企业在企业培训上投入了巨额资金，但回报往往令人失望。员工只是点击模块、观看讲解视频并勾选完成框。几周后，他们在实际与客户沟通、处理异议或进行艰难对话的方式上几乎没有任何改变。以合成数字人（avatars）和语音克隆技术闻名的初创公司 Synthesia 现在正押注于一种不同的解决方案：解决之道不在于更好的视频，而在于用对话本身取代视频。
该公司正在推出 Roleplay Sessions，这是其全新 Sessions 平台的首款产品。这一举动标志着一次重大的战略转型。Synthesia 不再满足于仅仅做一个生成培训内容的工具，其目标是成为一个绩效管理层，让员工在这里进行练习、失败、衡量并不断改进。
从观看转为实操
企业学习长期以来一直面临着一个基本的物理学问题。视频优于文本，它能更好地吸引注意力，并且可以廉价地扩展到成千上万的员工身上。但它仍然是一种单向传播媒介。学习者只是在吸收，内容却无法进行自适应。一名销售人员可能看了十几遍关于谈判折扣的教程，但在面对真正的潜在客户对价格提出异议时，依然会不知所措。
Synthesia 通过让这种传播媒介变得更便宜、更个性化而赢得了声誉。其专有的 AI avatars 和语音技术让企业无需预订录影棚或聘请演员，即可快速制作培训视频。这确实非常有用，但还远远不够。
Roleplay Sessions 旨在缩小知识与行动之间的距离。在这些模拟场景中，员工直接与一个 AI avatar 对话，该 avatar 被设计成表现得像客户、同事或直接下属。这个 avatar 不遵循固定脚本，它会做出反应，会提出异议，会感到沮丧，并根据用户的言语改变语气。练习绩效评估的人可能会遇到一个回避初始反馈的 avatar，从而迫使管理者重新构建对话。客服培训人员可能会遇到一个情绪从烦躁升级到愤怒的 avatar，除非代理人能够给出特定的缓和情绪的信号。
这很重要，因为软技能是对话性的，而非信息性的。你无法通过观看幻灯片来学习它们，你必须通过在对话中跌跌撞撞、感受压力并即时调整来学习。
反馈层
让这不仅仅是一个“长着脸的聊天机器人”的关键在于其底层的评分基础设施。Synthesia 正在将推理智能集成到产品中。该平台使用 OpenAI 的模型来处理底层的语言逻辑，但这仅仅是基础。在此之上，Synthesia 构建了一套由评分标准、绩效数据和分析组成的专有系统，将原始对话转化为结构化的教练指导。
以下是这种差异在实践中的体现。标准的 AI 对话可能会告诉用户：“你处理得很好。”而 Synthesia 的层级可以根据公司自身的标准对交流进行评分。员工在开场时是否表现出了同理心？在推销之前是否提出了需求挖掘问题？是否确定了后续步骤？该平台会捕捉这些信号，并返回细颗粒度、可操作的反馈。管理者不再只是得到一个关于谁“擅长与人打交道”的模糊印象，而是可以获得整个销售团队或领导层能力分布的精确地图。
公司首席执行官兼联合创始人 Victor Riparbelli 强调，这种以数据为中心的方法才是高管们真正看重的价值所在。当成百上千的员工进行角色扮演场景练习时，组织积累的洞察水平是以前无法大规模获取的。你可以在影响季度业绩之前，发现哪些团队在处理异议方面存在困难，哪些管理者在提供反馈时过于仓促，以及技能差距在何处聚集。
谁在用它，以及下一步走向何方
早期的客户名单表明，这一方案在大型复杂组织内部引起了共鸣。Synthesia 已签约了一家欧洲市值前三的公司、一家世界百强企业以及一家全球招聘领域的领导者。最初的使用场景集中在销售和领导团队的高风险软技能领域，而这些领域正是沟通不当会导致沉重成本的领域。
企业可以通过向平台提供其自身的培训文档、通话记录和上下文信息，来定制模拟场景。这些场景是量身定制的，无需软件工程团队从零开始构建。这种在定制化与开箱即用部署之间的平衡，对于行事谨慎的企业学习部门而言，是实现应用的关键。
Synthesia 也规划了清晰的扩张路径。该公司计划将 Sessions 扩展到求职面试和候选人筛选领域。最终，随着推理成本的降低，该产品将超越企业级市场。小型企业、专业消费者和教育机构都在其发展蓝图中。大学就业指导中心可以使用相同的引擎来帮助学生练习行为面试。小型咨询公司可以在无需聘请演员的情况下，让其合伙人进行谈判演练。
企业级 AI 的更广泛转型
这一转型值得关注，因为它捕捉到了成熟企业级 AI 的发展方向。第一波生成式 AI 热潮主要由演示驱动