電信業擁有極其豐富的客戶數據，包括流量使用量、帳單紀錄、網路活動以及地理位置。然而，對於大多數電信商來說，這些數據往往淪為靜態的紀錄，很難在正確的時間點轉化為能提升用戶體驗的個性化行動。新加坡的電信科技公司 Circles 採取了一種 AI 原生的策略，將 OpenAI 的技術整合進其核心架構中，將原本被動的客戶服務轉變為主動的價值創造。
對於工程師來說，這篇案例最值得關注的不是 AI 能對話，而是它如何將 LLM（大型語言模型）從一個聊天機器人，轉化為一個能夠調度資源、執行任務並產生商業價值的系統。
實現自動化解決方案的 CareX 多代理人架構
傳統的客服機器人通常是基於決策樹（Decision Tree）的流程，用戶必須在選單中反覆跳轉，且每次切換人員時都得重新說明問題。Circles 為了克服這個痛點，開發了名為 CareX 的多代理人架構（Multi-agent Architecture）。
在這種設計中，系統不再是由單一模型處理所有事情，而是分為兩個層級。首先是編排代理人（Orchestration Agent），它負責理解用戶的歷史紀錄與當前情境，扮演像調度員一樣的角色。接著，它會將請求分發給特定的專家代理人（Specialist Agents），例如專門處理帳單、訂閱方案或網路管理的小型化 AI 模組。
這種設計的關鍵在於權限控制與資訊精簡。專家代理人只會接收到解決該特定問題所需的必要資訊，而非完整的用戶資料庫，這在工程實務上能有效降低模型產生幻覺（Hallucination）的機率，並提升處理速度。目前 CareX 已達到 65% 的自主解決率，意味著超過六成的客服問題不需要人類介入即可完結。
透過 Xplore IQ 提升商業指標
除了客服，Circles 還建立了名為 Xplore IQ 的個性化引擎。這是一個將即時信號與行為分析結合的系統，旨在解決電信業最頭痛的兩個指標：ARPU（每用戶平均收入）與 Churn Rate（用戶流失率）。
Xplore IQ 會分析用戶的即時行為，例如當用戶正在瀏覽漫遊選項時，系統會立即推送最適合的漫遊方案，而非發送泛泛而談的廣告簡訊。在新加坡的實測中，這種精準的推薦讓 ARPU 提升了 22%，並將流失率降低了 9%。這證明了 AI 的價值在於將數據轉化為即時的行動建議，而非單純的數據分析。
開發效率的提升與安全性治理
在內部開發流程上，Circles 導入了 Codex（OpenAI 的程式碼生成模型）來加速設計、編碼與單元測試，開發效率提升了 29%。這讓工程團隊能從重複性的撰寫測試碼中解放，專注於更高價值的產品創新。
然而，在電信這種高度監管的產業，資安是首要考量。Circles 在 LLM 層之前建立了自動化控制機制，對 PII（個人可識別資訊）進行識別與加密，確保敏感數據不會直接傳送到模型中。此外，他們採取了分階段部署（Phased Rollout）、速率限制（Rate Limits）與回滾機制（Rollback Mechanisms），以確保系統在規模化擴展時依然穩定可控。
總結與啟發
Circles 的案例給予我們一個重要的觀點：AI 的落地不應該是把 LLM 貼在產品表面作為對話介面，而應該是重新思考業務流程。透過多代理人架構將複雜任務拆解，並在數據流向模型之前建立嚴格的治理機制，才能在確保安全的前提下，將 AI 轉化為可量化的商業成長。
來源：openai.com - Circles powers telco personalization with OpenAI technology
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。