不是二選一。查詢型、重複型、有標準答案的問題讓 AI 先接:營業時間、運費、訂單進度、退換貨規則這類。客訴、議價、特殊需求、帶情緒的案件一律人接,而且要轉得快、轉得明顯。多數客人討厭的不是 AI,是被 AI 卡住找不到人。目標是人只處理需要人的案件。
這題常常被問成「AI 客服好還是真人好」,但這個問法本身就有問題,像在問「計算機好還是會計好」。數位勞動力有限公司在做客服流程盤點時,第一件事是把過去一個月的訊息倒出來分類,通常會發現一大半是同樣幾個問題在重複,另外一小塊是沒有人敢讓 AI 碰的。這篇就是在講那條線怎麼畫,以及畫錯會發生什麼事。
AI 客服跟真人客服,各自強在哪、弱在哪?
AI 強在速度、耐心、查系統;人強在判斷、承擔、破例。兩邊的強項幾乎沒有重疊,所以才說是分工不是取代。
| 比較軸 | AI 客服 | 真人客服 |
|---|---|---|
| 回覆速度 | 秒回,不分時段 | 看人力與時段,夜間與假日通常沒人 |
| 重複問題 | 第一百次跟第一次一樣有耐心 | 會累、會煩、品質隨心情浮動 |
| 查詢系統資料 | 被授權後直接查訂單、物流、庫存 | 要切換系統、手動查、再複製貼上 |
| 客訴與情緒 | 讀得出情緒,但安撫不了人,也無法承擔責任 | 能道歉、能給補償、能拍板 |
| 議價與特殊需求 | 只能照規則回,超出規則就該轉人 | 能判斷、能談、能破例 |
| 沒見過的問題 | 可能硬答(風險所在),要靠信心門檻擋 | 會說「我查一下再回你」 |
| 成本結構 | 建置+維運,量越大單件越便宜 | 人頭計,量越大越貴 |
表裡最後兩列是重點。「沒見過的問題」是 AI 的風險所在:它可能硬答,而且答得很有自信。真人客服遇到不會的會說「我查一下」,AI 不會,除非你設了信心門檻叫它在不確定時閉嘴轉人。信心門檻這個詞在數位勞動力名詞辭典有定義,簡單說就是「不夠確定就不要答」的那條線。
哪些問題該讓 AI 先接,哪些一定要人?
分三層:AI 直接回、AI 擬草稿人送出、AI 分類後直接轉人。判斷標準是「有沒有標準答案」加「答錯損失多大」,兩個條件都過才讓 AI 直接回。
| 層級 | 放哪些題型 | 判斷規則 |
|---|---|---|
| AI 直接回 | 營業時間、運費、退換貨規則、訂單進度、物流狀態、常見操作教學 | 有標準答案、答錯損失小、可以查系統驗證 |
| AI 擬草稿,人按送出 | 報價詢問、客製需求、庫存確認、需要查多個系統的問題 | 需要人確認但不需要人從頭寫;AI 把資料查好、草稿擬好 |
| AI 分類後直接轉人 | 客訴、退款爭議、議價、帶情緒的訊息、提到法律或媒體的案件 | AI 只做分類與摘要,附上歷史紀錄,人在第一時間接手 |
中間那層最常被跳過,但它是最有價值的一層。報價詢問、客製需求這種問題,AI 不該直接回,但也不需要人從頭查:AI 把客戶的歷史訂單、庫存狀態、價格表查好,擬一份草稿,人看一眼按送出。省下的是查資料的時間,留下的是人的判斷。這個設計在客服自動化的三層架構那篇有完整的量測指標,這裡只講分工。
第三層有一條硬規則:訊息裡只要出現「客訴」「退款」「消保官」「律師」「爆料」這類字眼,AI 什麼都不要答,分類、摘要、附歷史紀錄,立刻轉人。這份敏感案件清單要在上線前就寫好,不是上線後出事才補。
「客服自動化做壞的樣子都一樣:AI 回了三次制式答案,客人打了三次「轉真人」,第四次直接去粉絲專頁罵。做對的樣子也一樣:客人根本沒注意到前面是 AI。」
交接點怎麼設計,客人才不會覺得被 AI 卡住?
三個設計:客人隨時可以主動要求轉人、AI 不確定時自己轉人、轉人時把前面的對話與查到的資料一起帶過去。三個少一個,客人就會覺得在跟牆壁講話。
第一個最基本,但很多系統做不到或藏得很深。「轉真人」這個選項要在每一輪回覆都看得到,不要讓客人打三次「我要找人」才觸發。第二個靠信心門檻:AI 對自己的答案信心不夠,就直接說「這題我幫您轉給同事」,而不是硬答。第三個最常被忽略:客人被轉給真人後,又要從頭講一次,這比一開始就找真人還氣。AI 要把分類結果、客人的問題摘要、查到的訂單資料一起交給接手的人。
LINE 跟 Email 的交接點長得不太一樣,LINE 客人期待即時、Email 客人能接受等幾小時;兩種管道各自的接入限制與回覆節奏,LINE 跟 Email 的客戶訊息能讓 AI 自動處理嗎那篇有分開講。
什麼情況下我不推 AI 客服?
三種情況不推:訊息量小且題型分散、沒有人能維護知識來源、以及老闆的目標是「客服全部裁掉」。前兩種做了會失效,第三種做了會出事。
第一種很直接,每天二十則訊息、每一則都不一樣,人接比較快,建 AI 是花錢買麻煩。第二種比較隱性:AI 回答的依據是知識來源,像是退換貨規則、產品規格、價格表;這些東西會變,變了沒人更新,AI 就會用舊規則回客人,而且回得很有自信。上線前要先問一句「規則改了誰去改知識庫」,答不出來就先不要上。
第三種要講白。把 AI 客服當成裁員工具的公司,通常會把客訴也丟給 AI,然後在粉絲專頁上收到後果。AI 客服的正確目標是讓真人客服去處理需要人的案件,人數會不會減少是結果,不是目標。這個觀念跟哪些工作適合交給 AI 員工那篇講的一樣:AI 取代的是任務,不是職務。
第一步該從哪裡開始?
從分類開始,不從回覆開始。先讓 AI 把過去一個月的訊息分類,統計哪些題型在重複、各佔多少,再決定哪幾個題型讓它直接回。
這個順序有兩個好處。一是你會拿到真實的數據,知道 AI 直接回能吃掉多少訊息,而不是憑感覺;二是分類做錯的損失很小,分錯了頂多轉給不對的人再轉一次,比回錯內容安全得多。電商的客服量有大促尖峰,分類的容量設計要另外看,電商零售導入指南有尖峰時段的做法。
AI 客服答錯了誰負責、正確率要多高才能開放直接回,這兩題在AI 員工會出錯嗎有完整的責任分工。導入前其他常卡住的問題,像是費用、資安、同仁反彈,都整理在導入實戰系列的問題總整理。
電話進線是另一題:AI 語音客服聽得懂台灣口語嗎、外撥提醒與來電分流推不推,見AI 語音客服與電話機器人實用度評。
還不確定你的流程適不適合?
先用三分鐘快篩自評,或直接請顧問做免費流程盤點。
常見問題 FAQ
客人會不會因為被 AI 接而生氣?
會生氣的多半不是因為「被 AI 接」,是「被 AI 卡住找不到人」。查訂單進度被 AI 秒回,沒人會生氣;客訴被 AI 用制式回覆打發三次才轉人,誰都會氣。所以設計重點是轉人要快、要明顯,而且客人要能主動要求轉人。
AI 客服可以完全取代真人嗎?
不行,而且不該以此為目標。客訴、議價、特殊需求、帶情緒的案件需要人判斷與承擔責任,AI 接了只會把問題放大。比較實在的目標是「人只處理需要人的案件」,讓真人客服的時間花在這些案件上,而不是花在回覆第一百次「營業時間幾點」。
公司客服量不大,需要 AI 客服嗎?
看重複率,不看總量。每天幾十則訊息,但其中一半在問同樣五個問題,AI 先接就有價值;每天幾十則,每一則都不一樣,人接比較快。可以先統計過去一個月的訊息分類,重複的題型佔多少,再決定。
AI 客服答錯了怎麼辦?誰負責?
設計上要讓它「不確定就不答」:信心不夠的問題直接轉人,而不是硬答。答錯的責任在合約裡要分清楚:企業決定 AI 可以回答哪些題型、供應商負責建置品質與知識來源的更新機制。本站另一篇專門談 AI 員工出錯誰負責。
AI 先接跟自動回覆機器人是同一件事嗎?
不是。傳統自動回覆是按關鍵字或按鈕選單給固定答案,客人問法稍微不同就答非所問;AI 先接是讀懂問題、分類、查資料後再回答或轉人,而且有信心門檻。兩者的差別在客服自動化那篇有三欄比較。
