企业语音 AI 困境待解：用户体验成破局关键
【导语：语音 AI 智能助手市场规模预计大幅增长，但企业应用成熟度低。当前企业语音 AI 面临诸多困境，需从用户体验出发解决问题，本文探讨了相关原则、研究方法及对自主语音 AI 的影响。】
语音 AI 智能助手市场规模预计将从 2024 年的 24 亿美元增长到 2034 年的 475 亿美元，复合年增长率达 34.8%。然而，只有 1% 的企业认为其 AI 部署“成熟”，且不到 10% 的 AI 使用案例能超越试点阶段。
81% 的消费者每天或每周都会使用语音技术，但满意度并未提升。65% 的语音助手用户表示经常遇到理解偏差，41% 的用户会在出错时大喊大叫。这些在家积累的挫败感会影响工作中对语音智能助手的预期。
大多数团队寻求技术解决方案，如采用更先进的语音识别模型、降低字错误率（WER）、加快处理速度。但 WER 只能反映转录效果，无法体现用户信任度。
问题根源在于将语音 AI 视为带麦克风的文本处理工具。语音有自身限制，超过 500 毫秒的响应会破坏对话流畅性，指令夹杂噪音，用户无法回顾回复，会议出错造成的尴尬与聊天窗口不同。
在规划语音驱动的企业工作流程用户旅程时，问题集中在存在社交风险的时刻。纯语音界面中，系统状态可见性含义不同，用户只能通过沉默猜测状态，不确定性是用户早期放弃的重要因素。
对话有节奏，语音智能助手响应时间稍长会使交互体验变差。智能助手处理信息时需给予反馈，如“收到，正在查找……”，谷歌建议流式应用采用 100 毫秒的帧大小。
恢复能力与性能同样重要，智能助手出错时需明确说明困惑或无法回复，并提供替代方案。
隐式确认在企业环境中效果更好，能降低社交风险。
环境是设计的约束条件，降噪和自动说话人分离功能是必备基本功能。
标准可用性测试不适用于语音 AI 智能助手，研究方法需考虑系统行为不确定性、交互无视觉痕迹和环境因素。
情境调查能了解声学环境对使用的影响，出声思考法需采用回顾式，日记研究跟踪用户信任度，体验抽样能捕捉实时信息。
定量用户体验研究和行为数据收集可了解系统故障点，将其与定性研究结果结合可用于产品决策。
对各种语音模式、口音和无障碍需求进行测试，会改变产品方向，如语音无障碍项目提高了非标准语音模式的识别准确率。
当语音智能助手自主行动时，研究问题变为“用户是否信任智能助手代表他们所做的事情？”
信任问题是心理模型问题，智能助手未完成工作比直接说“做不到”更糟糕。
企业环境中，智能助手出错会影响他人，让参与者描述期望并与实际对比可发现早期问题。
“最小意外原则”重要，等待时提供反馈可避免长时间沉默。团队需考虑新鲜感消退问题，进行纵向研究判断系统能否长期达标。
编辑观点：企业语音 AI 发展关键在于用户体验，团队应重视用户体验研究，从设计层面解决问题，以提升用户信任，推动语音 AI 在企业协作中的有效应用。