Teammates.ai

Teammates.ai 是什么？

这是一个把客服、销售和招聘三项职能"打包成数字员工"的自主 AI 智能体平台。它和常见的网站客服机器人有本质区别：后者的交付物是一段对话，而它的交付物是一个岗位的完整闭环——读取上下文、判断该做什么、直接在你的客服系统或客户关系管理系统里执行动作，只把真正需要人判断的部分交回给人。

平台目前提供三位具名的 AI 员工。Raya 负责客户服务，Adam 负责销售与线索开发，Sara 负责候选人面试。这套命名不只是营销包装：三者的渠道组合不同、对接的业务系统不同，计费费率也不同——因为"解决一张工单""打完一通三十分钟的销售电话""跑完一场结构化面试"本来就是三种工作量级完全不同的事。

公司背景对判断这款产品很关键。团队来自阿联酋，2023 年以 Uktob.ai 之名创立，2025 年 1 月完成融资后更名，投资方包括 Hustle Fund、Access Bridge Ventures、Oraseya Capital 与 Beyond Capital。这段中东背景解释了它最锋利的差异点：平台支持 50 多种语言，而对阿拉伯语各地方言的深度覆盖是它真正的护城河，不是一个普通的"多语言支持"勾选项。对于服务海湾、黎凡特、埃及或北非客户的团队来说，这是"能说阿拉伯语"和"说话像本地人"之间的差别。

放在整个智能体赛道里看，它站在两类产品的中间：一端是给你一堆积木、要你自己拼装出一个员工的通用智能体框架，另一端是只会答问答题、无法执行动作的单渠道聊天机器人。它押注的是预制好的、有明确主张的岗位角色，并且把语音当成一等公民。

核心功能

• 三个预制岗位，而不是一块空白画布：平台直接交付客服、销售、招聘三个现成角色，各自带着话术脚本、评估标准和渠道覆盖。好处是从注册到跑起来的距离被大幅压缩；代价是如果你的需求落在这三条赛道之外，灵活性就会明显不足。
• 语音是主渠道，不是附加功能：客服智能体覆盖 WhatsApp、邮件、电话、Slack、Teams 和在线聊天，同一个智能体身份能跟着客户从一通电话延续到一条消息里。销售智能体负责外呼与异议处理，招聘智能体则直接进行语音面试。语音按分钟计费，正因为它是核心交付方式。
• 能直接改写业务系统里的数据：这些智能体不只是读取你的系统，而是在里面改记录。销售智能体会记录通话、更新商机阶段、把线索数据同步进主流客户关系管理系统；客服智能体则读取工单上下文、执行动作并更新工单状态。这条线才是"聊天机器人"和"真能减轻工作量的智能体"之间的实际分界。
• 深度多语言与阿拉伯语方言覆盖：支持 50 多种语言，并特别点名覆盖全部阿拉伯语方言。对面向中东北非市场的企业而言这是压倒性的卖点，因为大多数欧美出身的客服智能体处理标准阿拉伯语已经吃力，处理口语方言更差。
• 分层认知架构与长期记忆：官方把系统描述为四层结构——感知层接收语音、邮件和聊天的多模态输入，记忆层结合短期对话上下文与长期向量存储，推理引擎做链式规划，工具执行层调用业务系统接口。落到体验上，这决定了智能体能不能跨渠道、跨会话地带着记忆继续对话，而不是每次都从零开始。
• 可分级的自主度与人工审批环节：内置人在环审批、行为护栏与详细审计轨迹，你可以精确划定哪些动作允许它单方面执行——比如给退款金额设上限——并在事后复查它做过的每一步。
• 合成数据评估环境：面向谨慎型采购方提供企业沙盒，只用合成数据跑你自己的业务流程和专业术语，让安全和采购团队在不暴露任何一条真实客户记录的前提下观察智能体的实际表现。

使用场景

1. 跨语言电商客服：多国经营的电商通常要按语种分别配人，夜间时段仍然覆盖不住。把客服智能体铺在 WhatsApp、在线聊天和邮件上之后，订单查询、物流追踪和退款咨询能以客户自己的语言甚至方言全天候解决，处理结果直接写回工单系统。最直接的收益是在不招夜班的前提下补上非工作时间的空档。
2. 小型企业销售团队的外呼资格审查：当两三个销售面对几千条线索时，绝大多数线索根本没人打得过来。销售智能体承担首轮触达与资格审查，处理常见异议、预约会议，并把每一次结果写进客户关系管理系统，让销售的时间只花在已经筛过一轮的对话上。需要清醒认识的边界是：复杂的大单深度沟通仍然属于人。
3. 大批量候选人初筛：一个岗位收到几百上千份简历时，招聘团队根本面不过来，只能用粗糙的关键词规则过滤，结果误伤优质候选人。招聘智能体可以规模化地跑结构化面试，按统一标准打分，产出摘要、录音与排序，让招聘官把时间花在"真的聊过"的短名单上。
4. 面向海湾市场的阿拉伯语客户运营：服务沙特、阿联酋、埃及或黎凡特客户的公司常常发现，欧美工具会把所有方言压平成生硬的标准阿拉伯语，读起来非常疏离。具备方言意识的覆盖能让对话听起来像本地人，而在这些关系语气直接影响成交的市场里，这一点的权重远高于想象。
5. 在扩编之前先吃掉一线工单量：客服团队撞上量级天花板时，通常只剩两个坏选项——响应时间恶化，或者申请一笔批不下来的人头预算。把重复性的一线咨询交给能真正执行退款、改地址、查订单的智能体，可以吸收掉例行负荷，把现有团队释放到真正复杂的个案上。
6. 补齐夜间、周末与节假日覆盖：与其为人力单薄的夜班支付班次津贴，不如让智能体完整承接非工作时间的咨询，并在人工上班时交出一份干净、带完整上下文的升级摘要。

如何使用 Teammates.ai

1. 在官网注册账号。免费档不需要信用卡，并附带一小笔额度供你先跑通流程。
2. 决定第一个要"雇"的职能。不要三个一起开——挑重复性最高、文档最齐全的那个，对大多数团队来说就是客服。
3. 接入该职能需要的系统：客服要接工单系统和消息渠道，销售要接客户关系管理系统和日历，招聘要接招聘管理系统，同时导入它应当依据回答的知识来源。
4. 先定护栏，再谈野心。明确哪些动作必须人工审批、退款或折扣的上限是多少、哪些情况必须无条件升级。这一步直接决定自主执行是安全还是鲁莽。
5. 先跑监督模式：让它起草回复和动作但不真正发出，人工逐条复核，把它误读你行业术语和边缘情况的地方纠正过来。
6. 只在已被验证准确的窄场景上放开完全自主，然后逐步扩大范围，把升级率和解决质量作为最核心的两个健康度指标持续盯住。

使用技巧与最佳实践

• 从文档最完整的流程切入，而不是最难的那个：自主智能体会继承你知识库的质量。如果退款政策散落在三个互相矛盾的文档里，智能体只会把这份矛盾规模化地暴露出来，而不会替你解决它。
• 把护栏当成真正的产品配置项：值得反复打磨的不是智能体的人设，而是边界——哪个动作需要审批、金额上限是多少、哪些客户分层必须直接转人工。
• 老老实实按官方的分阶段上线路径走：官方建议先在沙盒里以影子模式运行，让智能体只起草不发送，由人工评分和纠偏，准确率达标后再放开自主。为省一周而跳过这一步，事后清理的成本通常更高。
• 按工作量而不是按人头做预算：不同智能体的额度消耗速率差异很大，务必先估算每月的面试场次、回复条数和通话分钟数，再去选档位，否则成本判断可能差出一个数量级。
• 每周复盘一次升级案例：被交回人工的那批对话是价值最高的训练信号，反复出现的升级几乎总是直接指向缺失的知识或设错的护栏。
• 方言质量必须让母语者验收：这个品类里"支持多少种语言"的宣称非常普遍，口语方言的输出质量只有你所服务市场的母语者才能给出可靠判断，翻译工具做不到。
• 任何不可逆的动作都保留人工环节：退款、合同承诺和拒绝录用，无论智能体准确率多高，都值得在链路上留一个人。

适用人群

• 被工单量压住、又招不到人的客服负责人：一线咨询高度重复、文档齐全，且响应时长指标已经开始滑坡的团队。
• 线索多于人手的小型企业销售团队：进线量长期超出销售承接能力，大量线索最终无人跟进的组织。
• 负责高投递岗位的招聘团队：需要在几百名候选人之间做一致、结构化初筛，而不是凭感觉打电话的人才团队。
• 面向中东北非市场的企业：客户期待用口语阿拉伯语方言获得服务，而通用多语言工具在这里表现明显偏弱。
• 电商与平台运营方：需要在消息渠道上大批量处理订单状态、配送异常和退款的商家。
• 有严格评估流程的大型企业：必须先在沙盒里证明自主执行是安全的，才肯让产品接触生产数据，并且要求单点登录、角色权限和审计轨迹的采购方。
• 想要整合工具链的运营负责人：宁可整体委托一个职能，也不愿自己用框架拼装智能体并长期维护的团队。

支持平台

• 网页端：主要操作界面是浏览器端的控制台，登录与注册通过平台的应用子域完成。
• 语音与电话：电话是客服与销售的核心交付渠道，面试同样以语音方式进行。
• 消息渠道：支持 WhatsApp、网站在线聊天、Facebook Messenger 与 Instagram 私信等面向客户的触点。
• 内部协作工具：支持 Slack 与 Microsoft Teams，用于内部同步与工作交接。
• 电子邮件：收件箱处理属于客服与销售智能体的职责范围。
• 业务系统集成：原生对接覆盖客户关系管理系统（Salesforce、HubSpot、Pipedrive）、工单系统（Zendesk、Freshdesk）、办公与存储工具（Gmail、Google Drive、Dropbox、Notion、Confluence、Airtable、Trello）、电商平台（Shopify）以及招聘系统（Greenhouse）。
• 身份认证：支持基于 SAML 2.0 与 OAuth 2.0 的单点登录，可对接 Okta、Azure AD、Google Workspace 与 OneLogin。

官方未宣传独立的移动端或桌面客户端，可用形态是网页控制台加上述面向客户的渠道（信息待验证）。

价格与套餐

定价是公开的，采用积分制而非纯粹按席位收费：免费档每月 0 美元含 10 个积分，Pro 档每月 25 美元含 50 个积分，Business 档每月 50 美元含 100 个积分，Scale 档每月 100 美元含 200 个积分，企业档为定制报价。所有付费档都标明可使用全部三位 AI 员工并支持全天候自主运行，席位数从免费档的 1 人逐级提升到企业档的不限人数。

免费档不需要信用卡即可开始，10 个积分足够你跑几场面试或大约一百条客服回复，先验证再决定是否投入。做成本预测时最关键的一点是：积分按实际完成的工作量消耗，且不同智能体费率差异很大——招聘智能体每场面试消耗 10 个积分，客服智能体每 10 条回复消耗 1 个积分，销售智能体每 30 分钟通话消耗 10 个积分。这种不对称意味着，即便两个部署的"表面业务量"相同，以客服为主和以面试为主的月度成本也可能相差悬殊，所以务必按自己的渠道结构建模，而不是只看档位标价。自定义 AI 人设和区域性阿拉伯语方言调优被定位为企业档专属权益，同时附带专属客户成功经理、沙盒环境和季度业务复盘。具体权益与费用以官网最新页面及实际注册流程为准。

替代方案

• Intercom Fin：深度嵌入成熟的客服套件，如果你已经在用它家的工单与对话基础设施，直接在既有链路上做自动解决会比引入一套独立的"AI 员工"概念更顺。
• Sierra：面向大型企业的客户体验对话式智能体，通常通过重实施的服务模式交付，而不是自助注册开箱即用。
• Decagon：专注客服场景的智能体，服务高并发的消费品牌，把深度做在工单自动解决率上，不横跨销售与招聘。
• Salesforce Agentforce：对已经全面标准化在该生态上的组织来说是自然选择，智能体能力是既有平台与数据模型的延伸。
• 通用语音智能体框架：提供搭建语音智能体的底层积木，灵活性更高，但角色逻辑需要你自己构建并长期维护。
• 传统外包呼叫中心：许多采购方真正的对照组，提供人的判断力与责任承担，代价是更高的单次交互成本和更慢的扩容速度。

限制与注意事项

• 对外披露的效果数字来自厂商自述：官方给出的自主解决约 78% 工单、平均解决时长从 26 小时降至 38 分钟等指标，来源是公司本身而非独立第三方审计。应把它理解为在有利条件下达成的最优情形，并在试点期用你自己的工单结构去验证。
• 语音断句是已被公开指出的短板：第三方反馈提到，智能体有时难以判断对方是否已经说完，导致受访者陷入等待。这是整个语音智能体品类的通病，但在面试和销售通话里，一次尴尬的停顿对印象分的杀伤力更大。
• 独立评测覆盖仍然稀薄：可查的第三方公开证据只有少量数据点，主流评测平台尚未积累起有意义的经过验证的用户评价规模。现阶段"没有差评"不等于"质量已获验证"。
• 三角色模型既是优势也是约束：如果你需要的是财务、IT 或运营方向的智能体，现成角色目录并不覆盖，而且产品本身也没有把自己定位成通用型智能体搭建平台。
• 自主运行依赖扎实的前期配置：官方之所以设计从影子模式到完全自主的分阶段路径，正是因为知识不完整的智能体一旦无监督执行，造成的是真实损失——错误的退款、错误的承诺、错误的拒绝。前期投入被显著前置，不应低估。
• 积分制成本容易失控：语音分钟数和面试消耗额度的速度远快于文本回复，因此即便客户总量没变，渠道结构一变，支出也可能大幅波动。
• 未找到独立发布的法务页面：调研时，营销站上独立的隐私政策与服务条款链接均无法访问，合规信息统一收敛在信任页面上；建议在注册流程中或直接与厂商确认合同条款（信息待验证）。

常见问题（FAQ）

Q1. 有免费版可以用吗？

有。存在每月 0 美元的免费档，含 10 个月度积分，无需信用卡，支持 1 名成员。它的定位是评估试用，而不是承载生产环境的业务量。

Q2. 它到底是按人头收费还是按用量收费？

以按用量的积分制为主，档位决定你每月拿到多少积分和多少席位。由于招聘智能体每场面试 10 个积分、客服智能体每 10 条回复 1 个积分、销售智能体每 30 分钟通话 10 个积分，你的实际成本高度取决于最常用的是哪一位。

Q3. 支持哪些语言？阿拉伯语的效果如何？

支持 50 多种语言，其中阿拉伯语方言覆盖是它的招牌差异点，官方宣称覆盖全部方言而不仅是标准阿拉伯语。区域性方言调优被列为企业档能力，因此建议在试用阶段针对你实际服务的市场验证效果。

Q4. 这些智能体只是回复，还是真能执行动作？

能执行动作。它们会在主流客户关系管理系统中更新商机阶段、记录活动，在工单系统里读取上下文、执行操作并更新状态，也包括在预设额度内处理退款这类真实业务动作。

Q5. 我的客户数据会被拿去训练模型吗？

官方信任页面明确写明客户数据绝不用于训练公开模型，这对任何考虑把真实客服记录接入第三方智能体的团队来说都是最关键的一句承诺。官方同时说明仅按数据控制者的指示处理个人数据，并支持数据主体访问请求。

Q6. 平台宣称满足哪些安全与合规标准？

官方声明遵循通用数据保护条例、对齐 SOC 2 Type II 标准、基础设施按 ISO 27001 标准建设，采用静态 AES-256 与传输层 TLS 1.3 加密。所有档位均提供基于角色的访问控制，支持 SAML 2.0 与 OAuth 2.0 单点登录，企业客户还可申请在特定地区做私有云部署以满足数据驻留要求。

Q7. 部署要花多长时间？

官方对基础配置的宣传口径是几分钟完成设置，企业评估路径的说法是以天计而非以月计。实事求是地说，接系统和配护栏确实很快，但把知识调准、把准确率验证到可以放开完全自主，需要的时间要长得多。

Q8. 能在不暴露真实客户数据的前提下先做测试吗？

可以。企业沙盒只用合成数据运行你所在公司和行业的流程与术语，产出一份可直接给决策层看的结果简报，全程不接触任何真实记录——这在安全评审卡住常规试点时特别有用。

Q9. 小团队适合用吗，还是只面向大型企业？

两者都覆盖，但适配方式不同。小团队可以在免费档或 Pro 档自助起步；而方言调优、自定义人设、不限席位、沙盒环境和专属客户成功经理都需要走企业协议。

Q10. 智能体处理不了的请求会怎样？

它会带着已积累的完整上下文升级给人工，而不是让对话陷入死胡同；敏感动作还可以强制要求人工审批。定期复盘这些升级案例，是官方推荐的、用来发现知识盲区的主要方法。