AI 時代下客服人力配置的轉變

如果幾年前問企業主管：「生成式 AI 最可能先影響哪一種工作？」客服通常會排在很前面。

原因不難理解。客服有大量重複問題、有完整的文字與通話紀錄，也有 FAQ、SOP 和知識庫可以讓 AI 使用。訂單查詢、帳務問題、密碼重設、退款進度這類案件，本來就很適合自動化。

但走到 2026 年，實際發生的情況比「AI 上線，客服消失」複雜很多。

企業確實開始控制第一線客服人數，只是很多公司採取的方法比較接近遇缺少補、自然流失、降低新增職缺，同時把留下來的人移往更複雜的工作。另一方面，客服人員的流動率還是很高，企業每年仍然需要補進大量新人。AI 省下來的人力，又有一部分被轉去做客訴處理、留客、知識管理、AI 品質管理和自動化流程。

所以，現在要判斷一家公司的客服人力變化，只看「裁了多少人」很容易看錯。

真正值得追的是三個數字：客服總人數有沒有下降、每一名客服可以處理多少工作，以及離職之後企業還會不會補人。

文章目錄

客服人數開始縮，但大多數企業還沒有走到大規模裁員

Gartner 在 2025 年 10 月訪問 321 名客服與支援主管。當時只有 20% 的企業表示，已經因為 AI 實際減少第一線客服人數。另外有 55% 的企業維持差不多的人力，卻已經能承接更多顧客需求。同一份調查中，還有 42% 的企業正在招聘 AI 策略、對話式 AI 設計、自動化分析等新職務。

到了 2026 年，企業對人力的處理方式又更清楚了一點。

Gartner 在後續公布的資料中提到，63% 的客服主管正在透過人員自然流失，逐步降低第一線人數；31% 已經執行或規劃因 AI 而進行的前線裁員。另一方面，85% 正在增加真人客服的工作內容，75% 打算把部分客服轉到新的職務。

這幾個數字放在一起看，比單看裁員人數有意思。

很多企業目前採取的是慢慢壓低人力需求。原本一個 100 人團隊一年離開 25 人，也許過去會補滿 25 人，現在可能只補 10 到 15 人，其餘工作交給 AI、自助服務或重新設計流程。

帳面上沒有出現一次裁掉幾百人的新聞，但一年、兩年累積下來，客服部門還是可能明顯縮小。

這也解釋了為什麼客服市場會同時出現「缺人」和「減少人力」這兩件看似衝突的事。

一家企業到底需要多少客服？

一家企業應該配置多少客服，很難只看公司有多少員工。

一家 50 人的電商公司，每天可能要處理上千筆訂單；另一家 200 人的 B2B 軟體公司，可能只有幾百家企業客戶。前者公司比較小，客服需求反而可能更高。

不過，公司總員工數還是可以拿來當第一層參考。

Pave 在 2026 年整理 2,237 家科技公司的資料，而且這些企業至少都有一名 Customer Support 人員。資料涵蓋 1 到 99 人的新創公司，一直到 3,000 人以上的大型企業，因此比只看大型公司的資料更完整。

因為各國對「中小企業」的定義並不一致，這裡直接按照公司員工數分組，比較容易跨國比較。

不同規模企業的客服人力參考

公司總員工數	每名客服對應公司員工數，中位數	客服約占總人力	依比例粗估客服人數
1～99 人	1：23	約 4.3%	約 1～4 人
100～199 人	1：37	約 2.7%	約 3～5 人
200～499 人	1：44	約 2.3%	約 5～11 人
500～999 人	1：50	約 2.0%	約 10～20 人
1,000～2,999 人	1：43	約 2.3%	約 23～70 人
3,000 人以上	1：65	約 1.5%	3,000 人企業約 46 人起

資料來源：Pave，樣本為 2,237 家至少配置一名 Customer Support 人員的科技公司。表中的客服人數是依各企業規模區間的中位數比例換算，屬於編制參考，不代表各產業的實際平均人數。

這張表有一個很值得注意的地方。

小公司的客服人數雖然少，客服占整體員工的比例反而比較高。

1 到 99 人的企業，中位數大約每 23 名員工就配置一名客服，換算下來客服約占公司人力的 4.3%。到了 500 到 999 人，比例下降到約 2%；3,000 人以上的大型企業則降到約 1.5%。

背後原因和公司的成熟度有關。

公司剛起步時，產品還在快速修改，FAQ、知識庫、自助服務和客服系統通常還不完整。客服碰到問題時，可能還得直接找產品、工程或業務確認答案。單一客服能靠系統處理掉的工作量有限，因此客服占總人力的比例往往比較高。

Pave 對 1 到 99 人公司的描述也很接近這種情況。這個階段通常先從一、兩名比較全能的客服開始，他們同時處理一般詢問、技術問題、客訴，有時也會碰到 Customer Success 或產品回饋。正式的 T1、T2、T3 分層通常還沒有建立。

所以，一家 30 人的新創公司只有一名正式客服，不代表所有客服工作真的只有一個人在做。創辦人、業務、Customer Success、產品經理，甚至工程師都可能一起分擔。

這也是小型企業很容易低估客服成本的地方。

到了 100～499 人，客服開始從「幾個人在回問題」變成一個正式團隊

公司進入 100 到 499 人後，客服團隊通常開始分工。

Pave 的資料中，100 到 199 人企業的中位數約為每 37 名員工配置一名客服，200 到 499 人則提高到每 44 名員工一名客服。依比例估算，大約會形成 3 到 11 人左右的客服團隊。

這個階段常會開始出現第一線與第二線客服、技術支援、Team Lead，也會建立比較明確的 SLA。不同產品、不同客戶等級，可能開始分開處理。Pave 把 100 到 499 人這個階段描述為客服組織開始建立分層、專業分工與正式服務標準的時期。

對中型企業來說，真正重要的問題已經不只是「要不要再多請一名客服」。

管理層會開始碰到另一個問題：究竟應該繼續增加人，還是先改善 FAQ、知識庫、自助服務、AI 客服和工單自動化？

這個選擇會直接影響公司進入 500 人、1,000 人之後，客服團隊會長到多大。

公司變大後，客服人數通常不需要跟著等比例增加

500 到 999 人的科技公司，每名客服平均可以對應約 50 名公司員工。

和小型企業的 23：1 相比，大型一點的公司可以用比較少的客服占比支撐整家公司。原因通常包括產品成熟、文件完整、自助服務增加、工作分層，以及客服系統本身已經比較完整。

假設一家科技公司從 100 人成長到 1,000 人，公司人數增加十倍，客服團隊通常不需要跟著增加十倍。

這就是規模效益開始出現的地方。

不過，1,000 到 2,999 人這一組很特別。Pave 的中位數反而從前一階段的 50：1降到 43：1，代表這個規模的公司有些會重新增加客服配置。

而且這組企業的差異非常大。

Pave 的資料顯示，1,000 到 2,999 人公司的第 25 百分位約為 21 名員工配置一名客服，第 75 百分位則高到 126 名員工才配置一名客服。同樣規模的公司，客服配置可以差到數倍。

原因不難理解。

公司走到這個規模後，可能同時進入新的國家、增加產品線、提供 24 小時服務，企業客戶也可能開始要求更嚴格的 SLA。有些公司已經投入大量自助服務和 AI，因此客服人數很精簡；另外一些公司正在快速擴張，產品和客戶變複雜，反而必須先增加客服。

所以，「1,500 人公司應該有幾名客服」其實沒有一個固定答案。

23 到 70 人可以當成科技公司的第一層參考，但最後真正決定人數的，還是顧客帶進來多少工作量。

中小企業尤其不能只用公司人數算客服

如果把上面的比例直接拿去套電商、銀行、電信或旅遊業，很容易算錯。

公司有多少員工，和每天有多少顧客來詢問，本來就是兩個不同的變數。

比方說，一家只有 80 名員工的電商公司，如果每個月有數十萬筆訂單，它的客服團隊完全可能比一家 500 人的企業軟體公司還大。

反過來說，一家 300 人的 B2B 軟體公司，如果只有幾百家企業客戶，而且每一家客戶都有專屬 Customer Success Manager，第一線 Customer Support 可能不需要太多人。

所以企業在實際計算人力時，可以先用公司規模 benchmark 檢查自己的編制是否明顯偏高或偏低，再回到真正的工作量計算。

最基本的人力概念可以寫成：

所需客服人數 ≈ 每月案件量 × 平均處理時間 ÷ 每名客服每月可用的有效服務工時

實務上還要再把排班、休假、尖峰時間、24 小時服務、教育訓練、主管工作、案件升級和 SLA 留出空間。

SupportBench 的 SaaS 客服人力模型也採類似算法。它用一個簡單案例說明：每月 2,400 件案件，如果每件平均需要 30 分鐘，就會產生 1,200 小時的工作量；假設每名客服每月有 140 小時可投入，再以 80% 的實際負載率計算，最後約需要 11 名客服。

這個例子也說明了為什麼不能只問「我們公司 200 人，照市場平均應該請幾個客服」。

真正有管理價值的問題應該是：我們每個月有多少案件，其中多少案件真的需要真人處理？

AI 對中小企業的影響，可能比想像中更早發生

過去公司通常要長到一定規模，才有能力建立完整的知識庫、自助服務、自動化系統和多層客服團隊。

現在這個門檻已經下降。

Pave 有提到，對話式 AI 已經可以被遠低於大型企業規模的公司使用。原本需要公司慢慢累積幾年營運經驗才能建立的服務效率，中型公司現在也有機會提早做到。

這對中小企業的人力影響，未必會表現成直接裁員。

一家原本只有兩名客服的公司，很少會因為導入 AI 就立刻裁掉其中一人，因為兩人可能已經接近排班和服務備援的最低需求。

比較值得觀察的是第三名、第四名客服什麼時候才需要招聘。

如果 AI 能處理 FAQ、整理工單、搜尋知識庫、產生回覆草稿，原本公司成長到 100 人就需要第五名客服，未來可能到 150 人才需要增加。

這種「延後新增人力」的效果放到單一中小企業，看起來不大；如果大量企業都採用同樣模式，累積起來就會直接影響整體客服招聘市場。

因此，Pave 現在的 23：1、37：1、44：1、50：1等數字，比較適合作為 2026 年的人力基準線，不適合直接當成未來幾年的固定標準。Pave 本身也提醒，隨著對話式 AI 普及，未來每名真人客服能支撐的工作量仍可能繼續提高。

對企業來說，最實用的做法是同時看兩組數字。

第一組是「公司規模對客服人數」，用來跟同規模企業比較。

第二組則是「案件量對客服人數」，用來確認自己的實際工作量。

兩個數字一起看，才比較能判斷目前是真的人力太多、人力不足，還是流程效率本身出了問題。

客服流動率到底多高？30%、40%、50% 都有人說

客服產業的離職率有很多版本，這也是目前市場資料最混亂的一塊。

如果看到「全球客服平均流動率就是 40% 到 46%」這類說法，要特別小心。不同研究是否包含 BPO、派遣、約聘、解僱，還有計算分母的方式都可能不同。

ContactBabel 目前公開的 2026 資料把美國客服中心的平均 attrition 放在約 30%，英國約 23%。大型美國客服中心的缺勤問題也比小型中心明顯。

Deloitte Digital 的研究則高很多。這份調查訪問美國、加拿大、英國、日本與澳洲共 600 名中大型企業客服主管，回報的 2023 年平均 agent attrition 達到 52%。

這兩個結果差了一大截，並不代表其中一份一定錯。

Deloitte 的研究對象是中大型企業，而且跨五個國家；ContactBabel 則是美國客服中心 benchmark。企業內部客服、BPO、大型語音客服中心和專業技術支援，本來就可能是完全不同的流動率。

客服流動率可採用的參考區間

市場／研究	年離職率或相關指標	適合怎麼使用
美國 ContactBabel	約 30%	美國客服中心的一般 benchmark
英國 ContactBabel	約 23%	成熟客服市場的對照值
Deloitte 跨國中大型企業樣本	52%	可視為高流動率環境的參考
日本正職客服	超過 7 成受訪中心落在 5% 以下	不宜直接和美國 BPO 比較
日本非正職客服	約 3 成中心超過 10%	可看出不同僱用方式差異

日本《コールセンター白書2025》的資料尤其值得注意。正職客服的離職率明顯低很多，超過七成受訪中心的正職 operator 年離職率在 5% 以下；非正職客服則有約三成中心超過 10%。

因此，「客服平均一年離職四、五成」這種講法，最多只能用來描述某些高流動率的客服環境，不能直接套到所有大型企業。

對企業來說，更有用的做法是把自己的客服分成自聘正職、約聘、派遣和 BPO，再分別算離職率。全部混成一個數字，管理價值其實不高。

AI 最快改變的，其實是每一名客服的產能

如果 AI 只能做到聊天機器人，企業的人力變化可能還不會這麼快。

現在真正有影響的是 Agent Assist。客服接到案件之後，AI 可以搜尋知識庫、建議回答、摘要前文、整理通話紀錄、生成 Email，甚至直接推薦下一步處理方式。

2025 年刊登在《The Quarterly Journal of Economics》的研究追蹤 5,172 名客服人員。導入生成式 AI 輔助後，每小時解決的案件數平均增加約 15%。效果在經驗較少、原本績效較低的客服身上尤其明顯。

這個結果對企業人力規劃的影響很直接。

假設客服案件量沒有增加，一個原本需要 100 人才能處理完的工作量，在單人產能提高後，理論上就不一定還需要維持同樣的新增招聘速度。

但 15% 的生產力提升不能直接換成裁掉 15% 的人。客服還有尖峰時段、排班、複雜案件、服務水準和 AI 使用率等限制，而且 AI 自己也會產生檢查、維護與升級工作。

比較合理的結果往往是新職缺先減少，遇到離職也不再一比一補回去。

這也是為什麼「遇缺少補」可能比直接裁員更值得注意。

真人客服工作也開始變難

當密碼重設、訂單進度、基本產品問題逐漸交給系統處理，最後轉進真人客服手上的案件，自然會變得更麻煩。

可能是系統已經處理失敗的客戶，也可能是退款爭議、高價值客戶、續約、詐騙、客訴或需要大量判斷的問題。

PwC 2026 年分析超過 10 億筆徵才廣告後發現，美國受到 AI 高度影響的初階職缺，現在要求判斷、領導、創造力與人際互動等較資深能力的機率，是低 AI 影響職缺的 7 倍。在高度受到 AI 影響的初階工作中，這類要求較多資深能力的職缺，2019 到 2025 年反而增加了 35%。

這份研究不是只研究客服，但它和客服目前的變化非常接近。

初階客服未必會完全消失，只是「照 SOP 回答常見問題」這類工作的市場價值正在下降。企業更願意留下能處理例外狀況、情緒問題、客戶關係和 AI 無法確定答案的人。

因此，客服人數往下走的同時，每一個真人客服職位的工作內容可能反而更重。

國外客服市場的人力變化：美國職缺縮減，日本則面臨缺工

如果把美國和日本放在一起看，可以看到客服人力正在往兩個不同方向調整。

美國比較明顯的是「整體職缺慢慢減少，但企業每年還是要招很多人」；日本碰到的問題則更直接，很多客服中心連基本人力都補不齊，因此 AI 除了拿來省成本，也開始被當成補足人力缺口的工具。

美國勞工統計局 BLS 的資料顯示，2025 年全美約有 266.6 萬名 Customer Service Representatives。到了 2035 年，預估會降到約 252.4 萬人，十年間減少約 14.18 萬人，降幅約 5.3%。

BLS 也把自助服務、行動 App 和自動化列為影響客服需求的主要原因之一。

不過，客服總人數往下走，不代表企業已經不需要招人。

BLS 預估，美國未來每年平均仍會出現約 28.95 萬個客服職缺。這些職缺很大一部分來自員工離職、轉職或退休後的補員需求，不代表客服部門正在持續擴編。

也就是說，企業可能一年離開 100 名客服，但最後只補回 70 或 80 人。招聘活動看起來還是很熱絡，整體客服人數卻可能慢慢下降。

日本的情況不太一樣。

日本 Contact Center Association（CCAJ）2025 年調查 68 家客服與 BPO 業者，在有回答招聘狀況的企業中，82.1% 表示目前招人有困難。再往下看，72.7% 有第一線客服人力不足的問題，SV 主管人力不足的比例更高達 87.9%。

日本客服業目前面對的問題，因此不只是企業想不想減少人力，而是很多公司本來就很難補到足夠的人。

人力結構也正在調整。

CCAJ 可以和前一年比較的 50 家企業中，總員工數從 269,560 人降到 264,151 人，一年減少 5,409 人。不過，在另一組可以比較正職人數的 47 家企業中，正職員工反而從 38,916 人增加到 40,977 人，多了 2,061 人。

這組資料比較適合解讀成「整體人數縮減，但僱用結構正在改變」。目前還不能只靠這些數字就認定正職增加一定是 AI 帶來的結果，不過可以確定的是，日本客服業者一邊缺人，一邊也在調整派遣、非正職與正式人力之間的配置。

AI 的導入速度也很快。

CCAJ 2025 年的調查中，48.5% 的企業已經把生成式 AI 用在客服中心的實際工作。如果把 PoC 和內部測試一起算進來，68 家受訪企業中已有 55 家進入實際使用或測試階段。

目前最常見的用途不是直接讓 AI 完全取代真人，而是先協助客服處理工作。像客服內容摘要的使用比例達 74.5%，Email 文字生成占 63.6%，FAQ 自動產生占 61.8%，提供客服回答建議也有 58.2%。

AI 語音機器人的使用率也從 2024 年的 27.1%，提高到 2025 年的 35.3%。

把美國和日本放在一起看，會發現兩個市場雖然遇到的問題不同，企業最後採取的方法卻有不少共通點。

美國企業比較常利用 AI 提高每名客服的產能，離職後也不一定把人全部補回來；日本企業則是在缺工壓力下，用 AI 吸收一部分原本需要人工完成的工作。

所以國外客服市場目前比較清楚的方向，是傳統第一線客服的人力需求正在受到壓力，但企業對客服能力本身的需求沒有消失。

企業仍然需要處理大量顧客問題，只是完成這些工作的方式正在改變。以前案件量增加，最直接的方法通常是再多請幾個人；現在企業會先看 AI、自助服務和流程自動化能不能吸收一部分工作，再決定還需要增加多少真人客服。

對客服就業市場來說，這也代表未來最值得觀察的數字，可能不只是「企業今年招了多少客服」，而是離職十個人之後，公司最後補回幾個人。這個數字更能看出 AI 對企業實際人力編制的影響。

AI 投資正在增加，錢卻沒有同步變多

還有一個數字很值得企業注意。

Gartner 在 2026 年 4 月到 5 月訪問 199 名客服與支援主管，結果顯示客服部門的 AI 支出增加 38%，但整體客服預算只增加 2%。

這代表 AI 預算不是憑空多出來的。

如果總預算幾乎沒變，科技支出快速增加，錢很可能要從其他地方移過去。人事、管理成本、既有系統、外包費用，都可能承受壓力。

這也讓未來兩三年的客服人力變化更容易理解。

企業不一定急著一次裁掉很多人，但新人職缺可能變少；有人離職後，公司會先問能不能靠 AI 吸收工作量；第一線人數下降後，AI、自動化、知識管理和高階客服的預算占比則慢慢提高。

客服工作沒有消失，但「需要多少人」的算法已經變了

如果只問「AI 最後會不會取代客服」，很難得到有管理價值的答案。

企業真正要算的是，每個月有多少顧客需要協助，其中多少問題 AI 可以真正解決，多少最後還是會轉給人，以及轉給真人之後，平均要花多少時間才能處理完。

未來大型企業的客服團隊很可能同時出現三個變化。

第一，第一線總人數成長速度下降。客服量增加，不再自動代表要同比增加人手。

第二，replacement hiring 仍然很大。客服本來就是高流動率工作，就算整體人數下降，每年仍可能要招聘很多人。

第三，真人客服的單位成本可能變高。企業留下來的人，需要更熟悉產品、更會判斷，也更常面對複雜客訴和高價值客戶。

因此，如果企業正在規劃 2027 或 2028 年的客服編制，比起直接問「我們應該砍掉幾個人」，更值得先弄清楚目前有多少案件真的可以由 AI 完整處理、轉真人的比例是多少、新人多久可以獨立工作，以及每離開一個人到底需不需要補回來。

這幾個數字，最後才會決定 AI 幫企業省下的是工時、人數，還是只是把原本的客服預算改花到另一個地方。