这期视频是播客 Eye on AI 的一期深度访谈，主持人 Craig Smith 邀请了拥有50年历史的企业通信巨头 Mitel 的首席技术官（CTO）Luiz Domingos [01:24]。
Luiz 结合 Mitel 服务全球 7000 万用户的实际经验 [02:53]，非常详尽地分享了 AI 正在如何重塑企业通信架构。以下是对话内容的完整梳理：
1. 过去与现在的对比：从“PPT阶段”走向“实际落地”
- 企业态度的转变： 两三年前（2022年左右），企业对 AI 的讨论大多停留在“战略规划”和概念验证（PoC）阶段 [06:44]。而现在，企业已经走出了创新实验室，将 AI 直接嵌入到真实的业务流程和运营（Operational AI）中 [06:50]。
- 关注点的转移： 过去的焦点是“哪家的大模型最聪明”；如今，高管们更关心“哪种部署方案能带来真实的投资回报率（ROI），同时又符合企业的治理与合规要求” [07:18]。
2. AI 在核心通信业务中的应用场景
呼叫中心（Contact Centers）
这是 AI 落地最久、ROI 最明显的领域 [04:19, 25:01]：
- AI 坐席助手（Co-pilot）： 实时对通话进行转写、进行情绪分析（Sentiment Analytics），并为人工坐席提供最佳回复建议 [04:29]。
- 自动化复盘： 通话结束后，AI 自动生成通话摘要（Summarization）并记录归档，为坐席省去每通电话后手动敲键盘的时间 [04:48, 32:52]。
- 智能路由（Intelligent Routing）： 准确分析客户诉求，自动将其接入到最懂该业务的人工坐席处 [12:33]。
统一通信（Unified Communications, UC）与企业知识库
- 统一通信是指将语音、视频、会议、即时消息等多模态沟通融为一体的系统 [10:45]。
- 知识检索： 通过 RAG（检索增强生成） 技术，将 AI 与企业自身的制度、产品手册等私有知识库挂钩 [09:37, 13:17]。当支持工程师收到客户提问时，AI 助手能迅速给出精准的官方指导，而不需要像过去那样跑去问主管 [11:31]。
3. 颠覆性的预测：未来的 App 界面是语音，而不是屏幕
Luiz 提出了一个反潮流的观点 [18:30]：
- 他认为语音将重新成为 AI 最自然的交互接口 [18:30]。未来用户不会整天和 AI 发消息、打字或在各种 GUI（图形界面）上点来点去，而是直接用语音对话 [18:37]。
- “未来应用的标配可能是一个语音接口，而不是一个传统的屏幕菜单。” [19:00] 他举例说，自己每天通勤开车30分钟，如果能用纯语音和 AI 助理安排好一天的工作，将会释放极大的生产力 [48:04]。
4. 前线员工（Frontline Workers）：AI 最大的未开发市场
- Luiz 指出，像医院的护士、田野调查的技术员等前线员工，在过去的数字化转型中是最被忽视的群体（Underserved） [17:12]。他们不像知识工作者一样整天坐在电脑前，没空去研究复杂的 App [17:18]。
- AI 语音能完美破局： 护士在病床前照顾病人时，可以通过语音和系统交互，实时接收高危警报、自动录入文档，大大减少了繁琐的纸质工作 [17:38, 18:49]。
5. 智力体 AI（Agentic AI）与 AI 代理（AI Agents）的区别
Luiz 特别澄清了市场上对这两个词的混淆 [34:36]：
- AI Agents / 助手： 属于非 Agentic。它们负责处理数据、分析对话，然后给人类提供洞察和建议 [34:52]。
- Agentic AI： 属于更高级的阶段。它不仅给出建议，还能代替人类在企业工作流中执行具体的动作 [35:02]。
- Mitel 的 Workflow Studio： 这是一个专门编排通信工作流的平台 [14:02]。例如：IT 部门接到报修电话，Agentic AI 听懂后会自动在 ServiceNow 系统中创建并提交工单，实现跨系统的自动化 [14:45, 32:38]。
6. 企业最恐惧的痛点：合规、数据隐私与责任（Governance）
Luiz 参加近期的行业展会时发现，现在 CIO 们最核心的讨论不是 AI 有多炫酷，而是合规与责任归属 [29:49]。
- 数据不能乱传： 企业通信里包含大量的商业机密和法律敏感信息，企业绝对不能接受这些通话转写文本被上传到公有云里去训练公共模型 [35:58, 36:33]。
- Agentic AI 必须有“人在回路”（Human in the Loop）： 面对 agent 独立执行任务，企业感到“恐慌” [29:33]。因为一旦 AI 擅自做了错误决定，会带来巨大的商誉风险、诉讼和法律责任。因此，在企业级应用中，关键动作必须由人类点头（Thumbs up）才能执行 [33:42]。
- 可审计性（Auditability）： 在受监管的金融行业，所有交易电话必须录音并能随时备查。AI 必须能够做到可解释、可审计 [27:12, 29:17]。
7. 技术架构新趋势：边缘 AI（Edge AI）与混合部署
因为合规与对延迟的极致要求，“纯云端 AI”正在碰壁。
- 毫秒必争（Latency）： 在客服电话中，如果 AI 助手需要两秒钟才把话术建议传回来，这通电话就没法打了 [08:11]。
- 边缘 AI 的兴起： 把小型的、专用的大模型部署在企业本地的边缘网关或本地数据中心（On-premises / Secure Cloud）[08:01, 44:14]。这既解决了网络带宽和延迟问题，又满足了欧洲（如 GDPR、AI 法案）对数据主权的严苛要求 [20:34, 26:05, 28:20]。
8. AI 带来的组织架构调整与能源反思
- 打破部门墙： AI 贯穿了通信、CRM、ERP 等多个系统，这也打破了传统 IT 运维与其他部门的边界 [38:22, 40:16]。企业需要提升全员的 AI 素养（AI Literacy），而不仅仅是数据科学团队 [38:51]。
- 绿色AI（Sustainability）： 针对不断飙升的 AI 能耗问题，Luiz 认为不应该盲目追求最大的模型 [42:04]。应该根据特定的工作流“裁剪模型大小（Rightsize the models）”，在边缘端用更小的专用模型解决问题，以降低计算和传输的能源成本 [42:20, 42:44]。
