作者：鄭錦聰

如果 AI 客服只能回答問題，它還比較像一個搜尋框；但現在的 AI 已經開始被期待處理預約、推薦、資格判斷，甚至協助成交。真正讓老闆睡不著的，反而不是它會不會回，而是客戶把問題說到一半、情緒升高或遇到例外時，系統有沒有把這個人交給真正負責的人。

Gartner 在 2026 年的客服調查裡看到一個很明顯的轉變：客戶使用第三方 GenAI 解決客服問題的可能性，約是使用公司聊天機器人的三倍；58% 的 GenAI 使用者曾讓 AI 代為完成任務，B2B 客戶更高達 74%。另一份調查則顯示，87% 的客戶認為，只要企業使用 GenAI，就必須保留接觸真人的選項。這兩個訊號放在一起看，客戶不是不要 AI，而是不要被 AI 擋住。

我最近在整理 AI 客服流程時，看到一個很常見的工作場景：客戶先問一個標準問題，接著補充自己的特殊情況，系統卻仍然回同一段答案，老闆只好在最後收拾。我當下最在意的不是 AI 回得快不快，而是客戶已經把問題說到需要判斷的程度，系統有沒有把這段上下文交給真正負責的人。

AI 客服真正的交付斷點，不在回覆速度

Meta 介紹 Business Agent 時，列出的能力已經不只是回答問題，還包含產品推薦、預約、資格判斷、讓團隊決定何時介入，以及協助成交。這代表 AI 客服正在從「回答工具」走向「任務承接者」。

但任務承接者一多，老闆就不能只問「今天回了幾則訊息」。你要問的是：這些訊息有沒有走到下一個結果？客戶的需求有沒有被判斷？該交付的服務有沒有準時完成？當 AI 不確定時，有沒有留下足夠的脈絡讓真人接手？

如果這些問題沒有答案，AI 只是把第一段工作做得更快，卻把最需要責任的最後一段留給客戶自己猜。這就是我認為 AI 客服最容易被忽略的商業斷點：回覆完成，不等於客戶被承接完成。

我會先把客服情境分成三條路

不是所有對話都值得同一種自動化。對講師、顧問、教練與中小企業來說，我會先用三條路徑把責任分開，讓 AI 有事可做，也讓真人知道什麼時候必須出現。

第一條：AI 可以自己完成的標準任務

這一類包括營業時間、服務流程、已公開的課程內容、預約方式、物流狀態、付款步驟與其他規則清楚的問題。AI 可以查找已授權的資料，直接回答，必要時把結果寫回 CRM 或預約系統。

這條路的驗收不是「回答聽起來很自然」，而是資料正確、步驟完整、客戶能做下一個動作。若客戶問完仍不知道要填什麼、付到哪裡或下一步由誰處理，就不能算完成。

第二條：AI 先整理，提醒真人接手

當資料不完整、問題跨越兩個服務、客戶的目標不清楚，或 AI 對答案的信心不足時，最好的動作不是硬答，也不是立刻把客戶丟回客服信箱，而是先整理已知資訊、列出缺口，再提醒指定的真人接手。

這裡需要的不是一句「請稍候」，而是一份可以接續工作的摘要：客戶是誰、已經說了什麼、卡在哪裡、缺什麼資料、AI 做過哪些檢查、目前建議的下一步是什麼。AI 如果不能保留這段記憶，真人每次都要重新問，速度就只是表面變快。

第三條：立即交回真人，不讓情緒繼續累積

價格爭議、退款、合約承諾、客訴、特殊需求、重要客戶與情緒升高的對話，不適合讓 AI 反覆試錯。這些情境的問題不是缺一個漂亮答案，而是需要一個有權限、有責任的人做判斷。

Alibaba 淘寶客服的現場研究提醒我們，AI 可以縮短對話時間，但真人介入是否有效，會受到失敗類型、介入時機與後續投入影響；情緒型升級如果太晚交手，服務品質更難救回來。這對小型企業尤其重要，因為關係本來就集中在少數幾個人身上，不能把客戶的不滿留在機器裡慢慢發酵。

真人接手不是退步，而是 AI 工作地圖的一部分

我原本也以為客服自動化的進步，就是少讓真人介入。後來重新判斷：真正成熟的流程不是把真人拿掉，而是讓 AI 把標準工作做完，再把需要責任的時刻交回真人。

Nubank 的客服 agent 研究把 context engineering、真人參與的提示迭代、離線評估與上線驗證接成一個迴圈。他們在卡片配送案例中，報告 AI transactional NPS 提升 37 個百分點、自助服務率提升 29 個百分點；重點不只是模型變強，而是評估流程能把離線訊號接到線上結果。

這也是我看 AI 工作地圖時最在意的四個層次：AI 能不能正確溝通，能不能記住上下文，能不能承接完整任務，以及這份工作有沒有接到客戶與收入結果。真人接手不是把 AI 的工作打回原形，而是把「人負責什麼、AI 負責什麼」放在同一條結果鏈裡。

老闆要設定的，不只是提示詞

如果只寫一段提示詞，叫 AI「遇到問題就轉真人」，實際上仍然不夠。老闆至少要先決定四件事：

1. 哪些資料已經授權 AI 查找，哪些資料不能自行推測。
2. 低信心、資料缺漏與問題跨服務時，誰會收到提醒，多久內接手。
3. 哪些情緒、報價、退款、合約與承諾情境必須立即轉交。
4. 真人接手後，結果要回寫哪裡，下一次 AI 才能少問一次、做對一次。

Egnyte 最近把權限、可稽核動作、human-in-the-loop checkpoints 與持續監控放進 AI 工作流，反映一個很實際的方向：治理不是自動化之後才補上的文件，而是工作流一開始就要設計的責任邊界。

我會用五個數字驗收這條接手線

不要只看 AI 回覆率，也不要用「真人少介入」直接等同效率。我會先用一個小範圍的對話樣本，追蹤下面五項：

• AI 一次解決率：標準問題是否真的完成下一個動作。
• 真人接手前等待時間：AI 判定需要接手後，客戶等多久才看到負責的人。
• 接手摘要完整度：真人是否能不重問一次，就知道客戶的上下文與缺口。
• 情緒型案件的處理品質：轉交是否夠早，客戶是否還願意繼續對話。
• 合格詢問、成交與回購：客服工作是否真的接到商業結果。

沒有基準時，我會把數字記為 unknown，而不是先填成 0。因為 0 代表你已經量過並確認沒有發生，unknown 則代表系統還沒有留下可驗收的資料，兩者會導向完全不同的管理決定。

今天就先畫出你的 AI 人機接手卡

你可以先拿最近十筆客戶對話，不用急著換工具，也不用先建立一整套複雜架構，逐筆標記三件事：AI 能不能獨立完成、是否需要整理後提醒真人、是否應該立即轉交真人。接著補上每一筆的接手原因、負責人、等待時間與最後結果。

如果十筆裡有一半以上的對話都要真人重新問一次，問題通常不在 AI 不夠聰明，而在你的知識庫、接手規則或 CRM 沒有把上下文接起來。如果情緒與價格案件總是在最後才被看見，真正要改的也不是客服話術，而是升級時機。

AI 不是多做幾個工具，而是幫老闆把客戶與收入的商業結果鏈接起來。AI 可以先接手，但不能讓客戶找不到人；老闆要決定的是責任邊界、真人出現的時機，以及每一次接手最後有沒有完成交付、成交或回購。

作者：鄭錦聰｜https://shortcut.tw

你可能也正在想這幾件事

小型企業沒有專職客服，也需要設計 AI 真人接手嗎？

更需要。人少不代表責任可以模糊，反而要先把標準問題、例外情境與老闆必須出面的時刻寫清楚，AI 才不會把所有訊息都推回同一個人。

AI 客服應該追求完全自動化嗎？

不應該把完全自動化當成唯一目標。標準任務可以自動完成，但情緒、價格、承諾與高價值客戶的判斷，應該讓有責任的人及早接手。

我該推薦哪一種 AI 客服工具？

先不要從工具名稱開始。先驗收它能否使用你的授權資料、保留對話上下文、標示低信心、安排真人接手並留下後續結果，再比較工具是否適合你的流程。

為什麼 AI 回覆很多，客戶詢問與成交卻沒有增加？

因為回覆數量只是注意與訊息的活動量，不代表需求被判斷、服務被交付或客戶願意成交。要把接手時間、摘要完整度與合格詢問一起放進驗收。