AI 客服知識庫不是把舊 FAQ、產品型錄和客服話術一次丟進工具就好。台灣中小企業上線前，應先整理六種資料：高頻問題、標準政策、例外情境、顧客用語、轉人工規則、每週更新紀錄。這樣 AI 才能回答得一致、知道何時不能承諾，客服也能從同一套資料接手，而不是每天替 AI 補破網。
AI 客服知識庫適合誰？不適合誰？
這篇適合已經有官網表單、LINE 官方帳號、FB/IG 私訊、電商客服或門市諮詢量的台灣中小企業。你不一定要先買大型客服平台，但要有足夠重複問題，才值得把知識整理成可搜尋、可更新、可交接的格式。
如果你的問題多半是一次性客製報價、法律醫療金融判斷、重大客訴協商，或公司內部還沒有一致政策，AI 客服不應直接替你回答。這種情況應先把客服 SOP、報價規則與風險邊界寫清楚，再談自動化。
先準備這 6 種資料，不要先追求全自動
1. 最近三個月的高頻問題
先從最近三個月的 LINE 對話、官網表單、電商訊息、電話紀錄摘要和門市常問問題開始。整理時不要只寫公司內部用語，也要保留顧客真正的問法，例如「可以貨到付款嗎」、「今天下單什麼時候到」、「用了會不會過敏」、「保固要找誰」。Data-DI 的 AI 客服知識庫文章也把工單、通話、社群留言與站內搜尋列為收集來源，但台灣小團隊可以先從最常出現的 50 到 100 題做起，不必一次整理全公司文件。
2. 對外承諾和不可承諾事項
AI 最容易出事的地方，是把模糊話術講成保證。請把運費、退換貨、保固、預約取消、試用、付款、發票、交期、售後責任寫成「可以承諾」、「只能說明」、「必須轉人工」三類。舉例來說，客服可以說明退貨申請條件，但不能自行承諾例外退款；可以說明保固流程，但不能替工程師判定一定免費維修。
3. 例外情境和拒答規則
好的 AI 客服知識庫一定要有「不知道時怎麼辦」。Midnight Agent LAB 的客服 Agent 分析也強調，涉及法律責任、重大投訴、隱私資料或大額補償時應轉人工。台灣 SME 可把例外情境寫成清單：顧客情緒激動、連續兩次回答不滿意、要求個資刪除、詢問醫療或投資效果、訂單金額異常、媒體或主管機關相關問題。
4. 顧客用語、同義詞和產品暱稱
AI 找不到答案，常不是資料不存在，而是顧客講法和公司文件不同。產品名稱、舊品名、暱稱、錯字、常見簡稱、門市用語都要加進知識庫。若你賣課程，顧客可能問「回放」、「錄影」、「補課」；若你賣保養品，顧客可能問「敏感肌」、「孕婦」、「痘痘肌」。這些詞不一定要公開放在文章標題，但要能幫 AI 把問題對到正確答案。
5. 轉人工摘要欄位
AI 客服不是把人拿掉，而是把重複問題先整理好。轉人工時至少要把姓名或識別方式、需求分類、已問內容、AI 已回覆內容、目前卡點、訂單或案件編號、建議下一步整理給客服。沒有這些欄位，人類客服仍要重問一次，顧客會覺得自己被機器耽誤。
6. 每週更新紀錄和負責人
知識庫上線後，每週要看無答案問題、低滿意回覆、人工改寫最多的答案、退換貨政策變更、促銷活動結束、產品缺貨與新品上市。Google Cloud 的 Conversational Agents 文件把 data store 視為可連接多種資料來源、也需要定期重新整理的資料層；中小企業不一定使用 Google Cloud，但同樣要把「誰負責更新、多久更新、更新後誰驗收」寫進流程。
AI 客服知識庫資料格式：每題都要有條件、答案、例外
不要只寫「可以退貨」。比較穩定的格式是：適用條件、標準答案、操作步驟、例外情況、轉人工條件、資料來源、最後更新日期。這種格式對客服新人、AI 工具、網站 FAQ 和搜尋引擎都比較友善。
| 資料欄位 | 要寫什麼 | 常見錯誤 |
|---|---|---|
| 適用條件 | 哪些商品、會員、地區、時間範圍適用 | 只寫通則，沒有說明例外 |
| 標準答案 | 用顧客聽得懂的一段話回答 | 貼內部規章，語氣像合約 |
| 操作步驟 | 顧客下一步要去哪裡、準備什麼 | 只說「請洽客服」，沒有減少工作量 |
| 不可承諾 | AI 不能保證退款、療效、交期或責任 | 讓 AI 自己猜公司立場 |
| 轉人工條件 | 何時交給真人，交接摘要要包含什麼 | 顧客要求人工時仍持續自動回覆 |
| 最後更新 | 日期、負責人、資料來源 | 促銷或政策已過期仍被引用 |
個資與隱私：先決定哪些資料不能丟進 AI
台灣《個人資料保護法》明定個人資料包含可直接或間接識別個人的資料，且蒐集、處理或利用不得逾越特定目的必要範圍。客服知識庫常碰到姓名、電話、地址、訂單、付款、病史、財務或客訴內容，因此不要把未遮蔽的完整對話紀錄直接上傳給工具。可行做法是先去識別化、刪除敏感欄位、只保留問題類型和標準回答，再建立測試資料。
若使用外部 AI 服務，也要確認資料處理條款和訓練設定。OpenAI Help Center 對商業產品的說明指出，API、ChatGPT Business 和 ChatGPT Enterprise 的輸入與輸出預設不會用來訓練模型；但企業仍應確認自己實際採購的產品、供應商、地區、保存期限與權限設定。這不是一句「AI 不會學」就能帶過的採購問題。
把客服知識庫做成 SEO、AEO、GEO 也能用的資產
同一套資料不只服務聊天機器人，也可以變成網站 FAQ、產品頁說明、售後政策頁和客服中心文章。Google Search Central 對 AI features 的說明指出，AI Overviews 和 AI Mode 仍使用 Google 搜尋的基礎最佳實務，重要內容應以文字呈現、內部連結清楚、結構化資料要和可見內容一致。因此，真正有價值的知識不要只鎖在聊天視窗裡。
AEO 的重點是讓單一問題有可引用的直接答案；GEO 的重點是讓答案有明確實體、條件、限制、日期和來源。舉例來說，「退貨怎麼辦」應拆成「七天鑑賞期是否適用」、「已拆封是否可退」、「瑕疵品如何處理」、「門市購買與網購差異」、「誰負擔運費」。每題都要有可公開回答版和客服內部處理版。
上線前的驗收指標：不要只問 AI 聰不聰明
第一週不要追求百分之百自動化。你可以用 30 到 50 個真實問題測試：是否答對政策、是否引用正確資料、是否拒絕不該回答的問題、是否在低信心時轉人工、轉人工摘要是否足夠、客服是否需要大幅改寫。若錯誤集中在某些主題，先修知識庫，不要急著換模型。
- 高頻問題命中率：前 50 題是否找到正確答案。
- 轉人工品質：真人客服是否能接續，不必重問背景。
- 風險攔截：退款、療效、法律、個資問題是否正確轉人工。
- 更新速度：政策或促銷變更後，知識庫多久完成更新。
- 內容再利用：同一題是否能同步變成網站 FAQ、產品頁補充或客服中心文章。
資料更新與來源說明
本文於 2026-06-02 撰寫，重點參考 Data-DI 的 AI 客服知識庫文章、Midnight Agent LAB 對客服 Agent 落地的分析、Google Cloud Conversational Agents data store 文件、OpenAI 商業產品資料使用說明、台灣個人資料保護法與 Google Search Central AI features 文件。工具功能、法規施行狀態與平台資料政策可能更新，實際採購或上線前仍應查核最新官方文件與合約。
結論：先整理知識，再導入 AI 客服
台灣中小企業導入 AI 客服，最先該買的不是最複雜的平台，而是把客服知識整理成可回答、可拒答、可轉人工、可更新的系統。當 AI 客服知識庫把高頻問題、政策邊界、個資處理和人工交接都寫清楚，工具才有機會減少重複工作；同時，這些內容也能成為網站搜尋、AI 搜尋與顧客信任的長期資產。
FAQ
AI 客服知識庫一定要用 RAG 嗎？
不一定。若只回答少量固定 FAQ，簡單知識庫就能開始；若要從多份文件、政策和歷史對話中找答案，才需要評估 RAG 或資料庫檢索架構。
台灣中小企業要先整理多少題 FAQ 才能上線？
建議先整理最近三個月最常出現的 50 到 100 題，並包含標準答案、例外情況和轉人工條件。題數太少會答不出來，題數太多但沒審核也會增加錯誤。
客服對話紀錄可以直接拿去訓練 AI 嗎？
不建議直接上傳完整原始對話。應先去識別化，移除姓名、電話、地址、訂單、付款與敏感內容，並確認工具供應商的資料使用、保存和訓練政策。
AI 客服什麼情況一定要轉人工？
顧客要求人工、連續回答失敗、涉及大額退款、法律責任、個資刪除、醫療金融建議、重大客訴或媒體主管機關議題時，都應轉人工處理。
AI 客服知識庫和網站 FAQ 可以共用嗎？
可以，但要分成公開版和內部版。公開版適合放在網站、產品頁和客服中心；內部版可包含客服判斷、例外處理和轉人工摘要欄位。