超越人類閱讀能力，阿里巴巴、微軟AI創紀錄，搶攻客服導覽工作|數位時代 BusinessNext

超越人類閱讀能力，阿里巴巴、微軟AI創紀錄，搶攻客服導覽工作

人工智慧又有新的突破，在具權威性的史丹佛大學閱讀理解測驗(SQuAD)上，阿里巴巴與微軟的AI機器學習模型的測驗成績首度超越人類，讓AI在「閱讀理解」項目再攻下一城。

阿里巴巴AI閱讀能力首度超越人類

由史丹佛大學研究人員所開發的史丹佛大學閱讀理解測試（Stanford Question Answering Dataset，簡稱SQuAD），被業界認為是最具權威與公信力的機器閱讀理解測驗，包括Google、IBM、Facebook、卡內基美隆大學等企業機構都曾參與。

人類過去在SQuAD測驗拿下最高的成績是82.304分，這次中國阿里巴巴所開發的人工智慧（AI）機器學習模型，在回答完一份由10萬條題目所組成的題目庫問題後，以82.44分的分數首度超越人類，接著微軟在相同的測驗中以82.650分同樣超越人類記錄。

消化大量資訊、模擬人類閱讀理解行為

SQuAD比賽由一個10萬條問題組成的機器閱讀理解題目庫組成，這些題目以500篇維基百科文章為基礎，主要用來測試機器是否能透過自然語言處理模仿人類對單字、句子的理解，在消化大量資訊後，精準地回答出問題。

AI在閱讀完題目庫中的一篇短文後，需要回答關於文章的幾個問題。例如，讓AI閱讀影集《異世奇人》資料，然後問「博士的飛船叫什麼名字？」；或是閱讀成吉思汗的歷史後，問「成吉思汗是哪年去世的？」

阿里巴巴研究團隊提出的「基於分層融合注意力機制」的深度神經網絡模型，是這項技術的重大突破，這款模型可以模擬人類在閱讀理解時的行為，包括串聯不同篇章的內容、帶著問題反覆閱讀文章、在閱讀時標註避免遺忘資訊等。

客服、導覽都派得上用場

阿里巴巴自然語言處理首席科學家司羅（Si Luo）表示，目前AI只能回答有明確答案的問題，如果問題表達的方式太模糊不清、不合語法、沒有預先準備好資料，AI有可能無法正常運作。

不過測驗結果還是相當振奮人心，「2018年有了一個強勁的開始。」SQuAD負責人Pranav Rajpurkar興奮地在Twitter上這麼寫下。

透過AI閱讀理解的精進，未來將可以幫助人類處理大量資料、更加準確回答問題，「像是『為什麼會下雨？』這類客觀的問題就可以透過機器高度精準的回答。」首席科學家司羅（Si Luo）說：「這項科技可以應用在客服、美術館導覽，甚至是回答病患的醫療問題。」

成為第一家在閱讀理解測驗分數超越人類的科技公司，阿里巴巴近年加入騰訊、百度等公司的行列，積極在AI領域求突破，希望能借助AI發展社群媒體、廣告以及自動駕駛技術，中國也喊出要在2030年成為AI領域的領頭羊。

Omnichat 如何讓對話發揮更多價值？在零售數位轉型浪潮下，顧客跨越線上線下，期待的是不中斷的體驗。但當據點與品牌日益龐雜，服務容易斷線，品牌該如何化解？

走過65年的恆隆行，代理超過29個國際品牌、據點遍布全台，為了突破這道難題，恆隆行打通零阻力的顧客關係路徑，實現品牌關懷。

多品牌、多通路的隱憂——體驗為何斷線？

「過去只要把好產品賣出去就好，但現在顧客期待的不只是商品，而是完整的體驗。」恆隆行長期發展處副總陳思樺指出，恆隆行同時兼具代理、品牌與零售三重角色，若仍停留在以「產品為中心」的模式，隱憂很快浮現。

五年前，恆隆行在全台已有逾70個專櫃，各自經營 LINE 帳號。顧客跨櫃位或跨品牌諮詢時，因難以全面控管，提供風格一致、資訊齊全的回應，是一大挑戰；售後服務需要完整資訊，轉介客服的流程變冗長。

「顧客明明都是恆隆行的消費者，卻可能在不同櫃位得到不同解答，這就是必須解決的阻力！」陳思樺坦言，互動紀錄分散在不同帳號與部門，難以回溯完整旅程，也無法沉澱為後續的行銷與服務資產。對一個代理29個品牌、橫跨多通路的企業而言，零散不僅削弱體驗，也消耗內部人力。

這些挑戰讓恆隆行意識到，唯有在建立「一致性的品牌信任感」，並確實實踐「無阻力服務」，才能贏得顧客信任。

恆隆行從品牌關懷出發，打造零阻力的流暢服務體驗

帶著這樣的決心，恆隆行在2024年展開整合計畫。最核心、也是最棘手的任務，是將原本分散在各門市的70至80個 LINE 帳號，收斂為單一入口，並以三合一選單架構，滿足顧客在門市消費、線上購物、會員服務，甚至是品味生活的多元需求。

透過 LINE 官方帳號單一入口，客服與門市首次真正串聯起來。當顧客有維修需求時，櫃位人員能即時將案件指派至後勤單位，免去層層等待；顧客掃描 QR Code 綁定熟悉的銷售人員後，即使離開門市，也能持續獲得建議與售後協助。現在，無論是客服維修或門市選物顧問，都能透過這個入口實現服務——從獲客、購買、售後保固到清潔耗材加購，任何階段都能延續一致體驗。

「顧客不只是收到推播，而是能延續自己的旅程，甚至和服務人員建立起信任連結，這就是品牌關懷。」陳思樺表示，這套架構也讓數據真正發揮作用。透過 Omnichat 與 91APP 串接，恆隆行得以整合瀏覽紀錄、點擊行為與線上線下購買紀錄等第一方數據，優化行銷推播，避免過度打擾，並累積更完整的洞察。

更重要的是，透過單一帳號的整合，成功打造出一個兼容多品牌、多銷售通路、多行銷管道的 LINE 官方帳號，在各品牌仍能保有個性化的溝通語氣與內容之際，仍統合進「One hengstyle」會員體系。換句話說，不論消費者來自直營門市、外部通路，或線上電商購買，最終都會成為 One hengstyle 會員，持續接受個人化服務。

除了打通任督二脈，對外要無阻力，對內也要滑順。系統架構要保持彈性，能符合恆隆行內部跨部門協作。以前客服沒有系統可以評估，現在則可利用跨部門報表功能，幫助第一線人員即時掌握進線數與處理時長，讓服務品質有跡可循。

Omnichat 如何讓對話發揮更多價值？

隨著系統上線，成效很快浮現。數據顯示，恆隆行直營門市顧客中，每三人就有一人持續在線互動，顯示他們不再是「買完就走」，而是因服務價值留下來。隨著好友數持續成長，恆隆行官方帳號的封鎖率穩定維持在 31% 以下，遠低於零售品牌平均 65%。更重要的是，LINE 官方帳號帶來的轉換率比整體平均高出35%，每月新增線下綁定超過5,000筆，逐步累積成跨品牌應用的基礎。

這些成果不僅改善了顧客體驗，也提升了內部效率。陳思樺表示：「對外，顧客的問題能更快解決、售後不中斷；對內，櫃位人員負擔減輕、效率更高，這就是我們想實現的零阻力！」她補充，為深化品牌關懷，恆隆行持續優化服務腳本，確保顧客在不同場景中都能延續信任。「我們要的不是短期的 fancy campaign，而是長期的對話與陪伴。」

未來，恆隆行除了以第一方數據為核心，持續為各品牌打造專屬體驗，把洞察應用到服務腳本與行銷策略，後台報表也將強化分流與品質監控，讓內外流程更順暢。同時，也期待與 Omnichat 探索 AI 應用，例如將電話需求無縫轉接至 LINE、讓自動化回覆更具人味等，把「零阻力服務」推向更多場景。

Omnichat 台灣總經理翁忻閎回顧過往經驗指出：「很多單位一開始並不理解為什麼要改變，我們就透過 workshop 與教育訓練，協助內部釐清痛點、建立共識。」但他也強調，成功的關鍵不只在技術，而是企業轉型的決心以及統合方向的能力。「品牌要先想清楚，究竟希望帶給顧客什麼樣的一致體驗？內部目標是否對齊？」

他認為，唯有基礎建設完善、方向一致，OMO 才能真正落地，而 AI 等新技術也才能在這些基礎上發揮價值。恆隆行的轉型便是一例：將分散的服務觸點收斂為單一旅程，最終轉化為零阻力的品牌關懷。當顧客在任何節點都能感受到信任與連結時，零售商才真正掌握了主動權。