AI辅助整理：本文基于下方列出的公开原始来源改写，不代替原文。
核心摘要： 西门子 GBS（全球共享服务）为 80 多个国家的财务、采购、HR、销售运营等业务提供支持，其主热线索承接主题极广的客服呼入。旧 IVR 依赖按键菜单，常导致误转与重复转接，简单咨询也要排队。西门子选用 Amazon Connect Customer，用 Amazon Lex 做自然语言意图识别、生成式 AI 直答常见问题、Lambda 实时对接 CRM 与员工目录，并通过 Bedrock AgentCore Gateway 以 MCP 方式安全暴露企业接口。生产环境已上线的智能路由用例由 AI 智能体自主处理约 90% 的呼入（直接解决或正确转接）；员工查询与外呼销售 AI 为概念验证阶段。
业务背景
西门子全球共享服务部门（GBS）为 80 多个国家的财务、采购、人力资源、销售运营等内部业务提供支持。其主热线电话承担着极广的咨询主题，从员工报销到供应商付款、从销售订单到 HR 政策。
旧有 IVR（交互式语音应答）系统依赖按键菜单导航，用户需要记住“按 1 是财务、按 2 是 HR”之类的层级。实际使用中，用户经常按错或找不到对应选项，导致误转与重复转接，简单咨询也要排队等待人工。
问题诊断
核心问题在于旧 IVR 无法理解用户的自然语言表达，只能靠按键层级做粗粒度分流。
西门子 IT 服务负责人在 AWS 博客中表示，团队希望让系统“听懂”用户用自然语言描述的问题，并直接给出答案或转接到正确目的地，从而减少等待与转接次数。
AI 怎么落地
西门子选用 Amazon Connect Customer 作为联络中心底座，并构建了多个 AI 智能体用例。第一个生产用例是智能路由：用 Amazon Lex 做自然语言意图识别，理解用户“我要改收货地址”“我的发票还没到”这类表述。
对于常见问题，生成式 AI 直接基于知识库生成答案；对于需要操作系统的请求，通过 Lambda 函数实时对接 CRM、员工目录等内部系统完成查询或转接。
在安全集成方面，西门子通过 Bedrock AgentCore Gateway 以 MCP（模型上下文协议）方式安全暴露企业接口，让智能体在受控范围内调用数据。
实施步骤
团队先从呼入量最大、影响最直接的智能路由用例入手，用脱敏后的真实通话录音训练和验证意图识别模型，确保覆盖真实用户表达方式。
系统设定了明确的置信度阈值：当 AI 对用户意图的判断足够自信时，自主完成处理；当置信度不足时，升级给人工坐席，并保留完整对话上下文，避免客户重复说明。
智能路由在生产环境跑通后，团队将同一套架构复制到员工查询与外呼销售两个新场景。外呼销售 AI 目前处于概念验证阶段，会结合 CRM 中的购买历史做个性化外呼并评估购买意向。
结果证据与边界
据 AWS 官方技术博客披露，在生产环境中，AI 智能体已能自主处理约 90% 的呼入电话，包括直接解决问题或转接至正确目的地。
旧 IVR 的按键菜单被自然语言交互取代，客户等待时间缩短，首次解决率提升，人工坐席得以聚焦复杂高价值交互。
需要说明的是，员工查询与外呼销售两个用例仍处于概念验证阶段，官方未披露量化转化或成本节省数据。本案例仅针对西门子联络中心场景，不涉及其在其他 AI 项目上的进展。
可复制动作
第一，从体量最大、价值最直接的一个用例（如呼入路由）起步，跑通生产后再横向扩展到其他场景，降低技术与组织风险。
第二，明确“自主处理”与“升级人工”的置信度阈值，升级时保留完整对话上下文，避免客户重复说明。
第三，尽早做生产级 CRM/内部系统实时集成，它是外呼个性化与员工查询的基础。
第四，用脱敏后的真实通话录音训练与验证意图识别，确保覆盖真实用户表达，而非仅依赖测试语料。
证据与边界
- “90% 呼入自主处理”为生产环境运行数据，来自 AWS 官方技术博客并含西门子 IT 服务负责人署名。
- 外呼销售与员工查询两个用例仍为概念验证，官方未披露量化转化或成本节省数据。
- 西门子另有其他独立 AI 项目（如内部大模型平台），本案例仅针对联络中心场景，不混同。
企业今天可以做什么
可复制动作：其一，从体量最大、价值最直接的一个用例（如呼入路由）起步，跑通生产后再横向扩展到其他场景，降低技术与组织风险。其二，明确“自主处理”与“升级人工”的置信度阈值，升级时保留完整对话上下文，避免客户重复说明。其三，尽早做生产级 CRM/内部系统实时集成，它是外呼个性化与员工查询的基础。其四，用脱敏后的真实通话录音训练与验证意图识别，确保覆盖真实用户表达。