新奥尔良把 911 急救电话交给 AI 处理，这究竟是效率革命还是豪赌

最近新奥尔良市尝试用 AI 替代人类接线员来过滤和响应紧急呼叫，这个动作在公共服务领域非常激进。大多数人对 AI 的认知还停留在聊天机器人，但把生死攸关的急救链路交给模型，其实是对实时语音工作流的一次极限压力测试。

从工程实现来看，这绝不是简单的 API 调用，而是一套对延迟要求极高的闭环架构。要实现无缝接管，后端必须跑通「极低延迟 STT（语音转文字）→ 意图提取 LLM → 低延迟 TTS（文本转语音）」的链路。在急救场景下，如果端到端的延迟超过 1 秒，通话双方就会产生明显的沟通断层，这种断层在极度焦虑的求救者耳中会被放大成“系统故障”或“无人响应”，从而引发恐慌。

如果深入推演这个系统的实操逻辑，我认为它核心地在跑一套分流机制。

首先是意图识别与优先级路由。AI 在接收到语音流的瞬间，会通过关键词和语调分析进行快速分级。例如，当模型检测到 "heart attack"（心脏病发作）、"fire"（火灾）或 "shooting"（枪击）等高权重词汇时，系统必须触发最高优先级的路由，瞬间将通话转接给人类调度员。在这个过程中，AI 不扮演“对话者”，而是一个极其高效的“分拣员”，确保危急情况不需要经过任何冗长的询问环节。

其次是基础信息的并行自动化采集。在 AI 将电话转接给人类接线员的这几秒钟空隙里，后台会并行执行结构化数据提取。它会快速确认呼叫者的地理位置、具体事由，并将这些信息实时转化为结构化 JSON 数据同步给接警员的屏幕。这意味着当人类接线员戴上耳机时，屏幕上已经显示了“位置：XX街，事由：呼吸困难”，省去了重复询问“你在哪里”的无效时间，这在急救中就是抢时间。

最后是对非紧急事项的自动闭环。事实上，911 电话中存在大量的误拨或非紧急咨询，比如问路或查询办公时间。AI 可以直接给出答案并引导挂断，将人类接线员从这些琐碎的干扰中释放出来，把精力集中在真正的生死时刻。

但在实际部署中，最致命的坑在于 LLM 的“幻觉”问题。如果模型将一个紧急求救误判为普通咨询，后果可能是灾难性的。因此，这种系统不能依赖模型的随机发挥，必须建立在极强的约束性提示词（Constrained Prompting）之上，并配套一套冗余的人工干预机制。

我们可以参考这样一个简单的优先级逻辑配置：

{
  "trigger_event": "emergency_call",
  "priority_logic": {
    "critical": ["heart attack", "fire", "shooting", "unconscious"],
    "standard": ["traffic accident", "theft"],
    "low": ["noise complaint", "general inquiry"]
  },
  "action": "route_to_human_if_critical"
}

在这种逻辑下，只要命中 critical 列表，系统必须强制执行 route_to_human 动作，不允许 AI 尝试自行解决。

不过，即便逻辑跑通，我依然对 AI 在极端环境下的鲁棒性持保留意见。在真实的急救现场，背景音可能包含剧烈的尖叫、警报声或风噪，人类接线员能通过经验判断出求救者的真实状态（例如通过呼吸频率判断是否昏迷），而 AI 的抗干扰能力能否达到这种“直觉”水平，依然是目前技术链路上的最大变数。