AI結案時間省23%,客服人員飯碗不保了?5大面向看AI如何改變客服產業
AI結案時間省23%,客服人員飯碗不保了?5大面向看AI如何改變客服產業

很多人都在討論生成式 AI 將對哪些工作帶來衝擊,其中我最常聽到是客服人員,連 OpenAI 的執行長 Sam Altman 都曾多次主動提及。

全球到底有多少客服人員呢?這個數字很難統計,因為各家公司都會有部屬這類人力。較好下手的方向是規模化的客服中心(contact center)。根據顧能(Gartner)去年的推估,全球約有 1,700 萬名客服人員任職於客服中心。

客服中心 95% 的成本來自人事,難怪所有經營者早就想要導入 AI。根據顧能的推估,光是自動化 10% 的服務量,每年就可省下上百億美元。此外,就像快餐店、便利超商等零售現場,客服中心也面臨嚴重的缺工問題,這更強化了他們擁抱自動化的決心。

對客服中心來說,自動化不只是發生在一點上,而是同時發生在許多流程上。以下是幾個生成式 AI 可帶來重大變革的流程範例,主要分成「即時互動」與「互動後管理」2大類。

Customer Complaint
客服中心 95% 的成本來自人事,許多所有經營者開始導入 AI,根據顧能的推估,光是自動化 10% 的服務量,每年就可省下上百億美元。
圖/ Flickr CC by International Development Law Organiz

即時互動:實測AI結案時間省23%

❶ 文字型聊天機器人(chatbot): 不是每個人都喜歡找客服人員,像我就希望每個疑難雜症都可以「自助」,此時chatbot就派上用場。chatbot不是新東西,但生成式 AI 比傳統的規則導向機器人更能了解我的需求。此外,也能更有效的「讀懂」公司內的 FAQ 或技術文件,並據此提供更正確的回答。

另一個有趣的範例是,chatbot 的設計平台多半主打無程式碼,用戶只要拖拉邏輯流程就能生成。企業軟體供應商Cognigy提供利用生成式 AI 生成邏輯流程的功能,用戶只要輸入一段描述,甚至是上傳一段與客戶之間的對話逐字稿,生成式 AI 就會自動產生邏輯流程。

❷ 客服人員的即時助手: 客服人員的工作並不輕鬆,除了要聽懂對方的需求、掌握解決方案,通常還得處理顧客情緒,甚至必須在解決問題的過程中順勢推銷新的產品。讓以上工作變得更困難的是,每家客服中心都會針對客服人員的表現訂下各種要求,例如不准因為去找解決方案而暫停通話太久。

Observe AI 認為 AI 助手可有效解決上述問題。例如,AI 會在讀完顧客的對話後整理出「任務清單」,引導客服人員解決顧客的需求。又例如,生成式 AI 會在對話過程中跳出各種提示,包括「這時可以向對方推銷〇〇〇」,或是「對方有點不爽了,建議說〇〇〇」。

根據 Observe AI 實測,AI 助手可減少 23% 的平均處理時間、減少 60% 的暫停通話違規,並增加 10% 的銷售轉換。生成式 AI 將大幅強化 AI 助手的能力,包括更強大的摘要與建議能力。

shutterstock_1044043600_ai.jpg
圖/ metamorworks via shutterstock

❸智慧虛擬客服(Intelligent Virtual Agent,IVA): chatbot 泛指只會文字對話的機器人,而 IVA 則是能夠用語音對話的機器人。這是許多人直覺上認為「取代」客服人員的最佳範例,也就是不必跟真人對話。

不過,目前 IVA 多數用在確認顧客的身分與問題,以及協助顧客自助解決修改訂票資訊等較簡單的問題。針對後者,許多研調機構都曾指出 20%至40% 的客服需求是重複且簡單的任務,這些任務如果能被自動化解決,將可替客服中心省下大量的人事支出。

生成式 AI 將大幅提升 IVA 的能力,包括處理顧客更複雜的描述、提供更人性化的回答,甚至是因為有更好的推理能力而得以處理更複雜的問題。

互動後管理:比人會抓漏、提建言

❹品質保證(quality assurance): 客服中心的自動化之路不只停留在服務當下,還延伸到服務之後,其中最重要的流程之一就是檢視每一個客服案件,從對話內容當中挖出顧客洞察,並且檢討客服人員的表現。

客服中心通常會有一組人專門做這件事,其工作內容不外乎就是整理逐字稿並分析內容,找出客服人員是否有違規或表現不佳的地方。這項工作將大幅地被生成式 AI 取代,因為它不僅做得更好、出錯率更低,還更好規模化部署。

❺ 員工訓練: 客服中心的人員流動率非常高,如何有效地提升客服人員的服務品質也是一大難題,因為這也會消耗人力。生成式 AI 可有效地從過往對話案例中萃取出最佳做法(best practice),甚至根據每個人的表現來提出個人化的建議。

shutterstock_719376568_AI.jpg
在提升客服人員品質方面,AI能從過往客服對話中找出最佳做法,根據每個仁員工的表現提出個人化的建議。
圖/ pathdoc via shutterstock

取代還是強化?

綜上所述,客服中心產業早就嘗試導入 AI 解決方案來解決人事成本與人力短缺的問題,而生成式 AI 將大幅加速這個過程。AI 並非彈指之間取代一切人力,而是從各個層面一步步的減少人力需求,包括更強大的 chatbot 與 IVA,以及更加自動化的品質保證及員工訓練。

有趣的是雖然未來客服人員的數量將逐漸減少是明確的事實,但 許多推出 AI 客服科技的公司都宣稱 AI 並不是要「取代」(replace)而是「強化」(augment)客服人員,認為在 AI 的協助下,客服人員將可專注在處理真正困難與有價值的問題上。

然而,華爾街日報日前的一篇專題報導提供了另一種現場觀點。對客服人員來說,那些無聊的工作其實是一種「緩衝」。如果一整天面對的任務都是既緊急且困難,那很快就累壞了。

此外,不同產業在「取代」與「強化」上的比重也不盡相同。例如,保險、醫療等產業相較之下較無法擺脫真人客服,因為該產業的顧客對「真人」的需求通常更大,而這通常是源自情感上而非理智上的考量。在這個情況下,AI 更多時候是扮演強化而非取代的角色。

綜合這陣子的探索,我相信客服人員將會越來越少,因為能自動化的流程只會越來越多。有趣的是過程中被留下來與 AI 共存的客服人員將顯得更有價值,不論是因為處理了更多困難的問題,還是因為顧客需求而還無法被取代。

也許再過不久,習以為常的免費真人客服將成為歷史,真人服務以及相關能力將成為一種新的稀缺。

責任編輯:蘇柔瑋

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 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