AI電話騷擾，為何如此猖獗？

比接到騷擾電話更煩人的是什么？是接到了來自AI的騷擾電話，讓你即便想吐槽，想表達(dá)不需要，都沒有機(jī)會(huì)，因?yàn)槟銦o論如何表述，對(duì)面的機(jī)器人都異常冷靜，不悲不喜。

不知從何時(shí)起，AI電話外呼已經(jīng)蔓延到了各個(gè)行業(yè)。與傳統(tǒng)電話外呼模式相比，AI電話效率更高且成本更低，因此近年來在國內(nèi)外都發(fā)展迅猛。

在國外，AI電話不僅頻頻被用于詐騙，而且今年恰逢美國大選年，一些別有用心之人會(huì)用AI模擬名人聲音，為候選人“助選”。

AI電話來勢(shì)洶洶，面對(duì)這一監(jiān)管難題，各方都在加速頒布各項(xiàng)法規(guī)，以期能規(guī)范以AI電話為代表的AI行業(yè)發(fā)展。今年8月起，歐盟《人工智能法案》正式生效，旨在解決公民健康、安全和基本權(quán)利面臨的潛在風(fēng)險(xiǎn)，明確了開發(fā)人員和運(yùn)營者關(guān)于人工智能特定用途的明確需求和義務(wù)。

不久前，美國聯(lián)邦通信委員會(huì)（FCC）也公布了新提案，希望再次擴(kuò)大對(duì)電話相關(guān)的AI技術(shù)監(jiān)管范圍，要求相關(guān)公司必須披露在短信和電話中使用AI的報(bào)告；在此之前，F(xiàn)CC已禁止了在針對(duì)消費(fèi)者的自動(dòng)語音電話中使用語音克隆技術(shù)。

多項(xiàng)AI技術(shù)融合

從技術(shù)角度而言，AI電話呼叫并非什么高科技。早在1950年代，美國的泛美航空就已經(jīng)建立起了全世界首個(gè)具有一定規(guī)模的呼叫中心。如今的AI電話呼叫則是在原有呼叫中心的技術(shù)基礎(chǔ)上，搭載了多項(xiàng)人工智能技術(shù)的產(chǎn)物。

從技術(shù)角度來看，在呼叫和篩選層面，AI能力往往體現(xiàn)在從眾多的客戶信息中，篩選出更有觸達(dá)價(jià)值的客戶—但這需要足夠的數(shù)據(jù)，相關(guān)算法也并未開源，因此在實(shí)際操作中，不少電話呼叫往往并不篩選，而是選用更為簡單的或按區(qū)域/號(hào)段，或根據(jù)具體名單呼叫的方式。

從使用場(chǎng)景來說，AI電話在國內(nèi)主要應(yīng)用于告知客戶優(yōu)惠信息、回答常見問題、處理投訴等情況，在這過程中會(huì)與客戶產(chǎn)生一定量的對(duì)話，因此就會(huì)用到自動(dòng)語音識(shí)別（ASR）、自然語言處理（NLP）和語音合成（TTS）等多項(xiàng)AI技術(shù)。這些技術(shù)經(jīng)過多年的發(fā)展已經(jīng)相對(duì)更為成熟，市面上也多有低價(jià)甚至免費(fèi)的解決方案。

簡單來說，一次完整的AI通話包括以下幾個(gè)步驟：在電話接通的一瞬間，用戶最先聽到的是TTS技術(shù)制作的AI語音，如果用戶在此時(shí)對(duì)語音做出了回應(yīng)，AI就會(huì)調(diào)用ASR和NLP技術(shù)，以便能聽懂客戶的回復(fù)并得出回話的文字內(nèi)容，再通過TTS制作成為語音內(nèi)容進(jìn)行回復(fù)，從而實(shí)現(xiàn)與人類進(jìn)行語音對(duì)話。

雖然描述比較復(fù)雜，但在實(shí)際應(yīng)用中，這些技術(shù)通常都能在較短時(shí)間內(nèi)響應(yīng)，只要用戶回復(fù)不是過于復(fù)雜，AI基本能做到及時(shí)回復(fù)，這也是為什么一些初次接到AI電話的用戶，往往并不能識(shí)別出電話那頭是AI而非真人。

不過，以目前的技術(shù)成熟度而言，大部分AI電話并不能完全理解較為復(fù)雜的對(duì)話，這也是為何哪怕有用戶耐心回答完AI的所有提問，AI電話往往也是以“稍后會(huì)有負(fù)責(zé)人與您聯(lián)系”作為結(jié)尾。

與國內(nèi)的AI外呼目前多用于銷售相關(guān)場(chǎng)景不同，歐美的AI外呼往往與詐騙關(guān)聯(lián)度較高，不少名人也是受害者。據(jù)英國《金融時(shí)報(bào)》報(bào)道，全球最大的廣告?zhèn)鞑ゼ瘓F(tuán)WPP首席執(zhí)行官馬克·里德，被使用語音克隆的騙子盯上了，騙子從網(wǎng)上獲取到了馬克詳盡的語音和視頻資料，通過AI進(jìn)行了“克隆”，從而以電話或視頻方式試圖詐騙WPP的合作方。

從技術(shù)層面來說，這些騙子是在AI外呼的基礎(chǔ)上，額外搭載了歌聲合成（SVS）和歌聲轉(zhuǎn)換技術(shù)（SVC），即通過AI將一段人聲音頻轉(zhuǎn)換為另一種聲線。地圖軟件里的明星虛擬導(dǎo)航員、此前異?；鸨腁I翻唱，大多都是應(yīng)用了這類技術(shù)。

AI能力往往體現(xiàn)在從眾多的客戶信息中，篩選出更有觸達(dá)價(jià)值的客戶。

技術(shù)下放催熟行業(yè)

極低的成本，是AI外呼行業(yè)能夠迅速擴(kuò)大規(guī)模的原因之一。以某搜索引擎中搜索結(jié)果排名前列的一家電話呼叫平臺(tái)為例，該平臺(tái)客服表示，其AI外呼平均每天可以撥打800—1200個(gè)電話，不僅相當(dāng)于3—5名員工的工作量，而且365天全年無休，3%左右的獲客率，也略高于人工外呼。

此外，該AI還可以配備多套話術(shù)，并提供全程電話錄音，200元即可支持1800分鐘通話時(shí)長，平均算下來每分鐘不過0.11元，價(jià)格遠(yuǎn)低于人工客服。

之所以價(jià)格如此低廉，也與AI行業(yè)的技術(shù)下放有關(guān)。AI外呼電話在通話過程中所需要用到的各項(xiàng)技術(shù)，頭部AI廠商均提供了免費(fèi)的接口。

以ASR為例，科大訊飛、OpenAI、網(wǎng)易、騰訊等均有自己的語音識(shí)別系統(tǒng)，科大訊飛更是早在2017年就開放了自家語音識(shí)別接口，可供用戶免費(fèi)或者付費(fèi)使用。

GPT-4o平均短至0.32秒的響應(yīng)速度，已與人類反應(yīng)時(shí)間不相上下。

又如NLP，無論是阿里巴巴等互聯(lián)網(wǎng)企業(yè)，又或是清華大學(xué)自然語言處理與社會(huì)人文計(jì)算實(shí)驗(yàn)室等研究機(jī)構(gòu)，都有自己的NLP模型和開源項(xiàng)目；而微軟開源的TTS技術(shù)，早就被各類營銷號(hào)和諸如“3分鐘看完一部電影”等自媒體所熟練掌握。

即便是大廠并未提供免費(fèi)使用的技術(shù)，網(wǎng)上也有不少技術(shù)大牛熱衷于分享開源代碼，試圖教會(huì)網(wǎng)友。

今年5月，OpenAI發(fā)布了一則視頻，演示了該公司旗艦大模型GPT-4o。在視頻中，GPT-4o能夠像真人一樣和人類進(jìn)行視頻通話，不僅能用語音準(zhǔn)確回答提問，還能通過攝像頭看懂人類究竟在做什么。

GPT-4o平均短至0.32秒的響應(yīng)速度，已與人類反應(yīng)時(shí)間不相上下，應(yīng)答過程中的表現(xiàn)，也與真人更為接近，這一技術(shù)顯然是對(duì)現(xiàn)有AI電話能力的全面覆蓋與升級(jí)。

雖然此后OpenAI并未正式上線這一大模型，但其在視頻中展示的功能，卻在今年7月被機(jī)器學(xué)習(xí)工程師出身的科技博主Santiago給成功“仿制”，并將代碼無償分享給了所有人。

Santiago在教學(xué)視頻中表示，他所用到的大模型，均為ChatGPT、谷歌Gemini等企業(yè)現(xiàn)成的AI模塊，無需太多專業(yè)知識(shí)也可掌握。

考慮到AI行業(yè)仍處于高速發(fā)展期，AI技術(shù)也在不斷迭代升級(jí)中，舊有技術(shù)也會(huì)不斷下放，普通人可以輕松掌握的AI技術(shù)只會(huì)越來越多。

某互聯(lián)網(wǎng)頭部企業(yè)AI算法工程師曉晨告訴《看世界》，據(jù)他了解，專注于AI電話領(lǐng)域的大公司不算多，市面上大多數(shù)AI外呼平臺(tái)都是中小型企業(yè)，這些企業(yè)用到的技術(shù)是相對(duì)低端的免費(fèi)技術(shù)，所以可能會(huì)呈現(xiàn)出答非所問或響應(yīng)時(shí)間過長的情況，這也是消費(fèi)者對(duì)AI電話深惡痛絕的原因之一。

監(jiān)管不易

技術(shù)本無罪，熱衷分享的互聯(lián)網(wǎng)精神，也是科技進(jìn)步的動(dòng)力之一。但當(dāng)一些心懷不軌之人盯上了這些技術(shù)利用AI作惡時(shí)，合理的監(jiān)管就必須被提上日程。從全球范圍來看，如何監(jiān)管AI電話，無疑是一大難題，往往是按下葫蘆浮起瓢。

去年底，美國新罕布什州發(fā)生了多起利用AI語音克隆技術(shù)誘騙選民投票的案件。為此，今年2月，F(xiàn)CC通過了相關(guān)法案，禁止在AI電話中使用包含語音克隆的內(nèi)容—但這一禁令并未限制AI智能回復(fù)和使用錄音，公司可以通過提前錄制大量錄音，或語音剪輯等方式，來繞過禁令。

為此，F(xiàn)CC在7月公布出了一份新的提案，要求呼叫者必須明確披露自身使用了AI技術(shù)，且需在消費(fèi)者知情并同意接收AI電話的情況下方可撥打。而如果呼叫中包含AI語音，則呼叫方必須在每次呼叫開始時(shí)，明確告知接聽者該呼叫正在使用AI技術(shù)。目前，這一提案正在審查中，尚未正式實(shí)施。

8月起，歐盟《人工智能法案》正式生效，作為全球首部全面監(jiān)管AI的法規(guī)，該法案無疑是歐盟在規(guī)范AI方面的重要舉措，但仍有一定的局限性：美聯(lián)社指出，該法案的限制會(huì)分布推進(jìn)，大部分內(nèi)容最晚至2026年8月才開始實(shí)施，相關(guān)企業(yè)有2年左右的緩沖期，企業(yè)在執(zhí)行細(xì)則方面仍有溝通空間。

與歐美情況不同，曉晨認(rèn)為，在國內(nèi)，令人煩擾的AI電話與其說是AI技術(shù)作惡，不如說是信息泄露和對(duì)高頻次呼叫限制不足導(dǎo)致，畢竟AI外呼平臺(tái)用到的技術(shù)并不高級(jí)，監(jiān)管層面幾乎不可能對(duì)這些最底層技術(shù)一禁了之。

面對(duì)層出不窮的AI電話，他建議消費(fèi)者可以采用手機(jī)自帶或第三方攔截工具進(jìn)行攔截，又或者嘗試開啟手機(jī)里的AI通話助理功能—不過他也坦陳，這些工具并不能完全阻截騷擾電話，只能說是治標(biāo)不治本。

盡管國內(nèi)外消費(fèi)者對(duì)AI電話觀感都不佳，但并不妨礙這一行業(yè)高速發(fā)展。美國市場(chǎng)研究公司Grand View Research發(fā)布的《AI呼叫行業(yè)趨勢(shì)報(bào)告》指出，截至2022年，全球AI呼叫市場(chǎng)規(guī)模為13.8億美元（約合人民幣98.9億元），預(yù)計(jì)2023—2030年，將以23.1%的復(fù)合年增長率增長。

如何監(jiān)管這一龐大的行業(yè)，無疑是對(duì)相關(guān)部門智慧的又一次考驗(yàn)，畢竟，任何科技進(jìn)步的出發(fā)點(diǎn)，都該是更好地造福人類，初心是為人類提供精準(zhǔn)服務(wù)的AI呼叫，不該淪為遭人白眼的代名詞。

（文中曉晨為化名）

責(zé)任編輯 吳陽煜 wyy@nfcmag.com