AI客服導入前該知道的事：它解不掉什麼、答錯話算誰的

作者｜晨星行銷　陳俊鳴執行長（網路流量操盤手・企業行銷顧問）

查「AI 客服」，查到的幾乎都在講它能省多少人力。「節省八成客服人力」「24 小時不打烊」「回應速度提升」——這些不是假的，但它們有個共同點：都是賣的人寫的。

賣的人不會寫的那一半，才是導入前真正要知道的：它解不掉什麼、你的資料要先準備到什麼程度，以及它答錯話的時候算誰的。

最後那一題已經有判決可以看了，就從它開始。

AI 說的話，算不算公司說的話

台灣還沒有廣為人知的判決，但國外有一個很直接的案子。

加拿大卑詩省民事裁決庭的 Moffatt v. Air Canada（2024 BCCRT 149）：一位消費者依航空公司網站上聊天機器人的說法，以為喪親票價可以事後追溯申請；那個說法跟官網另一頁的規定互相矛盾。

航空公司的抗辯值得看一下：他們主張聊天機器人雖然掛在自家網站上，但應該視為一個獨立的實體，公司不必為它講錯的話負責。

裁決庭沒有接受。 理由是基於服務提供者與消費者之間的商業關係，公司對消費者負有注意義務，標準是「採取合理注意確保其陳述正確、不具誤導性」。消費者信賴那個資訊屬於合理，並因此受有損害，公司要負責。

台灣這邊沒有直接對應的判決，但《消費者保護法》第 22 條的方向是一樣的：

企業經營者應確保廣告內容之真實，其對消費者所負之義務不得低於廣告之內容。 企業經營者之商品或服務廣告內容，於契約成立後，應確實履行。

兩件事放在一起，結論很清楚：AI 客服的風險不在「它會不會答錯」——它一定會。風險在答錯的時候誰扛，而答案是公司。

⚠️ 這裡只說明法條與已公開的外國裁決怎麼寫。加拿大的判決在台灣沒有拘束力，個案是否違法也是司法權責，本文不對任何具體爭議下判斷。這一段的用途是讓你在評估時多一個維度：不是只問「它多會回答」，還要問「它答錯的時候，我怎麼收拾」。

AI 客服其實分三種，風險完全不同

市面上叫「AI 客服」的東西，底層做法差很多。分清楚這三種，才知道自己在買什麼、風險在哪。

類型	怎麼運作	亂講話的風險
規則型	事先設定好的選單與關鍵字對應，答案是人寫死的	極低，它只會講你寫過的話
檢索型	從你提供的知識庫裡找出最相近的答案回覆	低到中，答案來自你的資料，但可能找錯段落
生成型	用大型語言模型即時生成回覆	中到高，它會用自己的話重組，也可能生出你沒寫過的內容

很多廠商的產品是混合的：常見問題走規則或檢索，答不出來才交給生成模型。這種設計本身是合理的，但你要問清楚分界在哪、生成的那一段有沒有限制範圍。

判斷的重點不是「哪一種比較好」，是「你的容錯空間有多大」：

• 你賣的東西涉及價格、保固、退換貨、療程、法律效果 → 這些回答錯了會直接變成糾紛，那一塊就不該讓生成模型自由發揮
• 只是查訂單、問營業時間、問怎麼寄件 → 規則型或檢索型就夠了，而且穩定得多

要不要告訴客戶「這是 AI」

這一題今年變得比較急，因為歐盟那邊已經開始執行了。

歐盟《人工智慧法》（EU AI Act）第 50 條的透明度義務已於 2026 年 8 月 2 日生效。其中第 50 條第 2 項要求：直接與自然人互動的 AI 系統——聊天機器人、AI 代理、虛擬助理都算——設計上必須讓使用者知道自己正在跟 AI 互動，而且資訊要清楚、可辨識、容易取得。這個義務同時落在提供系統的一方與實際使用系統的一方身上。

台灣目前沒有對應的強制規定。 所以嚴格講，你現在不標示也不違法。但有三個實務上的理由建議你標：

1. 有出口或跨境業務的話，你可能本來就在射程內。 有歐盟客戶、有歐盟語系的官網版本，就要看一下自己適不適用
2. 標示反而降低你的風險。 回到前面那個責任問題——一個明白標示「我是自動客服，複雜問題會為您轉接專人」的機器人，跟一個假裝成真人的機器人，萬一講錯話，處境不一樣
3. 客戶其實沒那麼在意。 真正讓人惱火的不是「發現對方是機器人」，是繞不出去——問三次都答非所問，又找不到轉真人的入口

所以實務上的做法很簡單：開頭講清楚這是自動客服，同時把「轉真人」的入口放在看得到的地方。 這兩件事一起做，比藏著它是 AI 有效得多。

⚠️ 歐盟法規在台灣沒有直接適用，是否落入其適用範圍要看個案的實際營運情形。這一段的用途是提醒你國際上的方向已經很明確，不是要你現在就照歐盟標準做。

它解得掉什麼、解不掉什麼

這張表是這篇的重點之一——因為賣的人只會給你左邊那一半。

解得掉	解不掉
重複性高、答案固定的問題（營業時間、寄送方式、規格）	需要判斷個案狀況的問題（這個情況適不適用、能不能通融）
半夜與離峰時段的第一線接觸	客訴情緒的安撫與收尾
把問題先分類、蒐集必要資訊再轉真人	需要跨部門協調才能給答案的事
同樣的問題被問一百次	你自己內部都還沒有共識的規則

最後一列是關鍵，而且最常被忽略：如果同一個問題你們公司三個人有三種答法，AI 客服不會幫你統一——它只會把混亂複製一百份。

真正的門檻不是選哪個平台，是你的資料

多數人把導入想成「挑一套系統」。實際做下來會發現，選平台是最簡單的那一步，卡住的永遠是資料。

要讓 AI 客服講得出正確的話，你至少要先有這些：

1. 一份整理過的常見問題：真的常被問的那些，而且答案是確定的、公司內部有共識的
2. 結構化的產品或服務資料：規格、價格、適用範圍、限制條件。散在各人腦袋裡跟散在十個 Excel 裡，效果一樣差
3. 明確的政策：退換貨、保固、預約變更。這些是最容易被問、也最容易出事的
4. 升級規則：什麼情況必須轉真人、轉給誰、多久要回

這四樣沒有的話，先做這四樣，不要先買系統。 這個順序不只適用客服——企業要導入AI自動化，從哪裡開始最不會踩雷，判斷邏輯是同一套。 這不是拖延——這四樣本身就會讓你的人工客服變好，就算最後決定不導入 AI，也不會白做。

成本結構：訂閱費不是全部

報價單上的月費通常只是其中一塊。實際會花到錢或花到時間的有四項：

項目	常被忽略的原因
平台訂閱費	這一項大家都會看
建置與導入	知識庫要整理、對話流程要設計、要接上你既有的系統
持續維護	商品換了、政策改了、活動開始了，內容要跟著更新
人力沒有真的消失	轉真人的那些仍然需要人接；只是接的內容變難了

第四項要特別講：AI 接走簡單的問題之後，留給真人的是比較難、比較情緒化的那些。所以「省下八成人力」在實務上常常不是省掉八成人頭，而是同樣的人手上案件變少、但每一件變難。這不是壞事，但預期要對。

對話紀錄裡有個資，這件事要處理

AI 客服會留下完整的對話紀錄——那正是它能持續改進的原因，但那些紀錄裡通常包含姓名、電話、訂單編號、地址，有時候還有更敏感的東西。

《個人資料保護法》第 8 條第 1 項規定，向當事人蒐集個人資料時，應明確告知下列事項：

一、公務機關或非公務機關名稱。二、蒐集之目的。三、個人資料之類別。四、個人資料利用之期間、地區、對象及方式。五、當事人依第三條規定得行使之權利及方式。

放到 AI 客服的情境，有三個常被忽略的點：

要處理的	為什麼常被忽略
告知要看得到	官網底部的隱私權政策不等於在對話當下告知；對話開始的地方就該有連結
「對象」包含系統商	用了雲端 AI 客服，資料會經過那家廠商。這屬於利用的「對象」，簽約時要問清楚資料存在哪、留多久、會不會被拿去訓練模型
保存期限要有定義	「一直留著」不是政策。留多久、誰能調閱、什麼時候刪，要有規則

簽約前一定要問的一句話：「我們客戶的對話資料，會不會被用來訓練你們的模型？」——答案是什麼都可以，但你要知道，而且要寫進合約。

⚠️ 個資法的實際適用與告知方式，屬主管機關與司法權責。這一段的用途是讓你知道這件事要在導入流程裡佔一個位置，不是幫你判斷任何個案。

什麼規模還不需要

這一半，賣系統的人通常不會主動告訴你：

• 每天客服訊息量個位數：一個人順手就處理完了，導入的建置與維護成本反而更高
• 問題高度客製、每一件都不一樣：專案型服務、B2B 客製化業務，AI 能接的比例很低
• 公司政策還在頻繁調整：你這個月改一次規則，知識庫就要重整一次（CRM 導入前該不該用比用哪套更重要，卡點也是這個）
• 內部對答案還沒有共識：前面說過，這種情況導入只會放大混亂

分界不是「公司大不大」，是「重複性高不高」。 客戶主要從哪個管道找上你，也會影響答案——FB、IG、LINE 各自的角色不一樣，LINE 官方帳號的訊息量通常最集中。 一家三個人的電商每天被問兩百次寄送方式，比一家三十人的顧問公司更需要 AI 客服。

怎麼降低它亂講話的風險

如果決定要導入，這幾件事在建置階段就要談進去：

1. 限制回答範圍：明確設定哪些主題只能用寫好的答案回、哪些可以生成。價格、保固、法律效果這類一律不要開放生成
2. 不確定就轉人，不要硬答：設定信心門檻，答不出來就說「這題我幫你轉給同事」，比編一個答案安全太多
3. 留對話紀錄並定期抽查：每週看一批真實對話，是唯一能發現它在亂講什麼的方法
4. 上線初期加人工覆核：前一到兩個月，讓真人在背後看著，錯的當場修
5. 重要承諾一律導向書面：涉及金額、期限、權利義務的，讓 AI 引導到正式流程或真人，不要在對話裡定案

第 2 點值得多說一句。多數人調參數的方向是「讓它盡量回答」，因為回答率好看。但從責任的角度看，該調的方向剛好相反——寧可多轉幾件給真人，也不要讓它在沒把握的題目上硬編。

「這個模型很準」要怎麼追問

前面說「有能力追問一句準是怎麼量的」，這裡給具體的問法，因為這一題最容易被漂亮的數字帶過去。

廠商最常給的是「回答率」或「解決率」，但這兩個數字都可以被灌水：把「已回覆」算成解決、把使用者沒有再追問算成滿意——實際上很多人是放棄了，不是被解決了。

改問這三個：

1. 轉真人的比例是多少？ 這個數字誠實得多，而且太高太低都有問題
2. 答錯的案例怎麼被發現？ 如果答案是「客戶反映才知道」，那等於沒有品管
3. 能不能給我一批真實對話看？ 去識別化之後的樣本。看十則真實對話，比看任何統計數字都準

這三題不需要你懂技術，但問得出來的人，跟問不出來的人，拿到的東西不一樣。

上線之後要做什麼

導入不是裝上去就結束，這一點跟做網站很像。

• 每週看一次答不出來的清單：那份清單就是你知識庫的缺口，補進去下一週就會了
• 每月看一次轉真人的比例：比例一直很高，代表知識庫沒跟上；比例太低反而要警覺，可能是它在硬答
• 商品或政策異動時同步更新：這件事要有人負責，不能靠想起來
• 定期抽查對話品質：不是看回答率，是看它有沒有講出你沒授權它講的話

委外不等於甩手不管

講到這裡，說一下我的看法。

老闆的專業是取代不了的——你知道客戶真正在意什麼、你清楚哪些答案一旦講錯會出事。這些沒有任何系統商學得會，也不該由他們來替你決定。

但要老闆自己去研究模型架構、去比較每一家平台的技術差異，真正的成本不是學費，是分心。 老闆的時間是公司裡最貴的，拿去換一項只做得到六十分的技能，那六十分還是用最貴的單位成本換來的。所以立場很簡單：力氣花在只有你能做的那部分，其餘的交給以此為專業的人。

不過有一條底線：你可以不是頂尖，但你不能沒有常識。

具體到 AI 客服，「常識」是這幾件：

• 知道自己買的是規則型、檢索型還是生成型
• 知道要問一句「它答錯的時候，責任怎麼算、紀錄查得到嗎」
• 看得懂每週那份「答不出來的問題」清單
• 對方說「這個模型很準」的時候，有能力追問一句「準是怎麼量的」

這些不需要你懂技術，花一個下午就補得起來。少了它，你沒辦法判斷系統做得好不好，也很容易被說法牽著走。

委外不等於甩手不管。 哪些答案不能講錯、政策改了要通知誰、什麼情況一定要轉真人——這一層一直都在你手上，而且不該交出去。

常見問題

參考資料

• 全國法規資料庫 —《消費者保護法》第 22 條（廣告內容之義務）（查證日 2026 年 8 月 19 日）｜繁體中文，台灣｜https://law.moj.gov.tw/LawClass/LawSingle.aspx?pcode=J0170001&flno=22
• 全國法規資料庫 —《個人資料保護法》第 8 條（蒐集時之告知義務）（查證日 2026 年 8 月 19 日）｜繁體中文，台灣｜https://law.moj.gov.tw/LawClass/LawSingle.aspx?pcode=I0050021&flno=8
• 歐盟執委會 — Transparency obligations under Article 50 of the AI Act（官方 FAQ，2026 年 8 月 2 日生效）｜英文，歐盟｜https://digital-strategy.ec.europa.eu/en/faqs/transparency-obligations-under-article-50-ai-act
• McCarthy Tétrault —《Moffatt v. Air Canada: A Misrepresentation by an AI Chatbot》（案件評析）｜英文，加拿大｜https://www.mccarthy.ca/en/insights/blogs/techlex/moffatt-v-air-canada-misrepresentation-ai-chatbot
• American Bar Association —《BC Tribunal Confirms Companies Remain Liable for Information Provided by AI Chatbot》｜英文，美國｜https://www.americanbar.org/groups/business_law/resources/business-law-today/2024-february/bc-tribunal-confirms-companies-remain-liable-information-provided-ai-chatbot/
• CBC News —《Air Canada found liable for chatbot’s bad advice on bereavement rates》（案件報導）｜英文，加拿大｜https://www.cbc.ca/news/canada/british-columbia/air-canada-chatbot-lawsuit-1.7116416