AI 客服怎麼做？對多數台灣中小企業，第一步不是讓機器人回完所有訊息，而是把問題分成三線：答案固定、已核准且不涉及個人資料的，才交給 AI 先回；需要核對訂單、庫存、預約或個別條件的，讓 AI 收齊最少必要資訊後轉人；牽涉退款、客訴、價格例外、健康與金融建議、個資或承諾的，直接交給指定人員。這樣做不保證少掉多少人力，卻能先讓每一次自動回覆有範圍、有接手人，也有可回看的紀錄。
AI 客服導入，先解的是「誰該回答」
小店最常見的誤會，是把 AI 客服想成一位全天候新同事：把網站、聊天紀錄和商品資料塞進去，就期待它把客服接走。問題是，顧客問「今天幾點營業」和問「上次買的商品可不可以破例退」看起來都像一句訊息，背後的責任卻完全不同。前者通常有一個公開、固定、可驗證的答案；後者可能牽涉交易紀錄、規則例外與補償決定。
AWS 給中小企業的 AI 客服導入建議，先回看一週的電話、訊息或工單，按主題、量與處理時間分類，並從高量、低複雜度、答案明確的任務開始。這個原則很適合人少的團隊：先把原本就答得穩的問題答快，而不是拿最棘手的個案來測模型。AWS 的 SMB 指南也建議在試點前先定 2 到 3 個可衡量的指標，例如首回覆時間、自助處理比例與顧客滿意度。
先做一張三線分流卡
假設一家文具禮品店在 LINE、IG 私訊和網站表單都收到問題。與其先挑平台，不如先把最近一週的 30 到 50 則訊息貼進試算表，去除姓名、電話、訂單編號等不必要資料，再由客服和店長一起標出答案是否固定、是否需要查個案、答錯後會不會造成金錢或信任損失。
| 分流 | 可放的問題 | AI 可以做什麼 | 人必須保留什麼 |
|---|---|---|---|
| 綠線：固定問答 | 營業時間、門市位置、公開運費規則、已上架商品規格 | 依核准知識庫回答，附上官方頁面或下一步連結 | 每週更新答案；下架過期活動 |
| 黃線：需確認 | 個別訂單進度、預約時段、庫存、企業採購需求 | 說明會轉專人，蒐集必要欄位並摘要對話 | 查核事實、確認回覆期限、做出對外答覆 |
| 紅線：立即轉人 | 退款爭議、客訴、價格例外、付款、敏感個資、醫療或金融相關問題 | 停止判斷，確認已收到並指引真人窗口 | 決定補償、價格、資格、法律或專業承諾 |
這張表的關鍵不是把綠線塞得越滿越好。若某個答案會因活動檔期、地點、庫存或人員而變動，就不該被當成永遠固定的 FAQ。寧可讓 AI 說「我先幫你轉給同事確認」，也不要為了看起來聰明而給出可能過期的確定答案。
綠線：只讓 AI 回答「公司願意重複承諾」的內容
綠線適合放公開且可重複驗證的資訊，例如地址、營業時間、已公開的退換貨條款摘要、寄送方式、商品材質或預約步驟。每一個答案都應有來源頁、最後更新日期與負責人。AI 的任務是找到核准版本並用自然語言說明，不是替你補寫不存在的條款。
實作時，把每題改成一個小單位：問題、核准答案、適用條件、來源連結、更新日、失效日、內容負責人。像「現在還有現貨嗎」看似簡單，若庫存不是即時串接，就該移到黃線。把不確定說清楚，通常比編一個順口的答案更能留住信任。
黃線：AI 幫忙收斂，真人負責確認
黃線最適合小團隊省時間。顧客詢問客製禮盒、公司採購或特定日期配送時，AI 不應直接報價或保證檔期；它可以先問用途、數量、希望日期與偏好的聯絡方式，並告知「同事會依實際庫存與交付安排回覆」。接著把對話摘要連同案件標籤交給指定人員。
真人接手時至少要拿到四項：顧客想完成什麼、已提供哪些資料、尚未確認什麼、誰會在何時回覆。少了這張接手卡，AI 客服常把「秒回」變成顧客重新說一次、同事再問一次。回覆很快不等於服務變好；能讓人順利接續，才是第一個真正該驗證的成果。
紅線：把不能自動答的事先寫出來
紅線不是 AI 做不到，而是企業不應把決定權交出去。退款、折扣、補償、付款、保固例外、投訴升級、可辨識個人的訂單資訊，以及涉及醫療、法律、金融或資格判斷的問題，都應由人員依實際狀況處理。AI 最多做「已收到、目前由誰處理、何時再更新」的安全回覆。
這一層也要有下班後規則：緊急案件是否有人待命、沒有待命時要誠實告知何時會處理、哪些字詞會觸發人工通知。不要讓機器人說「我們會盡快處理」卻沒有任何人收到案件。若承諾了回覆時間，就要能由班表或案件系統承接。
兩週小試點：先證明沒有添亂，再談擴大
第一輪不需要把全部客服管道串起來。選一個最容易控管的入口，例如網站表單或 LINE 官方帳號中的固定選單，只開放 5 到 10 個綠線問題，再設定黃線與紅線的轉人規則。試點前先記錄人工首回覆時間、重複問題數與常見轉人工原因；否則上線後只會剩下「感覺比較快」的印象。
- 第 1 至 3 天：整理匿名化的一週問題，完成三線分流與每題的內容負責人。
- 第 4 至 5 天：讓兩位同事用不同問法測試。只要答案不在核准資料內，就應轉人而非猜測。
- 第 6 至 12 天：小範圍上線，每天抽查 AI 回覆、轉人案件與顧客是否需要重複描述。
- 第 13 至 14 天：回看首回覆時間、可安全自助完成的比例、錯誤或補救案件、真人處理負荷與顧客回覆。
若綠線答案過期、黃線沒有主人，或紅線仍被自動回覆，先縮小範圍修正，不要急著擴大。反過來說，若顧客能快速拿到正確公開資訊、同事看到完整摘要後順利接手，才考慮多加一種固定問題。
個資與資料邊界：先拿掉不需要的，才談導入
客服對話常含姓名、電話、地址、訂單、付款或抱怨內容。台灣《個人資料保護法》第 5 條要求個人資料的蒐集、處理與利用不得逾越特定目的必要範圍，並與蒐集目的有正當合理關聯；第 8 條也規定蒐集時應明確告知法定事項。這不是要求每個小店都先建一套複雜法遵系統，而是提醒你：別把整包聊天紀錄丟進工具當練習資料，也別因為 AI 能讀，就把它當成可以任意使用。
實務上，先訂四個最小規則：只提供完成任務所需的資料；能匿名就匿名；限制誰能查看對話與匯出內容；讓顧客知道資料會用在哪一段服務。涉及委外平台、跨境處理、敏感資料或高度管制產業時，應依實際情況請專業人士確認，不要把本文當成法律意見。
誰適合先做，誰應該先停一下
這套做法適合每天反覆收到固定問題，且已經有一份可被同事確認的公開資訊的電商、門市、預約服務、課程或 B2B 小團隊。它不要求一開始就有 CRM 或複雜串接；一份維護得動的問題表和清楚的接手人，已經足夠跑第一輪。
如果你的價格、規則、庫存和交付方式每天都變，或客服內容主要是高額客訴、個案評估、醫療與金融建議，先別急著上 AI 客服。應先整理規則、定義責任與建立真人案件流程。AI 不是補洞的萬用膠；它只會把原本沒說清楚的承諾更快送出去。
資料更新與來源
本文於 2026 年 10 月 24 日整理。小型企業試點與衡量方向參考 AWS AI customer service guide for SMBs；本地中小微企業的 AI 導入與資料安全脈絡參考經濟部中小及新創企業署相關公開資訊；個資界線以法務部全國法規資料庫的個人資料保護法為準。工具功能、平台資料處理條款與法規解釋可能改變；上線前請回到服務商與主管機關的最新文件確認。
結論：先讓每一則自動回覆知道自己的邊界
AI 客服怎麼做，真正的起點不是比較哪個機器人最會聊天，而是把公司能安全重複回答的事、需要人工確認的事，以及絕對不該自動承諾的事分開。先跑一個小入口、少量問題與兩週回看，把每一次交接做順。當顧客少等一點、同事少重複問一次、公司也沒有多背一個承諾，才是值得擴大的 AI 客服。
FAQ
AI 客服一開始最適合回答哪些問題？
先選公開、固定、可由內部確認的問題，例如營業時間、地址、公開規則與已上架規格。答案會隨庫存、活動或個案改變的問題，不應直接自動承諾。
客戶問訂單進度，可以交給 AI 嗎？
可以讓 AI 說明會協助查詢並收集必要資訊，但實際進度、到貨與例外安排應由能查核系統的人確認後回覆，避免把推測當成承諾。
AI 客服轉真人時，要交接哪些資訊？
至少要有顧客想完成的事、已提供的資料、尚未確認的事項與指定接手人或回覆時間。這能降低顧客重複說明的機率。
退款或客訴能讓 AI 自動處理嗎？
不建議讓 AI 決定退款、補償、折扣或責任歸屬。它可以確認已收到並引導給真人窗口，但最終判斷與對外承諾應由有權責的人做。
沒有 CRM 的小店，也能開始 AI 客服嗎？
可以。先用一份問題表記錄固定問答、適用條件、更新日與負責人，再選一個管道做小規模試點；重點是答案可維護與有人接手，不是先買大型系統。