先前，敝人曾提及「聊天機器人並非救國良藥」，最後真正勝者仍是數位服務之佼佼者，不會因為聊天機器人的形式而突然洗牌。
但是，由於人工智慧、自然語言技術以及聊天機器人API的發展，產生的聊天機器人應用卻可能對服務業造成巨大的衝擊。
聊天機器人與人工智慧
聊天機器人的到來與成熟自然語言技術的成熟，讓許多人在討論聊天機器人時，喜歡將重點放在「了解人類」。我們期望聊天機器人能了解人類的情感、可以了解人類的興趣，希望其有朝一日能融入人類的日常生活。
但事實上，世界上多數的工業活動都是能夠量化且最佳化的。
而自然語言對話也不例外。
工業上最多的自然語言對話絕對不是天馬行空的閒聊，而是枯燥無味的制式問答。打個比方，許多公司每天都有人在接客服電話，而這些談話內容都是事先設計好的制式問答，目的在於讓公司取得所需的資訊。
所以，聊天機器人真正的商機，不太可能會是在了解人類，而是在於取代目前許多服務業中的制式化對話工作。
商用聊天機器人的設計理念
當許多人想到聊天機器人，大家可能想到的人工智慧是一可以靈活地理解「高歧異性」的語言，並且用同樣高歧異性的言語回答。所謂高歧異性，源自於人日常言語對於情境的依賴。在情境外，許多言語如「幫我拿一份」、「今天的計畫依舊」等，就完全沒有意義了。
但是，世界上所有的公司的服務項目與服務範圍都相當有限。以一家公司的服務範圍作為語言的範疇，其服務的對話內容其實可以系統化、量化管理。一家公司的行銷、業務、克服等，所使用的言語很少會脫離這既定的服務範圍。
說穿了，在討論自然語言技術與人工智慧時，許多人都高估了語言歧異性的價值。這也是為什麼Google與微軟兩巨擘在自然語言技術上鑽研許久，大多數的技術仍然是以文法結構、語義關聯性為重心，在對話結構與管理上的研究相對少了許多。因為在商業行為中，真正碰到的自然語言問題，幾乎都是理解客戶的高歧異性語言，卻不見得需要用高歧異性語言去回答客戶。
業界許多公司客服系統的內容，過去十年都已經內建常見問題搜尋功能，但是至今仍有許多人寧願寫電郵、打電話給客服，也不願意去使用常見問題的搜尋功能。
而事實上，這些客服的常見問題內容已經有相當成熟的互動流程，只需稍作修改，即可成為簡單的聊天機器人對話流程。
故此，透過Facebook、LINE、微信、簡訊來跟人互動的聊天機器人，事實上只是將許多公司內部的服務流程改以另外一個形式呈現在客戶面前。
你可能會問：那過去二十年簡訊、聊天軟體早已盛行，既然服務流程一直都存在，為何過去一直沒有聊天機器人？
原因很簡單，因為過去十五年，我們一直缺少了聊天機器人的第一塊拼圖，那就是能夠將人類充滿歧異性的語言與系統化服務流程連結的黏著劑。
今天，全拜機器學習進步、資料量大幅增長與便宜計算資源所賜，電腦系統終於可能相對準確地從人類語言中預測相對應的服務需求，也意味著聊天機器人與客服流程深度結合的時代來臨。
中低階服務業的夕陽
若將服務業工作的複雜度粗略地切割為高、中、低三類，那我們可將搬運、傳遞物件與資料等不須深度分析能力的工作歸類為低階服務業；需要基本資訊採集、篩選、分析的工作為中階服務業；而需要管理和協調人事的工作為高階服務業的話，那聊天機器人與服務業結合，將會對中低階服務業造成相當強大的衝擊。
試想，今天有多少企業的客戶服務仍是由印度、菲律賓、中國等地的語音客服中心勝任？任何人將產品送修、產品故障除錯、詢問維修商地址等，服務端都必須要有真人去應付這些重複率極高的問題。有些問題，如維修進度，客服人員可能還需要打電話到工廠詢問才能追蹤進度。
但是隨著硬體設備透過工業物聯網與相關API普及以後，聊天機器人在應付這類低階工作遠比人類更有效率。以追蹤維修進度為例，在工業務聯網普及後，人類客服仍需透過軟體、語音介面去查詢資料，但是聊天機器人卻可以透過整合的資料介面去及時給予答覆。人類花費十分鐘的系統化問答，聊天機器人可以在一分鐘內完成。
而中階服務業如銀行的簡單諮詢工作，也已經有相關新創與金融科技公司設計出聊天機器人來取代其服務流程。許多以分析基本數據和指數為主的諮詢服務，將會面臨另一波自動化競爭。
當然，有人會以聊天機器人無法像人類一樣隨機應變而對聊天機器人的威脅嗤之以鼻。
事實上，聊天機器人無須達到百分之百的應變能力，他只要能夠勝任九成的工作量，再將其餘的一成轉交給一般員工，這已意味著減少九成客戶的等待時間，同時也減少了部門內九成的人事成本。
這種高自動化未來，對於企業自然是相當具有吸引力，但是對於廣大的基層服務業勞工，恐怕將是一慘痛的轉變。過去許多國家過去仰賴基層製造業與服務業來拉抬生產毛額、向已開發國家推進，但是在製造業和服務業雙雙自動化並回流已開發國家的趨勢下，中收入陷阱有可能成為開發中國家常態。
