销售专业人员在外呼销售过程中常常面临一个艰难的两难选择：是继续与潜在客户互动，还是结束对话以追寻其他潜在客户。这个筛选决策至关重要，尤其是在销售人员面对大量线索但时间有限、频繁遭遇拒绝的情境中。尽管如此，对于这类决策的形成机制、最优性以及改进方法的研究一直较为缺乏。近期的一项研究弥补了这一空白，聚焦于高量外呼销售中的决策行为，这类销售特点是线索丰富、时间紧迫且通话失败概率高。研究采用了最优停止框架——一种数学策略，用于确定在何时停止某项活动以最大化回报。研究人员开发了一个基于生成式语言模型的序贯决策代理，称为“停止代理”，旨在通过模仿从过去销售数据中派生的最优停止策略，学习何时结束销售通话。这个人工智能工具能分析通话中的复杂文本数据，利用自然语言输入判断何时退出。它具有良好的兼容性，可以集成开源及专有的大型语言模型。测试中，该停止代理对来自一家欧洲大型电信公司的外呼通话进行了应用，结果显示它成功将无效通话所用时间缩短了54%，显著提高了效率，而在保留几乎所有成功销售的前提下达到了这一目标。节省的时间可以用于新的通话，从而使预期销售量提高最多37%。进一步分析发现，销售人员多数偏重于关注少数明显的言语反应，如表现出不兴趣的信号，而忽视了更微妙的线索。这种偏差导致对通话失败风险的预测能力不足，反映出现有认知偏差限制了实时决策的最优性。这些发现强调了像停止代理这样的人工智能工具在克服人类认知限制、提升时间管理和销售效率方面的重要价值。在当今竞争激烈的市场环境中，优化销售联系和代理时间成为关键，而人工智能系统提供了一个有前景的解决方案。除了销售领域，本研究还彰显了AI在复杂、多变环境中快速决策的广泛潜力。未来的研究可以将此方法应用到客户支持、电话推销、谈判等其他以对话为基础的场景中，潜在地提升各行业的运营效率。总的来说，这项研究标志着AI在优化人类销售决策方面迈出了重要的一步，帮助企业减少时间浪费，通过智能判断何时结束低效互动，从而大幅提升业务表现。人类专业知识与AI决策支持的融合，有望对销售团队的管理和策略带来变革性影响。