AI 觀點

會做事的 AI 跟會聊天的 AI,差在哪?談 AI 客服的工具箱

· 3 分鐘

聊天機器人答完就結束;帶工具箱的 AI 卻能提議下一步——轉真人、開工單、記備註。差別在哪、為什麼每個動作都該先經人確認、以及稽核紀錄為什麼是企業導入的底線。

聊天機器人與 AI 助理,差在一個工具箱

「工具」在 AI 客服的語境裡有明確的意思:AI 除了產生文字之外,被允許呼叫的具體動作——查知識庫、把對話轉給真人、建立工單、寫一筆顧客備註。只會產生文字的,是聊天機器人:答得再好,對話結束的那一刻,系統裡什麼都沒有發生。帶工具箱的 AI 助理不一樣:它可以在回答之外,把流程的下一步準備好。評估 AI 客服時,「答得準不準」大家都會看;「答完之後,它能不能把事情接下去」,才是拉開差距的那一題。

工具讓 AI 從「答題」變成「接案」

客戶問「這顆料的工作溫度範圍」,是一道答題:查到、答對、附出處,就結束了。但客戶說「那先寄兩顆樣品來測」,這就不是答題了——是一個流程的開始:要建樣品申請、要通知負責業務、要記下客戶的測試場景。沒有工具的 AI 只能回「請聯繫我們的業務人員」,把球丟回給客戶;有工具的 AI 則把該建的單先擬好、該帶的資訊先帶齊,人一確認,流程就走起來。差別看似一小步,落在營運上是兩種體質:前者的詢問常停在「已回覆」,後者的詢問會走到「已處理」。

為什麼每個動作都要先經人確認?

因為動作有後果,而後果由公司承擔,不是由模型承擔。回錯一句話可以更正;開錯工單、轉錯對象、寫錯備註,是對系統與客戶的實質影響。所以合理的設計是提案制:AI 判斷「該做什麼」,把動作與理由一起送到人面前,確認後才執行,每一筆都留下稽核紀錄。這也符合買家自己的期待——Gartner 於 2025 年 8-9 月執行、2026 年 5 月發布的調查裡,69% 的 B2B 買家偏好找業務人員驗證 AI 給的資訊(n=645):人們要 AI 的速度,也要人的判斷。全自動聽起來省事,省掉的其實是「出錯之前擋下來」的機會。

工具箱的價值不在 AI 能做多少事,在每件事都有人看過、有紀錄可查。

界線怎麼劃:AI 拿不到它不該有的權力

提案制之外,更底層的問題是權限:就算 AI 被話術說服了,它做得了多少事?穩固的做法是把邊界放在伺服器端,不是提示詞裡——AI 的工具能碰到哪一家企業的資料,由系統決定,不接受模型自己指定對象;遇到無法逐份判斷權限的查詢,寧可婉拒也不硬答。提示詞層的「請不要做壞事」是可以被繞過的請求,程式碼層的權限是繞不過的牆。兩者的差別,平常看不出來,出事的那天才看得出來。

挑選 AI 客服時,值得問供應商的四個問題

第一,AI 具體能執行哪些動作?請對方列清單,而不是說「都可以」。第二,每個動作由誰批准?全自動、全人工,還是可以逐動作設定?第三,動作紀錄留在哪裡?能不能匯出、能不能稽核、保留多久?第四,權限邊界做在哪一層——程式碼層的強制,還是提示詞層的約定?四題問完,供應商的工程體質大致就現形了。順帶一提:願意直接回答「這個我們目前做不到」的,通常比每題都答「可以」的,更值得繼續談。

Kinsunn AI 的做法

Kinsunn AI 的工具箱採提案制:轉真人、變更對話狀態、建立工單、寫顧客備註、發起身分驗證,AI 只能提案,由真人確認後才執行,每一筆都留有稽核紀錄;目前唯一自動執行的寫入,是依既有標籤自動貼標,而且可以在後台關閉。工具的資料範圍由伺服器端決定,不接受模型自己給的識別碼。完整的安全設計——包括我們目前還沒有的——攤開在資訊安全頁;製造與代理商的應用場景,見製造業與代理商方案。

參考資料

← 回到部落格