Wildix在其移动云服务中推出了一项新功能,该公司表示这将把企业移动通话直接纳入企业工作流程,并消除客户沟通中长期存在的盲点。
Wildix eSIM技术发布
这家人工智能驱动的统一通信即服务提供商推出了Wildix eSIM,指出对话往往存在于企业系统之外,分散在各种设备和位置。因此,该技术将移动通话重新连接到企业业务中,确保工作实时进行时的连续性和控制力。
作为Wildix移动云产品组合的一部分,Wildix eSIM将企业身份和智能直接扩展到移动通话中。员工使用手机原生拨号器拨打和接听商务电话,而企业保留路由、状态和策略控制权。每次交互都会实时进入企业记录系统,可以被捕获、转录、总结并连接到客户关系管理和销售智能工作流程。
产品定位与目标用户
Wildix eSIM专为移动优先的团队设计,主要面向依赖移动通信作为主要工作工具的商务专业人士,包括销售团队、现场服务、医疗工作者、房地产专业人士、法律顾问和高管。该技术让员工能够在移动设备上自然工作,同时防止商务对话被隔离在个人手机上。
通过Wildix eSIM路由的移动通话遵循被描述为"企业级逻辑"的规则,这通常只在联络中心环境中使用。可用性、升级和路由规则持续适用,即使在传统座席设置之外发起交互时也能确保服务连续性。
智能化功能特性
Wildix eSIM可以通过语音AI增强移动对话,提供实时转录、摘要、情感分析和结构化结果。这些洞察直接输入到Wildix的销售智能层,将对话转化为可操作的后续行动、交接和工作流程更新。
关于产品的核心能力,Wildix表示与依赖界面切换或并行身份的基于应用的移动服务不同,其eSIM在身份层面锚定移动性。在SIM卡、移动设备、浏览器和桌面终端之间维护单一的业务身份,在用户在设备间移动时保持状态、路由和可用性同步。
Wildix移动云的功能还包括跨终端的统一业务身份、跨通话和渠道的持续上下文、统一状态、离开通话连续性、支持RCS的商务消息传递以及AI驱动的洞察生成。
"工作是流动的,对话也随之移动,"Wildix联合创始人兼首席信息官Dimitri Osler说。"移动云确保上下文也随之移动。我们构建它是为了让对话不会因为某人更换设备、位置或角色而重置,而是与业务一起持续进行,保持完整和可操作性。"
市场部署与发展前景
Wildix eSIM现已通过该公司的全球合作伙伴生态系统提供,并已在早期部署中投入使用。该公司声称早期实施显示改善了对移动交互的可见性,并加强了客户参与工作流程的连续性。
eSIM的发布紧随该公司专注于统一通信即服务业务解决方案的发展。2025年5月,Wildix推出了其声称的行业首个完全嵌入式智能体AI层,用于统一通信即服务,此前花费多年构建专为实际业务用例设计的AI功能,从实时通话摘要和多语言支持到耳机触发的店内警报和销售指导。该发布整合了这些创新成为单一自动化层,能够在不干扰日常运营或引入第三方复杂性的情况下进行扩展。
Q&A
Q1:Wildix eSIM技术主要解决什么问题?
A:Wildix eSIM主要解决企业移动通话脱离企业系统管控的问题。它将分散在各种设备和位置的商务对话重新连接到企业业务中,确保所有移动通话都能进入企业记录系统,实现统一管理和控制。
Q2:Wildix eSIM适合哪些行业和职业使用?
A:Wildix eSIM专门面向移动优先的团队和依赖移动通信作为主要工作工具的商务专业人士,包括销售团队、现场服务人员、医疗工作者、房地产专业人士、法律顾问和企业高管等。
Q3:Wildix eSIM有哪些智能化功能?
A:Wildix eSIM支持语音AI增强功能,包括实时转录、对话摘要、情感分析和结构化结果输出。这些功能可以直接集成到销售智能系统中,将对话内容转化为可操作的后续行动和工作流程更新。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。