 AI 预测包括广泛的 AI 解决方案组合，而不仅仅是自主语音代理。Grand View 的语音和语音识别市场描述了可以为语音代理提供动力的语音基础设施，但 ASR 的采用与部署的呼叫代理不是一回事。Grand View 的语音分析市场涵盖了对话分析，这可以指导自动化，但本身并不能证明呼叫已自动化。

服务代理的采用也比语音更广泛。Salesforce 的 66% 数字涵盖了服务组织中的代理式 AI，包括面向客户和内部运营——路由、主动外联、产品推荐、内部案例工作和多渠道解决。它仍然是语音代理买家最好的采用信号之一，因为语音工作流程位于相同的服务运营堆栈中，但不应将其改写为“66% 的组织使用 AI 电话代理”。

语音仍然是主要的联络中心渠道

AI 语音代理之所以受到关注，是因为电话线路仍然昂贵、持久且在情感上很重要。Zendesk 的 2026 年语音报告称，语音仍然占联络中心业务量的 40%，并且 75% 的领导者认为传统工具是全渠道服务的障碍——因此许多团队不仅试图自动化呼叫；他们还在尝试将语音与数字渠道中使用的相同客户历史和 AI 上下文连接起来。

消费者数据也指向同一方向。Five9 报告称，56% 的客户仍然偏爱电话支持，并且 近 59% 的客户会根据情况切换渠道。客户可能会使用自助服务进行简单的状态检查，使用聊天进行快速提问，并使用电话处理高价值、紧急、令人困惑或情绪化的复杂问题。

YouGov 的美国调查显示了相同的渠道紧张关系。电话是使用最多的支持渠道——近 70% 的人倾向于使用电话支持——但只有 35% 的人将其列为首选渠道。聊天机器人则显示出相反的问题：18% 的使用率但只有 1% 的偏好，这表明许多客户使用机器人是因为它们可用，而不是因为它们是他们最信任的互动方式。

代际故事比“年轻人讨厌打电话”更为微妙。麦肯锡发现，71% 的 Z 世代受访者认为实时通话是向客户服务解释问题最快捷、最简单的方式。当任务难以用表格描述时，当客户需要安抚时，或者当企业需要身份验证和异常处理时，语音仍然很有价值。

劳动力基线足够大，足以解释为什么高管们不断为自动化提供资金。劳工统计局报告称，2024 年美国有 281.4 万客户服务代表职位，中位年薪为 42,830 美元，中位时薪为 20.59 美元。劳工统计局预计 2024 年至 2034 年将下降 5%，但仍预计每年有 341,700 个空缺，因为人们会转行或退出劳动力市场。对于语音代理创始人来说，这意味着机会不仅仅是人员替换；它还包括呼叫路由、呼叫后工作、培训负荷、流失压力、质量监控和人工升级。

服务 AI 采用速度快于纯语音报告

客户服务 AI 显然正在从实验走向运营。Salesforce 的 2026 年 AI 服务代理报告称，66% 的客户服务组织现在使用代理式 AI，高于 2025 年的 39%。它还表示，70% 的使用 AI 服务代理的组织在部署后 60 天内观察到可衡量的价值，部署后改进最显著的 KPI 是客户满意度，其次是生产力和平均处理时间。

这些数字很强劲，但分母仍然比语音更广泛。Salesforce 描述了面向客户的用例，例如主动外联、推荐和多渠道案例解决，以及内部工作，例如将案例路由到合适的人。与客户对话的电话代理是这种代理式服务堆栈的一种版本，而不是整个堆栈。

Salesforce 的 2025 年服务状况数据从案例量角度提供了信息：团队估计目前 30% 的案例由 AI 处理，预计到 2027 年将达到 50%。使用 AI 的代表在处理常规案例上花费的时间减少了 20%，每周为复杂工作节省了大约 四个小时。AI 不必处理每个电话就能改变人员配置、升级和质量管理模式。

Gartner 2025 年的预测更为激进，但着眼于未来。到 2029 年，Gartner 预计代理式 AI 将在没有人为干预的情况下解决 80% 的常见客户服务问题，并降低运营成本 30%。“常见问题”这个短语发挥了很大作用：密码重置、订单状态、地址更改、预约确认和简单的账单问题与取消、投诉、医疗问题、索赔或欺诈纠纷具有不同的风险特征。

市场也面临着实际的实施摩擦。CallMiner 报告称，96% 的客户体验和联络中心领导者将 AI 视为关键战略，但 67% 的人在没有足够治理结构的情况下实施 AI。Salesforce 报告称，72% 的服务运营专业人员表示数据准备是 AI 的主要障碍。Zendesk 表示，95% 的消费者期望 AI 决策得到解释，而目前只有 37% 的客户体验领导者提供 AI 决策背后的理由。

对于语音来说，这些障碍并非抽象。错误的文本回复可以在书面中纠正。错误的语音通话可能会造成混乱、愤怒、合规风险、身份风险以及在内部流传的不良录音。那些在语音代理方面取得成功的服务团队，很可能会将知识质量、升级规则、通话录音、同意、评估和通话后审计视为核心产品的一部分。

市场规模：联络中心 AI 正在增长，但并非纯语音代理收入

市场规模估算支持联络中心 AI 预算正在扩大的观点，尽管它们并未单独列出自主语音代理。Grand View Research 估算，全球呼叫中心 AI 市场在 2024 年为 19.9 亿美元，到 2030 年将达到 70.8 亿美元，2025 年至 2030 年的复合年增长率为 23.8%。2024 年北美市场占 39.3%，解决方案部门占全球收入的 74% 以上，预测呼叫路由在应用收入份额中领先，BFSI 是最大的终端用户部门。

Fortune Business Insights 估计了更高的 2025 年基线和更长的预测期：2025 年为 24.1 亿美元，2026 年为 29.8 亿美元，到 2034 年为 135.2 亿美元，复合年增长率为 20.80%。报告称，2025 年北美市场份额为 37.50%，欧洲为 21.50%，亚太地区为 20.80%，中东和非洲为 12.00%，拉丁美洲为 8.20%。

正确的结论是一个范围，而不是一个虚假的平均值。呼叫中心 AI 在 2020 年代中期似乎是一个数十亿美元的类别，根据范围和预测期限，以大约 20% 的复合年增长率增长。这足以显示预算势头。但不足以声称特定自主语音代理的市场规模。

这些类别与语音代理重叠，但它们不能归结为语音代理。一家公司可以购买语音分析而无需自动化呼叫。CCaaS 迁移可以实现路由现代化，而无需部署自主 AI。TTS 模型可以为内容创建、可访问性或媒体工作流程提供支持，而不是联络中心自动化。当这些相邻类别被用作预算和基础设施背景，而不是部署证明时，AI 语音代理的市场规模估算才最可信。

语音代理基础设施：实时模型、电话和转接

市场的基础设施方面比部署数量方面具体得多。OpenAI 表示，其 gpt-realtime 模型专为生产语音代理而构建，包括客户支持、教育和个人助理。关键的技术转变是直接音频处理：实时音频模型通过一个模型和 API 处理和生成音频，而不是将语音转文本、LLM 和文本转语音串联起来，OpenAI 表示这可以减少延迟，保留语音细微差别，并改善自然响应。

OpenAI 最新发布的语音智能页面描述了 2026 年的三款音频模型：用于实时语音推理和动作的 GPT-Realtime-2，用于将 70 多种输入语言实时翻译成 13 种输出语言的 GPT-Realtime-Translate，以及用于流式转录的 GPT-Realtime-Whisper。这种架构很重要，因为联络中心语音代理需要处理中断、字母数字确认、语调控制、工具使用和升级，而不仅仅是准确的转录。

这些是基础设施价格，而不是每次通话的总成本，但它们可以帮助团队模拟用例是否应使用原生语音到语音、链式组件、仅转录或代理辅助工作流程。

联络中心平台正在将这种基础设施转化为部署界面。AWS Connect AI 代理可以通过语音和聊天与客户互动，回答问题，执行操作，并升级给人工；AWS 表示 Connect AI 代理可以符合 GDPR 并符合 HIPAA 资格。Amazon Connect Customer 将生成式 AI 与确定性流程相结合，其常见问题解答指向 Amazon Lex 用于 NLU/ASR，Amazon Polly 用于 TTS，以及 Amazon Nova 用于自然语音对话。

Google Cloud CX Agent Studio 展示了类似的企业模式：低代码代理构建、模拟、评估、跟踪、35 个模板、40 多种语言的语音、10 种语言的音频到音频翻译以及后端系统连接器。这很重要，因为语音代理必须完成工作。一个以“请稍后查看您的电子邮件”结束的电话，其价值低于一个验证身份、更改预约、更新 CRM 记录或通过完整摘要路由异常的电话。

语音专用供应商也让这个类别更容易测试。ElevenLabs 表示，其平台提供 5,000 多种声音，支持 70 多种语言，以及可跨电话、聊天、电子邮件和 WhatsApp 工作的代理，并且它在 2025 年 1 月筹集了 1.8 亿美元。这并不能证明客户数量或部署量，但它表明了为什么更好的 TTS、语音克隆控制、多语言语音和低延迟语音正在成为基本要求。消费者对企业的呼叫是界面转变的另一个迹象：Google 的自动化呼叫帮助页面表示，Google 可能会致电企业进行预约预订、餐厅等候时间、产品可用性、营业时间和库存状态，并对呼叫进行监控和录音以确保质量。

语音代理正在取得可衡量的成果

最有用的证明点仍然是特定于部署的。麦肯锡的能源公司案例很有价值，因为它明确是一个集成到后端呼叫工作流程中的语音助手。报告的结果是账单呼叫量减少了约 20%，客户身份验证时间减少了多达 60 秒。这正是买家应该要求的可衡量工作流程改进：确切的呼叫类型、确切的基线、确切的转接规则和确切的指标。

AWS 的加州大学圣地亚哥分校健康中心案例展示了语音代理在高摩擦管理环境中的应用：跨语音、聊天和 WhatsApp Business 消息的预约管理，从而节省了 300,000 多个员工工时，患者自我验证率达到 82%，呼叫放弃率降低了 50%。由于来源包括多个渠道，最安全的说法是“包含语音的患者访问”，而不是“所有结果都来自电话呼叫”。

PolyAI 的 Hopper 案例研究更窄，且专注于语音。PolyAI 表示，其生成式 AI 语音助手回答了数百个常见问题，转接了复杂的电话，并完全解决了 Hopper 15% 的呼叫量。15% 的完全解决呼叫量份额在经济上可能意义重大，如果这些呼叫量大且重复。如果买家期望普遍达到 60% 的处理率，那也可能令人失望。分母和用例很重要。

这些例子指出了最有可能的早期生产用例：预约排程、身份验证、订单状态、账单问题、旅行常见问题、停机更新、潜在客户资格审查、提醒电话和呼叫路由。它们也排除了有风险的初始用例：涉及法律风险的升级、紧急医疗建议、欺诈纠纷、复杂取消、重大财务决策和情绪激动的投诉。最强大的部署可能看起来是混合的——AWS 表示其 AI 代理可以在必要时进行升级，而麦肯锡认为人类在复杂和情感微妙的互动中仍然至关重要。

信任、监管和评估是核心语音代理指标

语音代理不仅仅是带麦克风的聊天机器人。它们进入了一个受监管的通信渠道，客户会听到声音，可能会泄露敏感信息，并且可能无法立即知道他们是在与人类交谈。2024 年 2 月，FCC 宣布，电话推销电话中的 AI 生成语音根据《电话消费者保护法》属于“人工”语音。该裁决 PDF 明确指出，对人工或预录语音的限制适用于用于生成不必要的和非法电话推销电话的 AI 技术。

这并不意味着所有 AI 语音通话都被禁止。这意味着同意、披露、选择退出、通话目的和管辖权都很重要。外呼销售电话、预约提醒、政治电话、债务催收、医疗保健电话和账户通知都具有不同的风险特征，因此部署 AI 语音代理的团队需要法律审查，而不仅仅是模型评估。语音克隆又增加了一层：FTC 的语音克隆挑战页面表示，语音克隆带来的风险不能仅靠技术解决，而NIST 的 AI 风险管理框架则指出了用于识别和管理生成式 AI 风险的生成式 AI 配置文件。

可靠性证据也支持谨慎推出。Salesforce AI Research 的 CRMArena-Pro 概述描述了一个用于评估代理在真实企业 CRM 任务（包括多轮交互和保密性）中的基准。该 arXiv 论文报告称，领先的 LLM 代理在单轮设置中取得了约 58% 的成功率，在多轮设置中下降到约 35%，并且几乎没有固有的保密意识，尽管工作流程执行对于顶级模型来说更易处理。

CRMArena-Pro 并非实时语音通话基准，因此不应以此声称语音代理在 65% 的通话中失败。它之所以重要，是因为真实的语音代理通常需要相同的硬技能：多轮推理、工具调用、CRM 数据处理、机密信息边界和业务策略合规性。一个具有自然语调的语音模型仍然需要知道何时不透露账户数据、何时验证身份以及何时将通话转接给人类。

因此，2026 年的买家清单应包含的不仅仅是延迟和语音质量。要询问系统是否记录决策、按通话类型区分同意、支持人工接管、解释 AI 决策、保护 PII、衡量再联系率、测试边缘情况以及区分处理与解决。CallMiner 的治理差距、Salesforce 的数据准备障碍和 Zendesk 的透明度差距都指向同一个实际结论：治理是产品的一部分。

这对创始人和联络中心领导者意味着什么

对于创始人来说，突破口不是“取代所有呼叫中心”。突破口是具有明确成功指标、清晰数据、安全转接路径和已经了解延迟成本的买家的高容量语音工作流程。预约预订、呼叫路由、密码重置、交付状态、资格检查、潜在客户资格审查、账单分类和常见问题较多的旅行或零售支持是比“AI 处理所有客户服务”更可信的初始市场。

对于运营商来说，最未充分利用的指标可能是转接质量。一个语音代理在收集正确的账户数据、总结问题、标记意图并设定客户期望后进行转接，即使它没有处理整个呼叫，仍然可以创造价值。一个通过让客户感到沮丧并导致重复联系来“处理”呼叫的语音代理会破坏价值。处理、解决、满意度、合规性和重复联系必须分开衡量。

2026 年值得关注的数字

2026 年最重要的信号将是 AI 处理的服务案例与 AI 处理的语音通话之间的区别。Salesforce 的案例份额预测已经很有用，因为它表示团队预计到 2027 年 AI 处理的案例将从 30% 增加到 50%。语音领导者应该要求供应商在意图层面提供相同形式的指标：已解决的身份验证呼叫百分比、已完成的预约更改百分比、已正确路由的账单呼叫百分比以及未导致重复联系的 AI 处理呼叫百分比。

正确的框架是每次有效解决的成本，而不仅仅是每分钟的成本。OpenAI 的实时音频定价是一个输入；电话、CCaaS、转录、知识检索、模型评估、合规性审查、人工回退和质量保证是其他输入。如果一个更便宜的模型导致重复联系，它可能会更昂贵。如果一个更昂贵的语音模型能够清晰地解决高容量工作流程，它可能会更便宜。

语音代理数字的现场指南

不同的语音代理数字回答了不同的操作问题——诚实的解读是，每个指标都用于它实际衡量的内容，仅此而已。

常见问题

来源和延伸阅读