當AI開始打電話問現貨,品牌行銷正在悄悄變規則!你該做好哪3件事?
當AI開始打電話問現貨,品牌行銷正在悄悄變規則!你該做好哪3件事?

有一天,你的店員接到一通電話:「您好,我是 Google 的 AI 系統,代表一位消費者詢問:請問你們現在有黑色 27 吋電競螢幕的現貨嗎?價格大約在多少範圍?」店員愣了幾秒,不確定這是詐騙還是真實的客戶詢問。

這是 Google 於 2025 年 11 月在美國市場正式推出的「代理式通話(Agentic Calling,又稱 Let Google Call)」功能,前身為同年較早推出的「Ask for me」代撥電話實驗。代理式通話是已經在美國市場發生的真實場景。

我認為,這是繼搜尋引擎廣告、社群媒體行銷之後,品牌行銷史上又一次結構性的轉變。差別在於,這一次不是品牌主動出擊,而是 AI 主動來找你。它代替消費者完成了過去最費工的一哩路。

AI 幫消費者打電話,問完直接給結論

代理式通話的運作邏輯,遠比「語音助理幫你查資訊」來得深遠。它的核心是:當美國用戶在 Google 搜尋「附近有沒有特定商品」,系統會出現「讓 Google 致電(Let Google call)」的選項。消費者設定好需求條件,包括尺寸、顏色、預算,接下來的事就全部交給 AI。

Google 背後用的是 Gemini 大型語言模型,結合早期 Duplex 語音技術,讓 AI 像真人一樣打電話給附近幾家實體門市,詢問庫存、確認價格、了解促銷資訊。通話結束後,AI 彙整所有店家的回應,以結構化摘要的形式傳給消費者。整個過程,消費者一通電話都不用打。

與此同時,Google 也同步推出了另一個功能「Buy for me(代理結帳)」,AI 直接幫你在線上商城完成下單購買。一邊是 AI 替消費者打電話問實體門市,一邊是 AI 直接在線上幫消費者按下結帳,Google 正在同時從兩條路徑切入消費者的購買決策。

Google Shopping Graph 涵蓋超過 500 億個商品清單,每小時更新 20 億次數據。然而這龐大的資料庫,恰恰對實體店面「當下的真實庫存」束手無策。代理式通話正是要填補這個數位盲點。

你的庫存,正在變成 Google 的數據

許多人第一眼看到代理式通話,會把它解讀成消費者的便利服務,再也不用自己打電話詢問庫存。這當然是真的,但如果只看到這一層,品牌主就錯過了更深層的戰略意義。

這是 Google 用 AI 主動把線下數據「拉進」數位世界的一次系統性行動。當實體店員在電話中告訴 AI「藍色沒有了,黑色有現貨,現在滿千打八折」,這段對話被 Gemini 擷取、轉化成結構化數據。短期服務了當下那位消費者,長期卻有極大可能回饋進 Google 的在地搜尋演算法,直接影響這家店未來在 Google Maps 和搜尋結果中的曝光排序。

換句話說,你的門市對 AI 這通電話回答得夠不夠清楚、資訊夠不夠完整,未來可能就是你能不能出現在消費者視野裡的關鍵變數。

更值得警覺的是決策模式的改變。過去消費者自己比較、自己決定;現在 AI 幫他比了價、問了庫存、篩了條件,才把「推薦清單」交回他手上。品牌在顧客旅程中的出場時機更早也更被動。你必須在 AI 打電話之前,就準備好被它選中。

實體門市現在該做的三件事

面對代理式通話,我認為實體品牌有三件事必須馬上開始做,而不是「等功能推到台灣再說」。

第一,把 Google 商家檔案當成第一線門面來經營。 Google Business Profile(GBP)的完整度,直接決定 AI 是否優先「選中」你的門市去打那通電話。營業時間、商品分類、在地搜尋關鍵字,每一個欄位的空缺,對 AI 來說都是一個「略過你」的理由。

第二,訓練第一線人員應對 AI 通話的節奏。 AI 不喜歡閒聊,它需要的是明確的「有貨、沒貨、價格、促銷條件」。店員過去習慣的人際互動在這裡會成為干擾。一個「嗯……我去幫你看一下,不好意思稍等一下」的回應,可能就讓 AI 的語意理解打折,進而給出不精確的摘要。清楚、快速、結構化,是應對 AI 通話的新標準。

第三,把漏接 AI 電話視同漏接一位高意願買家。 代理式通話對應的消費者,是已經確認需求、正在比較選項的人,是消費漏斗末端含金量最高的族群。我的建議是:不要把這類電話混進一般騷擾電話篩選邏輯,而是建立一套辨識與回應機制,確保 AI 帶來的業績機會不會就這樣溜走。

每一次技術浪潮,品牌的選擇都只有兩種:被動應付,或者主動卡位。代理式通話的意義在於,數位轉型的戰場已經從「你有沒有網站、有沒有社群」,推進到「你的庫存資訊能不能即時、清晰地餵給 AI 代理人」。

這個要求聽起來很具體,甚至有點瑣碎。不就是把商家檔案填好、訓練一下接電話嗎?但背後其實是一個根本性的思維轉換:你的品牌,不再只是對人說話,而是開始對機器說話。

機器是個挑剔的聽眾,說不清楚,它就跳過你。準備好了嗎?

本文授權自高端訓【品牌AI攻略】

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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