AI客服加快處理量，服務品質會被速度吃掉嗎？

 

AI 進客服中心，先把效率拉高

人工智慧進軍客服產業，最先被看見的，是它替企業省下例行工作，也把一些人力從重複流程中解放出來。從英國到美國，實際前線的感受卻更複雜，因為系統常把最難、最情緒化的案件留給真人處理，工作壓力跟著上來。

這篇材料談的焦點很清楚：AI 在客服的效率提升，和第一線員工承受的新增壓力，同時發生。企業看到的是速度、成本與一致性，員工看到的是錯誤重工、情緒勞動加重，以及培養能力的路徑被改寫。

 

有人覺得好用，有人每天都在重寫

美國信用卡公司員工 Kaylee Harris 的經驗，算是比較正面的版本。過去她一天多半在打電話、做筆記、照稿處理條款；現在有 AI 協助生成通話紀錄與流程內容，她能把時間放回理解客戶問題，也更有空回到以客戶為中心的服務節奏。對前線來說，這類工具確實能減少瑣事。

但她也提到一個很現實的問題：系統出錯就得重做。效率看起來提高了，實際上若錯誤率不低，員工花在修正上的時間會跟著增加。她更擔心的是，企業若只盯著速度與件數，最後壓縮的會是服務品質與客戶體驗。

英國 Cardiff 電信公司客服員工 Shannon 的感受就更直接。她說 AI 自動筆記常常出錯，很多時候乾脆自己重寫，免得錯記客戶資訊後面更亂。她在不動產服務公司時，管理階層甚至要員工「不會就用 ChatGPT」，由 AI 先處理預約看房；一旦系統卡住，案子又回到人類手上，前線就變成一直救火。

 

企業想省工時，難案件也一起往前線堆

PolyAI 執行長 Nikola Mrkšić 的說法，把這個現象講得很白。他形容聯絡中心員工長期承受的是最高程度的辱罵、最低水準的薪資，還要在嚴格績效壓力下處理很多自己無法決定的問題。這種工作型態本來就吃力，AI 若只負責簡單案件，留下來給人的部分反而更難。

英國電信與媒體公司 Virgin Media O2 去年九月推出 AI 語音客服，就是典型的分工思路：例行查詢交給機器，真人處理複雜與敏感案件。英國客服外包公司 ArvatoConnect 也把目標訂得很明確，七成互動交給技術，三成由人員處理。它替英國政府採購機構 Crown Commercial Service 開發的工具，AI 生成供應商可行性評估初稿，準確率約 97%，省下不少人工整理資料的時間。

這些案例說明一件事：AI 在客服裡的角色，已經從「試用工具」走向「流程的一部分」。短期來看，這能提高處理量、降低重複勞動，也能讓部分員工把心力放在更複雜的互動上。問題在於，複雜案件同時也更耗神，對第一線的體力與心理都是壓力。

 

簡單案件被拿走，學習曲線也被改寫

King’s College London 學者 Amanda Jones 提醒，風險不只在工作量，而在工作內容的結構改變。過去較簡單的案件，某種程度上是員工在忙碌中喘口氣的空檔，也提供累積經驗的機會。現在這些案件若被自動化拿走，人類接手的就是被篩選過的高難度與高情緒案件。

她的觀察很重要，因為它點出 AI 導入後常被忽略的一面：經驗怎麼養成。如果新人接觸不到基礎案件，卻又被期待直接處理高複雜度問題，壓力會更集中，職涯培力也會變薄。工作量也許沒變，主觀感受卻更緊繃。

ArvatoConnect 的 Maxwell 因此主張，傳統「平均通話時間」這類指標要重新看。她比較重視的是員工是否理解客戶需求、做出合理判斷、給出合適方案。這種標準對真人比較公平，也更符合客服真正要解決的事情。代價是，企業得接受處理時間可能拉長，考核方式也要跟著改。

 

速度拉高之後，企業得面對服務品質

Harris 的另一個擔心，其實很接近市場常見的迷思：大家都想要更快、更多，但速度上來之後，品質常被擠壓。她認為，客戶對被強推 AI 介面感到厭煩，對服務的信任感也會下降。這不是技術能不能做的問題，而是使用者會不會接受的問題。

Shannon 的看法也差不多。她承認 AI 在資訊查詢與基本流程上有潛力，但客服最後仍牽涉到真實互動與願意多做一步的感受。對很多人來說，客服不只是把事情辦完，還包含被理解、被接住的過程。這一點，機器能不能做到，市場現在還在摸索。

從整體來看，AI 在客服領域的應用大方向已經很清楚，企業也很難回頭。成本下降、處理量增加、流程一致性提高，都是它會持續被導入的原因。接下來比較值得看的是，企業會把它用成支援工具，還是把更多難事集中壓在少數真人身上。

如果績效制度還是只看件數與速度，前線壓力大概會繼續升高。若企業願意重新設計工作內容與衡量方式，AI 才有機會真的改善客服品質，而不只是一台更快的分派機器。