從省成本到補人力：客服 AI 反轉劇

這兩年大家對生成式 AI 的想像有點爆炸，很多公司心裡都在想：「是不是接個介面、丟個模型、再拼個 low-code 工具，就能把客服、回覆、甚至一堆流程一次解決？」
但現實很快就打臉了。模型雖然能講話，卻常常不懂規則；答案看似完整，卻卡在內部系統接不上；FAQ 還能應付，可是一遇到模糊或帶情緒的問題就立刻破功。

更誇張的是，有些團隊甚至連後台管理介面都沒有，就只是單純接個 OpenAI 的 API，結果客服人員根本沒辦法追蹤或調整，最後鬧出一堆烏龍。說到底，客服不是什麼小外掛，而是一整套系統組合起來的：裡面要有資料、要有流程、也要有人。缺少任何一塊，體驗就會出問題。

AI 上線很快，下線更快

在這個大背景下，Klarna 的故事就顯得更有代表性。2024 年，Klarna 很高調地宣傳自家 AI 助手，說它一口氣頂了大概 700 名客服，平均處理時間也從 11 分鐘壓到 2 分鐘。這些數字還上過路透的報導，看起來超漂亮。

但到 2025 年中，局面開始反轉。CEO 在訪談裡承認，公司之前太著眼在省成本，結果客服品質掉下去，只好趕快補強，還推「隨時能切真人客服」的選項。不是放棄 AI，而是認了 AI-only 的打法太急，最後還是要人來撐。

接下來更妙，Klarna 直接把工程師、行銷人員拉去做客服，透過內部的 talent pool 重新分派。這不是單純多請幾位客服，而是整個策略調整，把懂產品跟流程的人硬生生推到前線去。

外媒後來也把這些動作整理成「從 AI-first 轉向混合模式」的故事：品質要顧、人機要協作，甚至重新開始招募客服。幾個來源雖然角度不同，但拼起來的輪廓很一致：
第一階段，Klarna 靠 AI 省人又省時；第二階段，客戶抱怨、品牌風險浮現；第三階段，回頭找真人補洞，還得把內部人力調去前線救火。

近一年內，撞上 AI 客服現實牆的不只 Klarna。澳洲的 Commonwealth Bank 就是一個例子。這家銀行原本打算因為導入 AI 語音機器人而裁掉 45 個客服職務，結果發現這些工作根本不是多餘的，最後只好回撤裁員決定，甚至還對員工公開道歉。同一時間，TechFinitive 的一份報導也提到，有超過 55% 的公司對 AI 裁員感到後悔，很多企業開始把人力再請回來，補上 AI 沒辦法處理好的空缺。

Gartner 在 2025 年的調查就指出，很多公司原本想靠 AI 大幅削減客服人力，但實際跑了一陣子後才發現問題不少，最後還是決定留著人工，加上 AI 做輔助。調查甚至預估，到 2027 年，有一半企業會放棄「完全沒有人力客服」的計畫。這讓 Klarna 的故事不再是孤立事件，而是整個市場共同踩到的急轉彎。

可用可管的 AI，究竟要什麼

從上述的這些案例，提醒了幾個常常被忽略的基本功。

第一，資料要乾淨也要能管理。
不是把公司 Wiki 丟進去就搞定了。知識庫控管、定期檢查等。要不然模型只會更快把錯誤資訊講得超有自信，最後還是客服人員收爛攤子。所以系統裡最好要有「可驗證回答」的設計，能追蹤、能回滾。

第二，客服不是聊天室，是整個業務入口。
如果 CRM、訂單、支付、物流這些沒串好，AI 就只能在前台安慰客人，卻什麼都動不了。這就像門口的接待人員很熱情，但一問到退款，完全沒辦法處理。要設計好 API、權限，還要有「失效就能切真人」的備援路線。

第三，要懂得什麼時候交棒給真人。
模型很容易離題，或者用很高的自信講錯。好的系統會自己判斷「不確定」，然後主動跳出來說「要不要換真人？」而不是硬撐到客人爆氣。Klarna 後來就把「隨時能找真人」當作一個品牌承諾，這點算是踩痛之後的調整。

第四，監控一定要有。
沒有數據就等於瞎子開車。除了傳統的滿意度（CSAT）、推薦分數（NPS），還要把錯誤類型、模型幻覺率、人工覆核率拉進報表裡，定期抽樣、回訓，避免一錯再錯。

第五，人力不會消失，但角色會變。
Klarna 把工程師和行銷調去前線，目的就是要補上「理解語境、接流程」的缺口。這些人反而能把前線遇到的洞帶回去修產品、修知識、修策略。客服不只是「接電話」，而是跟產品改善綁在一起。

第六，法規和隱私要一開始就設計好。
客服對話裡常常有個資和交易資料，如果沒有遮罩、留存、稽核的制度，很難放心擴張。這些東西不是事後補，而是設計的一部分。

第七，算 ROI 時別漏掉「錯誤的成本」。
很多公司只看省多少人力，卻沒算一次搞砸客訴要花多少錢補回來。Klarna 這次繞回頭，就是一個很直白的證明：只算成本，品質一定會掉，掉到某個臨界點，你會付出更高的代價把信任買回來。

以上文章不是在說 AI 沒價值，而是提醒我們別一股腦衝太快。AI 在客服真的能省下不少工，但它放大的永遠是你原本的系統能力。資料亂，它就把亂象放大；流程有斷點，它就讓斷點更明顯；沒有備援，它就直接把風險放到最大。

要讓客服系統真的跑得長久，重點不是模型多聰明，而是那些基礎要先打好：知識要能驗證，流程要整合，人跟 AI 要協作，風險要控管。這些穩住了，再來談模型怎麼調、多模態怎麼玩，才不會本末倒置。至少現在還有個共識，真人不能退場。

參考資料

已發佈

｜

分類:

作者:

FIRST LINE 新聞室

,