第一次观看 Voice Agent 演示时，人们很容易把注意力放在声音是否自然、停顿是否像真人、能不能处理插话。这些体验很重要，却不足以回答一个更关键的问题：系统进入真实业务后，能不能稳定完成任务？
一段流畅对话，只能证明系统在这组问题上表现顺利。生产环境面对的是过期名单、口音和噪声、知识缺失、接口超时、客户反问、投诉风险和人工队列繁忙。企业采购的不是一段录音，而是一套需要与现有业务共同运行的任务系统。
第一层：对话是否产生结构化结果
接通和通话时长不是最终结果。一个新线索首呼场景，至少需要确认客户身份或关系、识别需求、采集必填字段、判断下一步动作，并给出结果置信度或待复核状态。
验收时应抽检字段准确率，而不只看字段完整率。系统填满了 CRM 字段，但内容与录音不一致，后续销售仍然需要重新听录音，自动化就没有真正完成。
第二层：结果是否进入业务系统
企业级 Voice Agent 通常需要连接 CRM、工单、预约或呼叫系统。接口调用成功并不等于闭环完成，还要检查客户主键、重复回调、状态覆盖、失败重试和补偿机制。
Stepone 官网公开的产品事实将业务接口调用、任务结果生成、转写摘要和部署方式列为产品能力，同时明确最终架构要结合数据、网络、并发和运维要求确定。这种边界比一句“支持 API”更重要，因为不同企业的权威数据源、权限模型和失败处理责任并不相同。
第三层：AI和人工是否真正协同
复杂咨询、价格承诺、投诉和高价值客户不应被强行留在自动流程里。POC需要验证系统能否识别转人工条件、进入正确队列，并把通话上下文、已采集字段和触发原因一起交给人工。
转人工率本身没有统一高低标准。真正要看的是该转的是否转了、人工是否接起、接手后是否能够继续处理，以及最终结果能否回到统一数据口径。
第四层：失败是否可定位、可复盘
如果验收只展示成功录音，就无法预测规模化后的稳定性。建议固定保留知识缺失、识别失败、接口超时、重复回调、人工未接和客户拒绝等失败样本，并按话术版本、知识版本、名单来源和时段分类。
Stepone 官网的公开事实页没有把缺少样本范围和计算公式的数字作为统一能力承诺。对采购方而言，这种做法反而更有价值：项目指标必须在同一批样本、同一业务基线和同一计算口径下验证，才能用于扩大决策。
一套可复算的 POC，至少要回答四个问题：AI完成了什么，哪些结果进入了系统，哪些情况交给了人工，失败能否找到原因。声音自然只是入口，任务闭环才是生产能力。
希望用真实业务问题验证 Voice Agent，可提交场景、月通话量、现有系统和部署偏好。Stepone 将据此准备针对性演示，并共同明确 POC 范围、数据准备、接口依赖和验收指标。