AI 客服值得做嗎?我們的誠實評估框架

「我們想做 AI 客服」大概是我們最常被問的需求前三名。而我們最常給的回覆,可能會讓人意外:先不要。不是 AI 客服不能做,是多數來問的公司,現況根本還不到做的時機——做下去只會花一筆錢,換來一個回答得零零落落、還會惹火客人的機器人。

我們自己的電商每天在收客服訊息,也替自己的產品線評估過好幾輪。這篇把我們內部用的評估框架攤開,三個維度,你可以現在就對照自己的狀況打分。

維度一:詢問量——量不夠,省不到錢

AI 客服的本質是用固定的建置成本,換每一則回覆的人力成本。所以第一個問題永遠是:你一天有幾則詢問?如果一天不到二三十則,一個兼著做的同仁就能消化,AI 客服省下的人力連建置費的利息都付不起。這種情況我們會建議把錢花在別的地方——例如把官網 FAQ 寫好,攔截掉一半的問題,成本是零。

量體夠大(一天破百則、或有明顯的深夜與假日缺口)才進入下一題。順帶一提,「深夜沒人回」是 AI 客服最有價值的場景之一,因為它比的對象不是人工回覆,而是「完全沒有回覆」——這時 AI 只要及格就是加分。

維度二:問題重複度——AI 擅長的是重複,不是疑難

把最近三百則客服對話拉出來人工分類(對,就是這麼土法煉鋼,我們自己也是這樣做),看前十大類問題佔了幾成。以我們電商的經驗,「訂單到哪了」「怎麼退換貨」「發票怎麼開」「超商取貨怎麼改」這類重複問題通常佔七八成——這七八成就是 AI 的主場,規則明確、答案固定、錯誤代價低。

剩下兩三成的疑難雜症——客訴、個案爭議、需要查多個系統才能回答的問題——不要期待 AI 處理,設計好「轉真人」的路徑就好。這裡有個我們堅持的設計原則:轉真人的門檻要低,而且要誠實。用戶問了兩次 AI 還在跳針,第三次就該主動遞出真人選項,而不是把用戶困在機器人迷宮裡。困住用戶省下的每一分錢,都會從品牌信任裡加倍扣回來。

AI 客服的目標不是取代客服,是把人從重複問題裡撈出來,去處理真正需要人的事。

維度三:知識庫成熟度——AI 只能回答你寫下來的事

這是最多人栽跟頭的一關。LLM 不會通靈,它回答「你們的退貨政策是什麼」的依據,是你提供的知識庫。如果你的退貨規則只存在資深同仁的腦袋裡、官網寫的是三年前的舊版、內部文件跟實際做法對不上——AI 客服上線第一週就會開始一本正經地講錯話,而客人會截圖。

自我檢查很簡單:找一個完全不懂你們業務的人,只給他看你現有的文件,問他十個常見客服問題。他答得出來,AI 就答得出來;他答不出來,先回去補文件,這比任何模型調校都重要。至於怎麼在工程上防止 AI 講錯話——檢索、驗證、信心門檻那一套——我們在 幻覺防護的工程做法 裡有完整的展開。

三個維度都過了,才談怎麼做

整理成一句話的檢查表:量體夠大(每日詢問破百或有明顯時段缺口)、重複度夠高(前十大類問題佔七成以上)、知識庫夠熟(文件能讓外人答對常見問題)。三項全過,AI 客服大概率會是一筆划算的投資,而且可以從「AI 先擬稿、真人按送出」這種低風險模式開始,跑順了再逐步放手。缺任何一項,先把缺的補起來,錢留著。

如果你對照完還是拿不準,或三項都過了想認真評估,歡迎 來聊聊——我們做過自己的,也看得出你的適不適合做。評估框架與更多實作細節,也可以參考 AI 應用開發服務。就算結論是「先別做」,這個結論本身也替你省了一筆錢。