Automation Anywhere 收购 Boost.ai：将语音 AI 与企业工作流连接起来

Automation Anywhere 在一年内达成第二笔 AI 收购协议，拟纳入 Boost.ai，以将客户对话与后台执行连接起来。Automation Anywhere 收购 Boost.ai 瞄准了企业中长期存在的一项缺口：语音助手能够回答问题，却往往无法完成其背后所需的工作。

两家公司于 2026 年 10 月 7 日宣布签署最终协议。Automation Anywhere 计划从 Nordic Capital 手中收购 Boost.ai，但仍须获得监管批准并满足惯常交割条件。交易金额尚未披露，预计将在 2026 年第四季度完成交割。

这并不只是又一次收购聊天机器人的交易。Automation Anywhere 希望让 Boost.ai 成为付款、理赔、账户变更、服务请求及其他运营任务工作流的面向客户入口。其此前收购 Aisera 的重点则更偏向员工服务和内部支持。

这一战略从不同方向对自动化厂商、联络中心平台和企业软件提供商形成压力。UiPath 争夺流程自动化预算，而联络中心供应商则日益承诺提供能够解决客户请求的 AI 智能体。Automation Anywhere 押注于：同时掌控对话和后续工作流，将带来更强的竞争位置。

Automation Anywhere 收购 Boost.ai 增加了前端入口

这笔交易为 Automation Anywhere 已在自动化的运营系统提供了一个对话式前端。

根据官方收购协议，Boost.ai 服务数百家组织，并高度聚焦于受监管行业。其客户遍及金融服务、电信、保险及其他必须遵守严格对话规范的领域。

Boost.ai 提供对话式和语音 AI，即能够理解口头或书面请求，并通过自动化智能体作出响应的软件。其平台结合自然语言理解、生成式 AI 和智能体组件。自然语言理解用于识别请求的含义，而生成式模型则可生成更灵活的回应。

Automation Anywhere 提供的是不同层面的能力。其平台协同 AI 智能体、基于规则的自动化、业务应用和人工审批。这一编排层旨在跨系统执行工作，而非将互动局限于聊天或语音渠道。

拟议中的整合将连接这两个层面。客户可以通过电话描述问题，随后系统识别请求、核查政策、调取账户数据，并启动获批准的流程。

以一名保险客户在开放理赔期间致电更新地址为例。语音智能体可对客户进行身份验证、收集新信息，并在保单和理赔系统中启动更新。如果这一变更触发审核，它还可将事项转交给员工处理。

如今，企业通常通过不同产品拼接这类流程。联络中心系统处理通话，对话式 AI 产品识别意图，自动化软件则执行后续步骤。集成工作负责连接这些组件，而人工则处理组件之间的例外情况。

Automation Anywhere 希望通过一个平台协同完整链条。该公司将其称为“Conversation-to-Outcome Loop”，但这一表述目前仍是一项产品愿景，而非经独立验证的运营模式。

收购公告称，Boost.ai 支持超过 36 种语言。公告还表示，该平台采取了与 GDPR 和 HIPAA 要求相符的隐私与安全措施，并有独立 SOC 2 报告支持。

这些资质之所以重要，是因为语音系统会处理敏感对话和身份识别信息。然而，平台层面的认证并不会自动使每一项客户部署都合规。配置、数据处理、保留政策及所连接的系统，仍将决定最终风险。

在交易完成前，Boost.ai 将继续独立运营。两家公司尚未公布最终整合产品、迁移时间表，或集成功能的正式上线日期。

这一差异至关重要。Automation Anywhere 已同意收购 Boost.ai，但客户尚不能将所有已描述的能力视为已交付的集成成果。

为什么 Automation Anywhere 现在需要语音 AI

语音让 Automation Anywhere 能在客户请求变成工单、案件或人工工作队列之前接触到这些请求。

传统机器人流程自动化会在任务进入业务系统后发挥价值。机器人复制信息、核对记录、生成报告，并在应用程序之间传递数据。这一模式改善了执行效率，却很少掌控客户最初如何表达需求。

对话式 AI 则更接近这一起点。早期系统通过预设菜单和有限的意图库引导用户。较新的系统则使用语言模型处理更难预测的措辞、保持上下文并生成自然回应。

但自然对话本身并不能解决运营请求。如果一个令人愉悦的语音智能体只能创建工单并承诺回电，其价值就相当有限。当请求涉及政策、身份核验、遗留软件或人工授权时，真正困难的部分才刚刚开始。

Automation Anywhere 收购 Boost.ai 正是围绕这一缺口展开。Boost.ai 将捕捉客户意图，而 Automation Anywhere 将协调完成任务所需的系统和人员。

Boost.ai 报告称，其拥有超过 650 项部署、约 600 个正在运行的虚拟智能体，以及超过 1.5 亿次自动化对话。这些由公司提供的数据也出现在其 AWS listing 中，为了解其运营规模提供了有用参考。

Automation Anywhere 报告称，其企业分销网络规模大得多。该公司表示，自己在超过 90 个国家拥有逾 4,000 家客户和 2,700 多家合作伙伴。它还称，每年执行近 5 亿次 AI 智能体和自动化操作。

这些数字无法直接比较。一次对话、一次虚拟智能体部署和一次自动化执行衡量的是不同活动。不过，它们仍显示出两家公司为何看到了分销机会。

Automation Anywhere 可向已使用其编排和自动化产品的客户提供 Boost.ai 的能力。Boost.ai 则可将其客户互动连接到更广泛的企业工作流集合。其商业逻辑取决于能否将这些重叠关系转化为集成部署。

语音还拓展了适用场景。客户可以在驾驶、现场工作，或在没有电脑的情况下处理服务问题时进行语音交流。组织可将语音智能体用于呼入支持、外呼通知、预约管理和日常账户服务。

随着语音识别、语言生成和响应延迟不断改善，这项技术变得更具说服力。语音智能体必须理解打断、口音、不完整表述和修正，同时不能让对话显得生硬。

不过，自然语音也会提高预期。用户会宽容菜单系统的机械感，却可能过快地信任像人一样的声音。因此，披露、身份验证、升级处理和确认都是产品不可或缺的组成部分。

因此，语音不仅仅是另一种界面。它让自动化系统直接面对客户，错误会立即显现。Automation Anywhere 正因看到了更大的商业机会，而选择更接近这一风险。

主要竞争在于对话与完成工作的较量

Automation Anywhere 押注于：完成结果将比单纯的对话质量更重要。

语音 AI 厂商通常围绕响应速度、自然语音、语言覆盖范围和打断处理能力竞争。联络中心平台强调路由、坐席辅助、分析能力和既有通信基础设施。自动化厂商则聚焦于跨企业应用的执行能力。

拟议中的整合挑战了这些类别边界。Automation Anywhere 希望表明，如果系统没有完成底层工作，一场对话就是不完整的。这一立场使后台编排成为该交易的核心差异化因素。

Automation Anywhere 首席执行官 Mihir Shukla 将企业工作分为三个领域：服务客户、支持员工和运营企业。他认为，即使各领域都包含某种自动化，它们目前仍各自独立运作。

2025 年 11 月收购的 Aisera 增加了覆盖信息技术、人力资源和相关内部请求的员工服务能力。Boost.ai 则将覆盖面向客户的对话。Automation Anywhere 的现有产品则处理跨企业系统的运营流程。

此前的 Aisera transaction 有助于解释这一顺序。Aisera 强化了面向员工的服务，而 Boost.ai 将增加一个更成熟的面向客户语音层。

这一顺序为 Automation Anywhere 构建了清晰的产品组合叙事。客户请求可通过 Boost.ai 进入，员工请求可通过 Aisera 进入，而 Automation Anywhere 可协同由此产生的工作。从理论上说，同一套治理和编排层将覆盖这三个领域。

UiPath 构成最相关的战略压力，因为它同样从机器人流程自动化扩展至更广泛的智能体自动化。两家公司都希望协同智能体、工作流、应用程序和员工，而非销售孤立的桌面机器人。

联络中心提供商面临的是另一种挑战。Genesys、NICE、Salesforce 和 Microsoft 等企业早已贴近客户互动。它们无需重建整个通信层，便可添加工作流连接器、自动化合作伙伴和智能体功能。

因此，Automation Anywhere 必须证明，更深层的流程执行能力足以超过既有联络中心分销网络的优势。它不能仅依赖其整合产品组合更完整的说法。

这场竞争也涉及架构。有些企业更愿意让一家供应商治理完整流程。另一些企业则有意将通信、推理和执行分开，以便替换单个组件或降低对单一供应商的依赖。

统一平台能够减少集成边界，但也可能集中运营风险。身份管理、编排或模型行为出现问题，都可能影响客户旅程的多个阶段。

模块化架构会带来更多集成工作，但可能赋予买方更大的控制权。受监管组织通常希望在对话系统与能够修改账户、发放款项或批准理赔的系统之间设置明确边界。

这正是为何这笔交易的核心对手并非某一家企业，而是对话与执行彼此分离、通过 API、队列和人工交接相连的既有模式。

Automation Anywhere 找到了一个真实存在的摩擦点。更重要的问题是，客户是否愿意让单一供应商来消除这一摩擦。

从对话到结果的机制提高了赌注

将流畅的语音代理连接到记录系统，会同时提升对话式 AI 的价值与风险。

这一组合工作流始于用户通过语音或文字提出请求。Boost.ai 的软件会理解意图并收集相关上下文。Automation Anywhere 的编排层随后将选择代理、确定性自动化、企业应用程序或人工审核人员。

确定性自动化遵循既定规则，并在指定条件下产生可预测的操作。当企业需要受控流程时，它仍然非常有用，即使生成式模型负责处理围绕该流程展开的对话。

一家银行的客户可能会询问转账为何失败。对话系统可以识别该笔交易，并说明一个允许披露的原因。随后，在符合银行政策的前提下，自动化系统可以收集支持性信息或重新开启工作流。

其价值在于减少交接。客户无需向另一位代理重复说明细节，而在仍需判断时，员工将收到结构化案件。已完成的常规请求甚至可以完全绕过联络中心队列。

Automation Anywhere 表示，在其更广泛的“自主企业”愿景下，业务职能可实现最高 80% 的自主运行或 AI 辅助。这是公司的愿景，而非其客户群体范围内经测量验证的结果。

其前瞻性声明在此尤为相关。公司表示，组合能力取决于交易完成及整合，但并未对可用性或交付作出承诺。

同一声明还指出，整合前的客户成果并不能保证未来结果。这一限制应当影响买方对所报告解决率和对话量的解读。

Automation Anywhere 表示，Boost.ai 在生产部署中的解决率已超过 90%。但不同组织、渠道和统计方法对“解决”的定义可能不同。完成一次信息答复，并不等同于完成一笔受监管交易。

买方应询问每个实施项目如何定义解决。他们还应审查转接率、重复联系次数、客户纠正、身份验证失败和联系后的处理工作。

该机制也依赖于上下文管理。语音代理需要获得足够信息来理解请求，同时不能暴露无关的客户数据。编排层必须只将必要的上下文传递给各个模型、系统或员工。

知识质量成为一项实际约束。当政策彼此冲突或文档已经过时时，AI 代理可能给出流畅却错误的回答。企业需要可追溯的信息来源、版本化规则，以及对执行过程中所用信息的明确责任归属。

评估这类系统的团队，可能会受益于维护一个将已获批准的运营指引与非正式材料区分开的 AI 知识库。当一个回答能够触发实际操作时，这种纪律性就更为重要。

完整的闭环还需要确认。在修改地址、取消服务或发放退款之前，系统应说明拟执行的操作并请求适当批准。高风险操作可能始终需要人工参与。

这些控制措施并非次要的实施细节。它们决定了将对话连接到执行，究竟会创造可靠的自动化，还是只是让对话错误传播得更远。

整合、治理与信任仍有待验证

这项收购带来了可信的产品方向，但最关键的证据将在整合启动后才会出现。

第一项不确定性在于交易本身。该收购仍需获得监管批准并满足交割条件。在交易完成前，Automation Anywhere 和 Boost.ai 仍是两家独立公司，拥有独立的产品和客户义务。

第二项不确定性涉及整合。两家公司描述了一个目标方向，但尚未公布详细架构、产品时间表或迁移计划。客户目前尚不清楚哪些能力将成为原生功能，哪些仍将以连接式整合形式存在。

统一的销售展示比统一的操作系统更容易打造。身份、权限、审计记录、模型控制、分析能力和支持流程，都必须在组合技术栈中保持一致运作。

语音带来了额外复杂性。语音识别错误可能改变姓名、数字、日期或账户详细信息。背景噪声和网络延迟也可能扰乱一个原本准确的系统。

类人的表达方式可能掩盖这些弱点。即使代理误解了关键术语，充满自信的回答也可能听起来很权威。组织需要针对敏感信息采取明确的复述和确认机制。

受监管行业还增加了法律与运营限制。符合 GDPR 或 HIPAA 并不能解决有关同意、通话录音、数据驻留、保留或自动化决策的每一个问题。每项部署都需要自身的评估。

Automation Anywhere 还面临产品组合重叠的问题。Aisera 已为公司带来了对话式和客户服务能力。管理层必须明确客户何时应使用 Aisera、Boost.ai 或组合层。

过多重叠可能会使采购和实施更加复杂。它还可能迫使 Automation Anywhere 比计划更久地维护独立技术，从而削弱其统一愿景所承诺的简洁性。

公司的规模主张同样值得谨慎看待。Automation Anywhere 表示，在连续六个季度中，与 AI 相关的预订额占新增及追加销售预订额的近 70%。它还表示，代理式 AI 执行量在一年内增长了五倍。

这些数据表明商业势头强劲，但并未披露相关产品的收入贡献、客户留存率或盈利能力。Automation Anywhere 是一家私营公司，因此买方获得的财务细节少于上市软件供应商所提供的信息。

Boost.ai 的客户指标同样需要结合背景理解。超过 1.5 亿次自动化对话表明其使用具有一定规模，但仅凭对话量无法说明满意度、准确性或商业价值。

现有的独立报道证实了该协议及其战略定位。由于组合产品尚未上市，报道未能提供有关该产品的独立基准。

竞争对手在整合完成前仍有空间作出回应。联络中心供应商可以扩展操作框架，而自动化供应商可以与语音专业厂商合作。云服务提供商则可以在自身平台中打包语音、模型、工具和编排能力。

因此，客户应针对具体工作流测试这一组合方案。他们应分别衡量自主处理率、完成率、纠正率、升级率、延迟和客户满意度。

最关键的评估问题很简单：系统是否在正确政策下完成了正确任务？自然的对话固然重要，但它无法弥补错误的运营结果。

三个信号将显示该战略是否奏效

产品交付、经验证的完成率以及竞争对手的回应，将决定这是否会超越单纯的产品组合扩张。

第一个信号是具体的整合发布。Automation Anywhere 需要明确哪些 Boost.ai 能力将与其编排平台原生连接、客户何时可以使用这些能力，以及现有部署将如何迁移。

可信的发布应包括共享身份控制、审计追踪、策略执行和升级路径。仅在产品之间传递文本的演示，无法验证这一更广泛的战略。

原生编排将强化 Automation Anywhere 的论点：其能够将客户意图直接连接到企业执行。反复延迟或有限的连接器将削弱其相较模块化替代方案所宣称的优势。

第二个信号是基于结果的客户证据。两家公司应公布部署结果，明确区分已回答的问题与已完成的交易。有用的指标包括重复联系率、人工升级、错误纠正和客户满意度。

结果应覆盖受监管的多步骤工作流，而非简单的信息咨询电话。银行账户更新、保险理赔操作或电信服务变更，将提供更有意义的测试。

独立验证将比供应商挑选的成功案例更具分量。买方应寻找透明的定义、测量周期、样本规模以及与原有流程的比较。

第三个信号是竞争平台如何回应。UiPath 可以强化语音合作关系，或增加更多面向客户的入口。联络中心供应商可以深化工作流执行能力，并降低对外部自动化产品的依赖。

如果竞争对手迅速匹配从对话到结果的模式，Automation Anywhere 将需要在治理、实施速度和客户成果上展开竞争。如果它们继续将对话与工作流分开处理，这项收购将显得更具战略差异化。

因此，Automation Anywhere 对 Boost.ai 的收购值得关注，但不宜过早下定论。它为 Automation Anywhere 带来了成熟的语音 AI 产品、受监管行业经验，以及进入客户运营领域更清晰的路径。

它也让公司进入了一个更容易暴露问题的位置。面向客户的错误比内部自动化失败更难掩盖，尤其是在软件能够跨敏感系统执行操作时。

企业买方接下来要问的问题，不是 AI 语音听起来是否自然，而是组合平台能否理解请求、遵循政策、完成正确工作，并记录每一个具有后果的步骤。

考虑采用该平台的组织应选择一个边界明确的工作流，并要求提供可量化的证据。跟踪代理理解了什么、它改变了什么、何时升级，以及客户是否再次联系。

这些证据将表明，将语音 AI 与企业自动化连接起来，究竟是在消除交接，还是在创造更大的失败面。贵组织中的哪一项客户工作流能够提供最清晰的测试？