聊天機器人與聲控機器人不是救國良藥
聊天機器人與聲控機器人不是救國良藥

聊天機器人(Chatbot)和聲控機器人(Voicebot)潮流大興,台灣方面自然也隨風起舞。

而這類機器人(Bot)的應用也被廣為報導,如Facebook的聊天機器人數量大增;語言學習平台Duolingo推出聊天機器人;而這些機器人相關公司與新創團隊也不斷擴增版圖。同時,大公司如亞馬遜、Facebook和Google也都與創投聯手,開始推出以聊天機器人為主題的創業加速計畫,如這個這個這個。當然,台灣也有不少新創團隊開始議論是否應該趁早切入聊天和聲控機器人領域,也有許多開發者已經動手開發產品。

但是,聊天和聲控機器人真的會翻轉科技業經濟嗎?讓我們一起看下去。

Bot不是一種產業

Bot究竟會不會顛覆現在的App經濟呢

答案是:言之過早。

首先,在討論Bot時,太多評論者犯了兩大謬誤:

第一謬誤就是將Bot與人工智慧搭上線。 事實上,不管是聊天機器人還是聲控機器人,所謂的Bot都只是一個接收訊息(輸入、輸出)的介面罷了,並不代表其真的運用了什麼足以掛齒的「人工智慧」技術。比如說,計算機聊天機器人縮短網址機器人翻譯機器人,都只是將一些稀鬆平常的API透過簡訊的形式呈現,跟人工智慧通常是兩條平行線,沒什麼必要地交集。

第二謬誤就是把Bot本身當作一種產業別來討論,過度神化Bot的價值。 Bot本身就好像是一台載具,這載具並沒有天生的社會和經濟價值,必須要為某種產業服務,才有商業上的意義。

重點來了,科技業其實沒有所謂的「Bot」公司,金融科技依然是金融科技、教育科技依然是教育科技、醫療科技依然是醫療科技,聊天機器人本身並沒有價值,新創公司也不會因為為自己打上「Bot」的標籤馬上就可以無中生有。

同時,聊天機器人疑雲尚未明朗,但是其警訊大部分科技人卻選擇充耳不聞:當許多美國知名創投與加速計畫都專注於產業化,積極與各種民生與傳統產業接軌的同時,亞馬遜和Google卻出手闊綽,合作協辦不少「專注於技術規格,卻沒有具體產業別與商業模式」的聲控機器人新創培育計畫。

在許多科技新創人眼裡,或許會以為為了新的技術規格和通訊介面,大手筆輔助相關新創公司是一件好棒棒的事情。

但事實而言?教育用聊天機器人、醫療用聲控機器人、金融用聊天機器人等新創公司之間除了都有「機器人」的介面以外,商業模式和營運模式都完全不同,把這些公司全部塞到同樣一家加速計畫中其實一點意義也沒有。

這顯示目前整體趨勢而言,聊天和聲控機器人還是相當茫然,而且在短期內恐怕不會得到紓解。

Bot在B2C與B2B的商機盲點

若要討論聊天與聲控機器人的產業應用,我們可以先從B2C(消費者用)與B2B(企業用)兩塊去探討。而不諱言,在兩大市場中,Bot前景的阻力仍多過助力。

先看看B2C。

B2C的Bot概念,一般都是透過Facebook、Twitter、LINE、WeChat、簡訊等訊息平台,以及Alexa、Google Home等聲控平台來與消費者互動。經過一番造神運動,許多人相信這些訊息和聲控平台將會取代現有的手機App,讓人只要用自然語言就可以完成現在呼叫Uber、簡易計算機、查看天氣、訂外賣等工作,一切都會更便利。

有夢是很美沒錯,但不要與現實脫節。B2C聊天與聲控機器人光從作用上就可以看到以下商業上的障礙:

首先,這些機器人所使用的通訊平台,原本就薄利多銷(甚至無利多銷)。 使用者對於付費的意願較低,先天市場條件就不理想。即便是Alexa、Google Home等家用聲控平台,其利潤也是來自於電子商務,而非軟體應用。

第二,聊天與聲控機器人的通訊平台本身設下了不小的商業化限制。 如Facebook對於聊天機器人在置入性行銷上的應用仍有諸多限制;而Alexa與Google Home上的聲控機器人必須透過其平台上的Skills商店才能上架。美其名是「商店」,但Skills商店上發行的Bots都是免費的。

除此之外,若要在金流和資訊上有更高的自由度,Bots仍需使用者在第三方開發者平台上先註冊(例如Nest的Alexa Skill就要求使用者必須要先上Nest網站上註冊才能夠使用Skill),因此不論在上架流程還是商業化過程上,聊天與聲控機器人都面臨極大的阻力。

最後, 聊天與聲控機器人最大的致命傷仍在於其介面。 雖然說自然語言是人類最自然的溝通方式,但大部分的溝通仍仰賴多維度(平面以上)互動,以及多媒體與文字的相輔相成。

目前許多聊天機器人的功能只能說是App的部分功能(如Amazon Alexa的購物功能只是Amazon Shopping App的一小部分),而當大部分的App本身都是免費下載並採用升級付款制度時,功能更蹩腳的聊天機器人,幾乎不可能突然突破各種網路服務平台的商業化困境、創造新產值。

再來,討論到B2B聊天機器人時,其面臨的商業化困境雖然沒有B2C嚴重,但是卻也面臨許多難題:許多B2B的產品對象都是高階使用者(Power User),大多數的B2B軟體不會使用自然語言,反而還會使用更多的圖表、試算表等量化分析工具來輔助提升工作效率。

由此可見,許多現在的聊天機器人新創,不管是金融科技的銀行餘額查詢和投資管理機器人,還是協助管理備忘錄和行事曆的機器人,很快地都將受限於其自然語言的溝通介面,並不適合高效率和高複雜度的企業工作環境。

在B2B環境中使用聊天機器人,只能說是輔助,而難以成為核心。

Bot的成敗關鍵不在Bot,而是在服務

聊天與聲控機器人至今輿論最大的盲點在於其過度專注於「機器人」,卻藐視了「服務」的核心。

說穿了,今天要學習語言,Duolingo的聊天機器人核心仍然是Duolingo;要叫車,其服務核心仍然是Uber和Lyft;若是要線上訂餐,利基仍然是由Seamless Grubhub掌握;論及個人金融管理,前提仍然是銀行與金融機構擁有多元且成熟的服務平台。

整個聊天機器人和聲控機器人的版圖,只能說是網路服務經濟的另一面向出口,而非什麼新產業的崛起。就好像過去的單機防毒軟體、單機繪圖軟體、單機通訊軟體,在2000年後紛紛被搬上雲端,而又在2010年後紛紛在App商店中上架。業務的模式和管道改變了,但是成功的前提還是要有服務的價值核心。

所以說,Bot不會是台灣新創環境的救星。

當大家看到Bot潮流不斷地跟風鼓譟時,請冷靜思考:台灣網路新創不論線上購物、線上訂餐、線上學習,還是線上通訊等領域,在亞洲都已經難以立足,更甭談到世界舞台競爭。服務的核心競爭力都已經疲軟,跟著做聊天機器人、聲控機器人,也改變不了現狀。

最終,聊天與聲控機器人的版圖,仍是世界級網路服務平台的舞台。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #Chatbot
往下滑看下一篇文章
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦

ChatGPT、Gemini、Claude 等 AI 通用工具問世後,「AI」無疑成了現今全球最熱門的關鍵字。儘管許多企業已經開始導入相關應用,多數卻仍停留在文書輔助、單一聊天機器人(Chatbot)運用等單點階段。但隨著商業環境快速變化、缺工日益嚴峻,企業需要的不再只是一個會回答問題的對話框,而是具備「自主決策與行動執行」能力的「代理式 AI」(Agentic AI)。

Going Cloud 和 IDC 合作發布的《多代理系統崛起 打造敏捷韌性企業》報告便指出,如今「AI First」時代來臨,企業的 AI 應用正從輔助性質走向自主營運,有 80% 的企業期望藉此提升生產力,70% 的企業希望能更輕鬆處理複雜任務,還有 66% 的企業期望透過多模型來提升整體效能。

代理式 AI 愈來愈多,必須納入組織管理

但究竟什麼是「代理式 AI」?

「過去人們使用生成式 AI 時,需要一步步下達明確指令,但現在使用者只要賦予代理式 AI(Agentic AI)明確目標,它就能自己理解前因後果、進行推演,甚至能去呼叫 API 完成任務。」Going Cloud 總經理黃柏淞點出差異。
而當企業內部的代理式 AI 日益增加,比方說,人資部門有專屬 AI、業務部門有報價 AI、法務部門有合約審閱 AI,跨部門協作的複雜度也隨之飆升,「如果你是管理者,你就會意識到,必須把 AI 當成一個人,納入組織裡來管理。」黃柏淞強調,能統籌、指揮多個 AI 代理協作的「多代理系統」(Multi-Agent System, MAS),正是為了解決這個痛點而生。

簡單來說,MAS 就像虛擬的企業總部,負責協調、治理負責不同任務的 AI 代理、工具和功能模組。在讓 AI 自主決策的同時,各個 AI 代理間也能共享資訊、協調分工。MAS 還具備極佳的擴展性和分散性,企業可以依照業務需求,隨時新增、更改 AI 代理,能大幅提升營運韌性。

雖然企業普遍意識到,代理式 AI 已經蔚為風潮,但實際部署時,仍面臨諸多挑戰。《多代理系統崛起 打造敏捷韌性企業》報告便顯示,資安疑慮、預算限制、缺乏 IT 支援分別是企業最擔憂的三大問題,「企業最擔心串聯多個 AI 代理時,要是權限沒控管好,很容易有機敏資料外洩的風險。」黃柏淞提到,在此情形下,Going Cloud 推出了以「分層式多代理架構」為核心的解決方案。系統會由一個「主管代理」(Supervisor Agent)作為主要決策層,底層則串聯了各個負責單一任務的「任務代理」(Task Agents)。

以 Going Cloud 服務的大型金融企業為例,假設一位 VIP 客戶登入銀行 APP,詢問 AI 客服:「我想申請房貸,請問現在利率多少?另外,請幫我評估把我目前的科技股基金贖回當作頭期款適不適合?」如果是傳統的聊天機器人,可能會因為問題太複雜直接轉接人工客服。但在 Going Cloud 的分層式 MAS 架構裡,「主管代理」接收到任務後,會先拆解再指派負責「房貸利率」的「任務代理」,去後台抓取客戶的信用評分和最新房貸專案。同時,這位虛擬主管還會指派「理財分析」的「任務代理」,去檢視客戶最近科技股基金的績效並預測市場。最後,再由「主管代理」統整資訊,一併給出一份完整且客製的財務建議,「分層式 MAS 能確保整個過程的指令被清楚傳遞,而且因為權限分層管理,房貸 Agent 不會碰到不該碰的理財資料,符合金融業的風險控管與合規要求。」黃柏淞說。

目前 Going Cloud 已經協助知名金融機構導入 MAS 架構。以實際成效來看,多代理客服平台能降低 50% 以上的人工客服工作負擔,並讓回覆使用者問題的平均時間減少 60% 以上;FAQ 知識導向與 API 資料調用的正確率,在調用得當的情況下,也都達到9成以上的成功率。黃柏淞指出,金融、製造、顧問等有複雜跨部門協作需求的大型企業,都是亟需採用代理式 AI 的產業。

#0 AI同事愈來愈多怎麼管?Going Cloud用「多代理系統」,助企業打造最強營運大腦
提到目前與台灣領先金融集團的合作進程,黃柏淞表示因為金融機構的特殊性,需要縝密的全方位服務,從前期討論到技術導入,大約需要半年到九個月的時間。
圖/ 數位時代

懂雲也懂企業痛點,助員工無痛升級「AI 小組長」

但為什麼 Going Cloud 能為企業打造出如此高效的代理式 AI 底層架構?一方面,Going Cloud 先前服務過亞洲最大 AI 多媒體科技集團科科科技(KKCompany Technologies),奠定具備理解和服務大型企業的經驗,且自 2022 年創立起,就鎖定服務架構最複雜的大型企業市場。同時,Going Cloud 是全台首家榮獲 AWS 生成式 AI 服務能力認證及 ISO27001、ISO27701 雙重國際驗證的雲端產業專家,此成就彰顯 Going Cloud 在堅實的資訊安全基礎上,深化了對個人資料保護的承諾,為客戶提供符合國際標準的資料保障,強化雲端服務領導地位。另外,Going Cloud 還能為企業量身打造底層 AI 平台,提供 AI 策略方針定調、雲端架構設計、Agent 任務規劃、效能優化等一站式服務。

對於準備跨入「AI 商用階段」的企業,黃柏淞建議,釐清應用場景,比追求最新技術更重要,「唯有清晰定義痛點,才能讓強大的 MAS 平台真正落地。」
他特別提到,導入 MAS 系統不只是 IT 部門的責任,其實更像企業的升級轉型,「未來的知識工作者,不能只是單純『接球就打』,每個人都將成為『小組長』或『專案經理』。」例如員工不必再親自打開 excel 敲公式、解讀報表,應該要學著指派手下的「數位同事」去執行。員工的核心價值,將從過去繁瑣、重複性任務的執行,轉移到前期的目標定義、流程規劃,以及後期的決策判斷和審核把關。

AI 技術飛速推進,企業間的競爭已從「要不要用 AI?」,升級成「如何管理與協作多個 AI?」。透過建構靈活、安全且具高擴展性的多代理系統,企業不僅能解放員工的生產力,更能在瞬息萬變的市場中,打造敏捷、韌性兼具的營運大腦。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓