老闆，AI 客服不會取代你的客服——它取代的是「重複回答」

每次談到 AI 客服，老闆最常問兩句話：「它可以完全取代客服嗎？」跟「會不會亂回答害我出事？」

兩個問題的答案都是不會，如果你設計對的話。這篇用白話講清楚，幫你判斷現在適不適合導入。

先把客服問題分成四類

拿一張紙，把你們最常被問的問題照兩個軸分類：

• 橫軸：這個問題重複的頻率高不高？
• 縱軸：回答需要判斷嗎？還是照規則答就好？

分完你會得到四類：

1. 高重複、不用判斷（例：營業時間、保固多久、怎麼報修）→ AI 的主場
2. 高重複、要判斷（例：這個狀況算不算保固）→ AI 準備草稿，人確認後送出
3. 低重複、不用判斷（例：冷門規格詢問）→ AI 可查知識庫，查不到就轉人
4. 低重複、要判斷（例：客訴、議價）→ 不要交給 AI

多數中小企業的客服量，第一類佔的比例比想像中高。我們在建材產業的案子裡看到：同一個收費問題，在群組裡被問超過 20 次。這 20 次就是 AI 該接手的部分。

現實檢查一：你有沒有「答案」

這是最多人卡住的地方。AI 客服不會自己知道你們的保固幾年、收費怎麼算——它需要一份正確的知識來源。

所以導入的第一步從來不是選 AI 工具，而是把答案整理出來：常見問題、標準價格、SOP。這件事沒人能幫你跳過，因為只有你們公司知道自己的規則。

好消息是，這份整理本身就有價值——新人訓練、交接、對外報價都用得上，就算最後沒導入 AI 也不算白做。

現實檢查二：亂回答的風險怎麼控

「會不會亂講話」是合理的擔心。控制的方法不是把模型調聰明，是限制它的答案來源。

我們的作法是：答案只能從你們的知識庫來，查不到就說查不到、轉人工，而不是讓它自由發揮。這樣做的代價是它偶爾會說「這題我不確定」——但這遠比它自信地講錯話好。

你現在正在看的這個網站上有一個互動 Demo，那顆 agent 就是這樣設計的：答案只從知識圖譜取，不連網生成，所以每一句都追得到出處。

現實檢查三：算得出來的效益

給老闆一個粗略的估法，不用精算：

每天重複問題的則數 × 每則平均處理 3 分鐘 × 20 個工作天
= 每月省下的分鐘數

假設一天 20 則重複問題，一個月就是 1,200 分鐘、20 小時。這 20 小時原本是誰在花？如果是你薪水最高的人，這筆帳很好算。

（這是估算式，不是保證值。實際效果取決於你的問題有多集中、知識庫整理得多完整。）

結論：從哪裡開始

不要從「導入 AI」開始，從**「把最常被問的 10 個問題寫下來」**開始。

寫完你會發現兩件事之一：要嘛答案早就存在只是散落各處（那就整理進系統），要嘛連你們內部答案都不一致（那更該先處理）。無論哪一種，這一步的投報率都比買工具高。