Stretto AI 語音代理採用 Amazon Nova 2 Sonic
Stretto 以 AI 電話訪談員 Tara 取代破產申請受理的網上表格,並表示潛在客戶轉換率相對提升了 20%。Stretto AI 語音代理採用 Amazon Nova 2 Sonic,透過對話收集財務資料。律師保留最終決定權,在自動受理與專業判斷之間劃下界線。
這份於 2026 年 11 月 18 日發表的案例研究,介紹了 Stretto 與 AWS Generative AI Innovation Center 及技術合作夥伴 CI&T 的合作。其核心比較是對話式受理與網上表格,而非讓 AI 系統與律師競爭。Stretto 希望取得更完整的潛在客戶資料,而不必要求訪客完成愈來愈繁複的表格。
這令 Tara 既是企業工作流程的案例,也是語音模型的案例。據報成效取決於能否收集可用資料、保留更正內容,以及其後套用明確規則。有說服力的語音可啟動流程;可靠的紀錄與可問責的決策,才決定該流程是否值得更廣泛採用。
Stretto AI 語音代理改變了潛在客戶資料的內容
核心業務問題源於聯絡資料與律師可作評估的資料之間的差異。簡短表格可以確認興趣,但仍留下大量尚未完成的受理工作。較長的表格要求更多細節,同時亦將更多工作加諸本已面對財務壓力的人身上。
Stretto 的替代方案是把提問放進電話對話中。Tara 收集來電者的財務狀況資料,然後將所得紀錄交給另一個資格審核流程。這項改變同時涉及介面,以及其後可取得資料的深度。
商業主張是取得更有用的受理紀錄,而不是在不變的表格上加上一個語音介面。
根據這份破產申請受理案例研究,系統會在對話後套用由律師定義的規則。最終決定仍由律師作出。這種分工很重要,因為對話式回答、結構化財務紀錄及專業評估各有不同用途。
設想一名來電者談及車輛、就業情況及未償債務。這些回答需要建立關係:哪一筆付款屬於哪一輛車,或哪一個收入來源對應哪一份就業紀錄。即使逐字記錄所有說話內容,文字稿也不會自動提供這種結構。
對話亦會引入固定欄位有時能避免的模糊情況。來電者可更正金額、拒答某條問題,或按預期順序以外的方式描述情況。系統必須保留這些區別,而不是把每一句說話都視為最終答案。
因此,Tara 語音代理面對的是一種要求甚高的資料收集工作。它既要有足夠彈性讓來電者解釋自身情況,亦要有足夠規範以產生下游流程可用的紀錄。單憑愉快的對話,無法解決原本的業務問題。
據報的轉換率改善值得研究,但並未證明轉換率為何上升。語音傳遞方式、問題排序、更豐富的資料及資格審核變動,都可能影響結果。公開說明未有分離各項因素的個別貢獻。
報告亦描述了約三個月的生產環境使用經驗,而非在 11 月 18 日宣布推出新模型。發表與部署是兩回事。讀者應將該報告理解為既有應用程式的早期營運紀錄。
對企業買家而言,這項分別令案例更具參考價值。已部署的受理系統可為特定工作流程提供證據,即使結果仍屬公司自行報告。相比籠統宣稱來電者偏好 AI 而非表格,這是一項更狹窄且更實際的說法。
即時壓力落在那些潛在客戶漏斗只做到基本聯絡資料收集的機構身上。Tara 向這些團隊提出一個具體問題:由最初表示興趣至完成受理之間,究竟流失了多少有價值的資料?
網上表格如今面對不同的經濟比較
網上表格有一項直接優勢:人們可毋須維持即時對話便輸入資料。當所需紀錄變得複雜時,其限制便更明顯。每增加一條問題,便要求訪客解讀、整理並提供另一項資料。
語音把部分整理負擔轉移到應用程式中。來電者可以說明情況,由系統處理提問次序及跟進問題。這是否感覺較容易,取決於對話本身、來電者偏好,以及所要求資料的敏感程度。
相關比較是取得可用紀錄的成本,包括初次聯絡後所需進行的工作。
這項衡量不只涵蓋運行表格或處理一分鐘音訊的開支,還包括放棄的嘗試、不完整紀錄、更正工作及專業審閱。即使一次互動較便宜,若其後仍需有人重建資料,最終結果仍可能代價高昂。
Stretto 表示,與其先前的語音方案相比,每分鐘語音成本降低了 95%。這項比較採用 2026 年 4 月美國東部區域的定價。這是兩種語音實作方案之間、具時間限制的比較,並非證明 Tara 整體營運成本降低了 95%。
這項區分亦避免了與網上表格作出誤導性的比較。成本結果涉及先前的語音方案;轉換結果則涉及基於表格的受理體驗。這些基準回答不同問題,應保持分開。
評估此方法的買家需要兩種衡量。較低的語音處理開支可令較長對話變得可負擔,而較佳的轉換率則可提升每次完成互動的價值。若不計入實作、監督及下游處理,任何一項數字都無法確定完整回報。
Stretto AI 語音代理亦改變了接收資料的律師所需進行的工作。更豐富的紀錄應能在初步討論前提供更多背景。不過,接收者仍需確信資料反映來電者實際所說的內容。
這同時對受理供應商及內部產品團隊構成壓力。一個吸引人的示範可展示對話順利進行;一個可信的生產環境方案則必須說明,當資料互相矛盾、擷取失敗,或接收資料的專業人士質疑某個欄位時,系統會如何處理。
這正是網上表格仍然是重要參考點的原因。其僵硬性可能令用戶感到挫敗,但同樣令個別欄位及必填答案容易檢查。語音必須從限制較少的交流中,重新取得可比的清晰度。
對知識工作者而言,較廣泛的關聯並不陌生:所收集的資料,只有在其後仍可使用時才有價值。可搜尋知識庫處理的是相關的組織問題,儘管敏感受理資料涉及不同的存取及審閱要求。
其含意是具體而非普遍的。處理複雜初步訪談的機構,現時多了一種可評估的介面。在改變整個漏斗前,它們仍需證據證明對話式收集能改善自身的完成率及紀錄質素。
Nova 2 Sonic 處理語音,而其他系統建立紀錄
Amazon Nova 2 Sonic 是語音對語音模型,即可接收語音輸入並在同一模型內產生語音回應。這與連接獨立的語音轉錄、文字生成及語音生成元件不同。這種架構選擇會影響對話如何在聆聽與回應之間流轉。
Stretto 透過 Twilio 將來電者連接至語音橋接器,這是一個在電話連線與模型之間傳遞音訊的應用程式。該橋接器運行於 Amazon ECS 及 AWS Fargate,這些服務負責管理和運行應用程式容器。Amazon Bedrock 提供模型的受管存取。
Twilio 的雙向音訊串流支援接收通話音訊,並把生成的音訊傳回通話中。WebSocket 是持久的雙向網絡連線,承載這項交換。這建立了即時通訊路徑,而毋須由電話服務負責整個受理工作流程。
統一的語音模型簡化了對話路徑,但周邊應用程式仍掌握業務流程。
來電者掛線後,這種分隔便更清楚。Anthropic 的文字模型 Claude 3 Haiku 會從文字稿中擷取結構化欄位。Amazon Aurora 是受管關聯式資料庫,會把所得資料儲存在具有已定義關係的紀錄中。
因此,該架構針對不同工作使用不同模型。Nova 2 Sonic 支援即時交流;Claude 處理通話後擷取。其後,律師定義的規則支援潛在客戶分類,而最終決定仍由律師保留。
這種分工讓評估者可從多個不同環節調查錯誤。聽錯口述金額,與正確轉錄後卻歸入錯誤欄位,並不相同。正確欄位按不適合的規則評估,則會產生另一種完全不同的問題。
把所有這類失敗一概視為「AI 做錯了」,會掩蓋有用的營運細節。語音、擷取、儲存及資格審核階段需要分開檢視。某一階段的改善,並不保證整個工作流程均有改善。
長時間對話引入另一個界線。完整受理可需時 15 至 20 分鐘,而 AWS 文件列明單一串流的連線上限為八分鐘。其語音工作階段文件說明續期及延續支援。
Stretto 使用工作階段延續技術,將對話內容轉移至替代的模型連線。因此,來電者訪談可延續至超過單一串流的生命週期。如何在此界線之間維持內容,成為應用程式的責任之一。
這很重要,因為記住較早前的更正是功能要求,而不僅是對話上的便利。在長時間訪談中遺失內容,可能造成重複提問或不一致的紀錄。一個在連線切換前聽起來流暢的系統,在切換後仍需要測試。
OpenAI 透過其語音代理架構提供相關比較,包括整合式語音模型及串聯處理方法。這些選項顯示,企業團隊除了選擇語音外,還要面對架構上的取捨。Stretto 的說明並未證明其相對 OpenAI 的效能排名。
有用的競爭問題關乎控制權及工作負載的配合。團隊必須決定在哪些位置需要即時回應、可檢查的中間資料及獨立的業務邏輯。Tara 展示了在以 AWS 為基礎的應用程式中,如何分配這些責任。
Nova 2 Sonic 的接聽架構亦揭示以模型為中心的採購方式存在一項重要限制。選擇語音模型後,在對話延續性、紀錄建立及決策界線方面,仍有大量設計工作需要處理。這些組成部分決定一段電話對話能否成為可靠的營運紀錄。
敏感對話令中斷處理成為品質要求
破產接聽訪談要求人們談及財務困境。系統必須收集資料,同時容許猶豫、更正及拒絕回答。這個情境改變了語音品質的意義:聽起來自然固然有用,但前提是應用程式亦能恰當處理不確定性。
Stretto 的說法描述了針對敏感對話的驗證措施,包括中斷情況及改變答案的來電者。插話(barge-in)即來電者可在代理說話時將其打斷的能力,尤其相關。來電者需要有實際方法,在訪談繼續進行前制止錯誤假設。
最嚴格的測試,是當對話不再依循預期路徑時,系統能否保留來電者原本的意思。
這不僅要求辨識中斷。應用程式須分辨更正與補充事實,亦須分辨拒絕回答與未有回應。否則,即使對話表面上成功完成,亦可能產生不準確的紀錄。
同意及披露處理構成另一道界線。根據個案研究,Tara 會在接聽流程繼續前提供披露內容並取得同意。這些步驟屬於工作流程本身,而非可選用的開場白。
在披露期間遭到打斷,便說明了其中難處。恢復對話只是工作的一部分。系統亦需要有可靠依據,以判定是否已完成所需的披露及同意程序。
公開說法提及測試及控制措施,但並未證實具普遍法律合規性。已發表的架構無法回答有關部署、司法管轄區、資料處理或專業責任的每一項問題。買方需要評估自身情況,而不應把客戶故事視作認證。
AWS 的 模型服務卡 同樣建議按特定使用情境進行評估。它將周邊應用程式基礎設施及業務邏輯的責任交予客戶。這項指引支持以審慎態度解讀 Tara 的結果。
情緒適應亦值得同樣謹慎看待。模型可因應語音調整表達方式,卻不代表它可靠地理解來電者的心理狀況。安撫性的語調不應成為系統已理解每項事實,或已恰當處理每名脆弱來電者的證據。
Tara 語音代理亦須就其如何使用收集到的資料設立界線。據報設計把最終決定保留予律師,並另行套用明確的資格判定規則。這些控制措施縮減模型的裁量範圍,但並未免除檢視輸入這些規則的資料之需要。
錯誤輸入仍可影響原本一致的分類流程。由人作最終決定固然重要,但其成效取決於審閱者能看見及更正甚麼。律師的存在不應成為取代量度上游錯誤的理由。
對建立類似系統的團隊而言,這些是營運問題,而非對自動化的抽象質疑。來電者能否更正紀錄?審閱者能否識別不確定的答案?機構能否解釋為何某位潛在客戶獲得特定分類?
透過這些界線看待,Stretto AI 語音代理最具參考價值。它的重要性在於為對話、資料擷取、規則及專業判斷分配不同責任。更廣泛的部署將測試這些界線在更多元的現實條件下能否繼續保持可靠。
已報告的增長仍留下重要量度問題
Stretto 的主要結果是,與其網上表格相比,潛在客戶轉換率相對提高 20%。「相對」一詞很重要:該數字描述的是相對於原有比率的增長,而非增加 20 個百分點。個案研究未有提供足夠細節以計算絕對變化。
該公司亦表示,在其測試中,結構化欄位擷取準確率約為 96%。已完成通話平均約八分鐘。這些數字反映系統的不同面向,不應合併為一項整體準確率的說法。
這些結果支持進一步評估,但未能建立語音接聽的受控基準。
擷取準確率量度的是將對話內容轉換為欄位的表現。它不會自動量度來電者陳述的真實性、資格判定規則的恰當性,或律師最終評估的品質。這些結果需要不同證據。
擷取錯誤的分布亦很重要。次要細節出錯與對財務有重大影響的欄位出錯,可能造成不同的後續影響。整體準確率數字無法反映錯誤是否集中於審閱者認為最重要的資料。
公開說法未有提供按欄位劃分的詳細錯誤分析。它亦留下樣本量、測試組成及不同來電者群組表現等問題。即使所報告的平均值仍具內部參考價值,這些遺漏亦限制了與另一套接聽系統作比較。
通話時長同樣需要審慎解讀。八分鐘這個數字是指已完成的通話,而完整接聽可需時 15 至 20 分鐘。這些說法未必互相矛盾,因為已完成對話的平均時長與完整訪談可能的時長,描述的是不同事物。
不過,已完成通話時長並未把未成功嘗試納入該項量度。評估者亦需要了解中途放棄及部分完成的情況。只有在同時取得足夠資料並達到可接受完成結果時,較短平均時長才具鼓舞作用。
轉換率帶來相關的歸因問題。團隊描述的是持續演變的工作流程,而非只改變語音模型的一項實驗。在缺乏受控比較下,讀者不能把所報告的改善完全歸因於 Nova 2 Sonic。
同樣的謹慎亦適用於每分鐘語音成本降低 95% 的說法。它涉及先前的語音解決方案及指定的定價快照,並不能證實在電話服務、資料儲存、工程、審閱,或取得合資格潛在客戶的完整成本方面有同等節省。
該說法亦來自部署參與者,包括 Stretto 及 CI&T 的貢獻者。他們的參與使架構描述更具價值;但亦意味商業結果應保留歸屬,而非表述為經獨立審計的發現。
這些限制並不代表故事毫無資訊價值。早期的生產環境證據可以支持更廣泛的試點及更詳細的量度。它只是支持比「自動化語音接聽在任何地方都勝過表格」這類普遍說法更狹窄的結論。
對企業買方而言,下一個最有用的問題是,另一個團隊能否以可比較的定義重現這些增長。轉換率、準確率、完成率及成本都需要明確量度界線。否則,表面相似的百分比可能描述截然不同的營運結果。
關注擴展、具重大後果的錯誤,以及完整的潛在客戶經濟效益
下一批有意義的證據應依次涉及部署廣度、資料品質及總體營運經濟效益。這些訊號將測試 Tara 的初步結果能否超越個案研究所描述的條件。它們亦有助買方區分模型能力與工作流程設計。
首先,留意在更多地區廣泛部署的結果。所報告的轉換率改善出現在大規模擴展之前。若在更廣泛部署中取得可比較的結果,將加強對話式接聽可提供可重複價值的論點。
單靠擴展只能證明覆蓋範圍,而非品質。較有力的訊號,是把更廣泛的可用性與一致的轉換率定義及完成情況報告結合。若結果惡化,原有結果仍然相關,但會更清楚地限於其初始情境。
第二,留意對具重大後果的資料錯誤提供更詳細報告。按欄位劃分的擷取結果有助識別系統在哪些地方需要更正或審閱。有關律師修訂的資料,亦會為生成紀錄在實際使用中的價值提供另一個角度。
有力的結果會顯示,當對話變得更多樣化時,重要欄位仍然可靠。較弱的結果則會顯示,看似理想的整體數字掩蓋了關鍵資料中反覆出現的錯誤。無論哪一種發現,都會比另一個未加區分的準確率百分比更具參考價值。
第三,留意一名可用潛在客戶的完整經濟效益。每分鐘語音節省只反映其中一部分。買方亦需要了解處理、審閱、更正及分流相關資料所需的工作量。
最有力的證據,會把營運開支與律師實際可使用的紀錄連繫起來。若節省在更正工作及監督後仍然存在,將支持商業論證;若節省被大量下游人手工作抵銷,則會收窄其價值。
Tara 的長遠價值取決於,更佳的對話能否以可持續的營運成本產生可靠紀錄。
這些是觀察重點,而非已排定的公告或承諾披露。公開說法並未承諾 Stretto 會發布每項量度。若缺少這些資料,初步主張將較難獨立評估,但並不代表部署已告失敗。
Nova 2 Sonic 的接聽故事已提供一項有用的架構教訓。語音自動化運作於更大的紀錄、規則及人類責任系統之中。模型處理重要互動,而機構仍須為圍繞它的工作流程負責。
這亦是為何與網上表格的比較將繼續相關。即使用戶覺得表格麻煩,它仍為資料收集提供清晰基準。語音的價值在於改善完整流程,而非只是令開場互動更吸引。
對考慮採用 Stretto AI 語音代理方式的團隊而言,應先檢視所聲稱改善背後的證據。詢問轉換率如何定義、哪些欄位需要更正,以及未完成通話的結果。檢視接收資料的專業人士是否取得更有用的紀錄,而非假定流暢對話已自然產生這種紀錄。然後把完整工作流程與現有接聽程序比較,包括審閱及更正所需工作。Stretto 的經驗提供了具體理由去研究語音接聽,尤其當表格未能收集必要細節時。閱讀架構時亦應同時留意量度缺口,並以兩者界定在更廣泛部署前,自身評估必須證實甚麼。



