客服該怎麼用 AI？回覆客訴、追蹤進度等 10 大工作情境拆解，指令一次看

客服一天要回幾十封信、接一通又一通電話，手上的客訴案件還得一路追到結案。同一個問題被問第 10 次，每次都要從頭解釋一遍。

ChatGPT、Claude、Gemini 都能分擔這些文字工作，但客服的每一句回覆都直接面對顧客，一個超出權限的承諾、一條過期的退貨規定，就可能讓一件客訴變成 2 件。《經理人》拆解客服的工作內容，整理 10 個可以交給 AI 的情境，每個情境都附上依官方資源改寫的可複製 Prompt。

目錄

• 客服人員是什麼？工作內容有哪些？
• 用 AI 之前，客服該有的心法
• 客服可以怎麼用 AI？10 大情境＋可複製 Prompt
• 本次引用的官方資源與示範情境
• 客服用 AI 的常見誤區
• 客服用 AI 常見問題 FAQ

客服人員是什麼？工作內容有哪些？

客服中心的 4 大經營領域

2007 年《經理人》專訪時任台灣客服科技總經理邱登崧，他形容客服中心（Call Center）是企業的「保健因子」：做得好，顧客不見得死心塌地；做不好，顧客一定會離開。他指出，客服中心是企業面對顧客的第一線，也是顧客關係管理（CRM，Customer Relationship Management）整合與執行的樞紐。

邱登崧提醒，有些人對客服中心的認知還停留在有人值班接電話，或以為導入一套 IT 系統就能搞定顧客服務。他用 Inbound、Outbound 與 Service、Sales 4 項因素，把客服中心的經營領域分成 4 塊：進線服務（Inbound Service）、進線銷售（Inbound Sales）、外撥服務（Outbound Service）與外撥銷售（Outbound Sales）。

4 塊領域彼此會相互影響，例如從顧客的詢問電話中，有時就能發掘銷售其他產品的機會，客服中心因此不只是成本中心，也可以是利潤中心。

系統、程序、人員 3 要素缺一不可

邱登崧認為，客服中心要發揮功能，必須同時整合 3 個要素：

• 系統：值機、話務轉接、資料管理等設備，以及產業知識庫與顧客資料庫
• 程序：客服中心各項作業的流程
• 人員：第一線客服，需要同時具備服務專業（溝通、互動、抗壓）與產業專業（對所處行業的知識）

流程管理則靠關鍵績效指標（KPI，Key Performance Indicator）考核。量化指標包括平均處理時間、離線時間、客訴件數，甚至基本業績；質化的服務品質則可以透過錄音側聽評估；他也建議透過檢討各項 KPI、不定期抽測或滿意度調查，掌控並提升客服流程的效率。

以台灣客服科技為例，當時要求客服人員 20 秒內的應答率達到 85%，各企業可依自身需求與成本訂定合適的指標。

邱登崧當時也預期，未來的客服中心不再只以電話為主，會逐漸成為顧客可以透過行動通訊、傳真、網際網路、email 等多重管道聯繫企業的聯繫中心（Contact Center）。

客服的 5 類日常工作，對應本文 10 大情境

本文將客服每天處理的事歸納為 5 類，作為 10 個情境的分類依據：

用 AI 之前，客服該有的心法

本文談的是「客服人員用 AI」，不是導入客服機器人

波士頓顧問公司（BCG，Boston Consulting Group）董事總經理暨資深合夥人徐瑞廷，2024 年 10 月在《經理人》專欄中引述 BCG 調查：企業每年大約花費 140 億小時在客戶聯繫上，導入生成式 AI 後，生產力最高可提升 60%。

BCG 把客服導入生成式 AI 由淺入深分成 4 個階段：

1. 支持回應：客服人員與 AI 協同工作，AI 輔助解答複雜或跨部門的問題
2. 客戶自助：顧客透過 App 或網站自行發問、找到答案
3. 自動修復：AI 在客戶察覺前偵測並修復問題
4. 問題預防：透過 AI 預測並避免問題發生

後 3 個階段著重顧客端的自助服務，以及設備、網路的自動修復與預防。

本文討論的是客服人員自己打開 ChatGPT、Claude 或 Gemini，把它當成工作助手的做法，方向與第一階段「人與 AI 協同工作」相近，但不涉及企業導入客服 AI 系統。

分清楚哪些工作適合交給 AI

以下為本文的編輯判斷：

先準備一張「客服知識卡」，每次交辦直接沿用

若沒有提供資料，也沒有串接可存取的公司文件，AI 無法可靠掌握公司的退換貨政策、補償權限與品牌語氣，產出的回覆就只能依一般情況撰寫。

Anthropic 為 Claude 推出的客服外掛（Customer Support Plugin）中，回覆草擬技能在動筆前，會從已串接的工具蒐集背景資訊，包括過去與這位顧客的往來、先前給過的承諾與時程，以及知識庫裡的官方文件與政策。

客服可以比照這個做法，把每次都會用到的背景整理成一張知識卡，存在筆記或 AI 工具的專案指示裡，之後每則 Prompt 直接沿用：

最後一行的寫作規則為本文新增，用意是讓 AI 在資訊不足時標示出來，而不是編一個看似合理的答案。

寄出前一律人工確認，個資能少給就少給

Anthropic 客服外掛產出回覆草稿時，會同時附上一段「給你的內部備註（不要寄出）」，列出寄出前需要核對的事實與承諾、這則回覆的風險，以及是否應先交給其他人審閱。它的品質檢查清單也包括：沒有超出授權的承諾、沒有對外透露不該分享的產品規畫、引用的過去對話是否正確。

OpenAI 在給客戶成功團隊的指南中也提到，後續跟進、升級說明這類訊息需要精簡、正確，ChatGPT 可以先草擬結構化的第一版，讓人把時間花在確認內容，而不是排版。

顧客的姓名、聯絡方式、財務情況，以及其他能直接或間接識別個人的資料，都屬於《個人資料保護法》（下稱個資法）第 2 條第 1 款所定義的個人資料。把顧客來信或對話紀錄貼進 AI 之前，先確認所用工具與方案經過公司核可、了解它的資料使用與保存政策，並刪除這次任務用不到的欄位，例如電話、地址與信用卡資訊。

客服可以怎麼用 AI？10 大情境＋可複製 Prompt

以下 10 個情境依客服的工作流程排列。引用區塊內的英文為官方 Prompt 原文（標點與換行略作統一），「可複製 Prompt」則是依官方方法論改寫的中文版本，並非逐字翻譯，方括號內為需自行替換的欄位。

OpenAI 的部分，本文採用它給客戶成功團隊（customer success）的指南中，可延伸至客服工作的 Prompt。文中提到的 Anthropic 客服外掛，依 2026 年 9 月 30 日查閱的版本撰寫。

情境 1：回覆客訴信件與訊息

工作場景：顧客來信說耳機送到時已經壞了，附上照片，要求加急寄送新品，但原訂單並不包含加急。語氣太硬會火上加油，太軟又可能答應做不到的事。

參考資源與延伸設計：Google 在客服提示詞頁面示範，客服代表在 Google 文件中用「Help me write」請 Gemini 草擬回覆，Prompt 原文為：

Google 用角色、任務、脈絡、格式 4 種標示，說明這則 Prompt 的組成。產出草稿後，官方示範再追問不提供加急時的替代方案：

Anthropic 客服外掛的回覆草擬技能（draft-response）建議，多數回覆依 4 段結構撰寫：先用 1～2 句確認顧客的處境、再用 1～3 段說明核心訊息、接著列出下一步（我方會做什麼與何時完成、顧客需要做什麼、何時會再收到消息），最後一句結語。長度則依管道調整，即時通訊 1～4 句、客服工單 1～3 個短段落、email 最多 3～5 段；寫作時使用具體日期而非「過幾天」，也不把責任推給其他部門或系統。

《經理人》整理自《奧客也無可挑剔的服務絕學：這樣服務，客人離不開你》的客訴處理 4 步驟，可以和這個結構對照：感同身受地傾聽而不急著辯解、用提問確認需求、提出多個解決辦法讓顧客選擇、向顧客傳達感謝。

本文的 Prompt 結合兩者，字數上限為本文示範。

可複製 Prompt（客訴回覆）

可複製 Prompt（替代方案發想）

替代方案清單只是發想素材，補償內容與金額仍須依公司規定，由具權責的人核定後才能告訴顧客。Google 提示撰寫指南中客服範例的中文整理，可參考〈Gemini 提示詞懶人包：客服、主管、人資、行銷、專案管理、銷售 6 大情境範例〉。

情境 2：從多份文件找答案，回覆複雜提問

工作場景：顧客一封信同時問退貨規定、商品成分，以及有沒有某項認證，答案分散在 3 份不同的文件裡，一份一份翻完才能回信。

參考資源與延伸設計：Google 示範客服在雲端硬碟側邊欄請 Gemini 彙整資料，Prompt 原文為：

Gemini 會回傳摘要與相關檔案的連結，客服讀過之後，再到 Gmail 側邊欄用「@檔案名稱」標註 FAQ 文件，請 Gemini 依文件內容回覆顧客：

Anthropic 客服外掛的客戶研究技能（customer-research）則要求每個答案都標示信心等級：答案由官方文件或多個來源證實，且資訊是最新的，為「高」；只出現在非正式來源、或只有單一來源時為「中」；由相關資訊推論、來源過時或互相矛盾時為「低」；完全找不到時為「無法判斷」。

不同來源說法矛盾時，要明確指出矛盾之處，在釐清之前，對顧客回覆先採用最保守的答案。答案涉及產品規畫、價格、法律或資安時，也要標示可能需要審核。

可複製 Prompt

要求 AI 依文件回答，無法保證文件本身是最新版本。上傳的 FAQ 或政策若是舊版，AI 可能照著舊內容給出錯誤答案；即使是新版文件，AI 的整理也要回頭對照原文確認；AI 自己標的信心等級，不等於已經人工驗證。

情境 3：進線案件分類與優先排序

工作場景：早上打開信箱有 60 封新信，LINE 官方帳號還有 20 則未讀。哪些要馬上處理、哪些可以排到下午，全靠當班客服的經驗判斷。

參考資源與延伸設計：Anthropic 客服外掛的案件分類技能（ticket-triage），會先從每則訊息拆解出核心問題、症狀、顧客背景、急迫訊號與情緒狀態，再決定類別、優先等級與處理單位。

從類別設計來看，這項技能以軟體服務為主要對象，把案件分成 bug、操作問題、功能需求、帳務、帳號、串接整合、資安、資料、效能 9 類；分類時依問題的根本原因判斷，而不是表面症狀，拿不準等級時寧可排高，因為降級比錯過時限容易補救。

優先等級分為 P1 到 P4，外掛列出的首次回應時限分別為 1 小時內、4 小時內、1 個工作天內與 2 個工作天內。

以下情況會自動調高等級：顧客等待已超過時限、多位顧客反映同一問題、顧客明確要求升級或提到高層、原本可用的替代做法失效、影響範圍擴大。

本文的 Prompt 把類別改成一般企業常見的分類，等級定義與回應時限請換成公司自己的服務標準。

可複製 Prompt

AI 的分類只是排序建議，由人確認後再依公司流程處理；涉及資安或個資外洩疑慮的訊息，應依既有通報流程立即處理，不必等 AI 分類。被標為「疑似同一問題」的訊息，則是情境 8 分析趨勢的起點。

情境 4：客訴進度追蹤與主動更新

工作場景：手上同時掛著 15 件客訴，有的在等倉庫回覆，有的在等工程師查原因。顧客打電話來問「到底處理到哪了」，才發現上次回覆已經是 5 天前。

參考資源與延伸設計：〈處理客訴 SOP！4 步驟，讓抱怨的客人變粉絲〉一文建議，當下無法提出解決辦法時，可以先請顧客稍候、向有經驗的同事求助，並最好在 15 分鐘內回報處理進度，超過這個時間容易讓顧客產生不信任感。

案件拉長到數天時，可以參考情境 3 提到的 Anthropic 案件分類技能，它在 P1～P4 的服務時限中，也列出處理與更新顧客的節奏：

同一外掛的升級轉交技能（customer-escalation）也提醒，即使沒有新資訊，也要更新顧客目前查到哪裡。

本文依這套節奏設計了 2 則 Prompt：一則整理今天該跟進的案件，一則撰寫給顧客的進度更新。表中數字是外掛列出的參考值，實際頻率請依公司規定調整。

可複製 Prompt（今日跟進清單）

可複製 Prompt（進度更新）

寫給顧客的預計完成時間，要先和負責單位確認過才能寄出，不要讓 AI 依常理推估。本文引用的框架要求 P1 持續處理直到解決或緩解，公司若採用類似標準，緊急案件不應因下班或周末暫停計時。

情境 5：升級轉交，寫給工程、產品或主管的轉交單

工作場景：同一個 App 閃退問題，本周已經有 3 位顧客反映，第一線查不出原因，要轉給工程團隊。上次的轉交單只寫了「顧客說不能用」，被退回要求補資料。

參考資源與延伸設計：Anthropic 客服外掛的升級轉交技能，列出幾種應該升級的情況，包括確認是需要修改程式的 bug、多位顧客受影響、高價值顧客可能流失、即將或已經超過服務時限，以及同一問題有 3 位以上顧客反映；資安問題則不必逐級上報，發現後直接轉給資安團隊。

轉交時要盡可能量化影響，從廣度（多少顧客受影響、是否擴大中）、深度（完全無法使用或只是不便）、持續時間、營收、商譽與合約 6 個面向評估。

這項技能也指出，重現步驟是 bug 升級時最有價值的資訊；轉交單還要寫清楚你需要對方「調查」「修正」還是「做決定」，因為這是 3 種不同的請求。

OpenAI 在客戶成功團隊指南中提供的升級說明 Prompt 原文為：

案件需要換手時，同一份指南的內部交接摘要 Prompt 原文為：

可複製 Prompt

Anthropic 的升級轉交技能提醒，把技術問題轉出去之後，仍要持續負責與顧客的關係。

它建議的轉交後跟進頻率為：

• 緊急案件每 2 小時內部跟進、每 2～4 小時（或依服務時限）更新顧客
• 高度案件每 4 小時內部跟進、每 4～8 小時更新顧客
• 中度案件每天內部跟進、每 1～2 個工作天更新顧客。

更新顧客時，可以套用情境 4 的進度更新 Prompt。情境 4 與這裡的頻率分屬不同流程，前者依案件優先等級、後者依轉交後的嚴重程度，實際更新時限仍以公司的服務標準與對顧客的既有承諾為準。

情境 6：建立標準話術與回覆範本

工作場景：同樣是出貨延遲，A 客服寫得像公文，B 客服寫得像朋友聊天，顧客收到的服務品質，取決於當天是誰值班。

參考資源與延伸設計：邱登崧在前述專訪中指出，客服中心的標準作業程序（SOP，Standard Operation Procedure）應包含標準化的應對用語與制度化的進線處理流程，讓每一位顧客都能得到相同水準的服務。

Google 示範客服主管在 Google 文件中，請 Gemini 一次產出 3 種溝通範本，Prompt 原文為：

電話溝通的部分，官方示範在 Gemini App 中產生開場白、問候語與結束語範本：

Google 也說明，這些範本是起點，仍要依品牌與公司政策編輯、調整。

Anthropic 客服外掛則依情境區分語氣：例行更新用專業清楚的語氣；交付延遲要誠實、致歉並提出具體行動；傳達壞消息要直接、坦白，並著重解決方案；帳務問題則要精確、就事論事。

可複製 Prompt

範本上線前，由主管對照現行政策逐則確認；政策調整時，範本庫也要同步更新。

情境 7：把重複問題寫成 FAQ 與知識庫文章

工作場景：「退貨運費誰出」這個月被問了 40 次，官網 FAQ 寫得像合約條文，顧客看不懂，只好打電話來問。

參考資源與延伸設計：Google 示範的情境是，顧客反映退貨規定寫得不清楚，客服在 Google 文件中請 Gemini 改寫，Prompt 原文為：

接著再把改寫後的退貨、退款與購物金政策，整理成一篇標題為「不需客服協助也能解決的常見問題」的短文，並草擬一封引導顧客使用這些自助資源的信件範本。

Anthropic 客服外掛的知識庫文章技能（kb-article），把文章分成操作教學、疑難排解、FAQ、已知問題與參考資料等類型。它要求標題使用顧客搜尋時會用的字，例如完整的錯誤訊息，並用顧客的說法取代內部術語；每篇文章第一句用白話重述問題，FAQ 則在第一句就直接回答。

可複製 Prompt

依《消費者保護法》第 19 條，網路購物等通訊交易的消費者，可以在收受商品後 7 日內，以退回商品或書面通知的方式解除契約，無須說明理由，也不必負擔任何費用或對價；但通訊交易有合理例外情事者，不在此限。

例外範圍由行政院訂定的「通訊交易解除權合理例外情事適用準則」規範，例如易於腐敗的商品、依消費者要求的客製化給付、已拆封的個人衛生用品等，且須經企業經營者告知消費者將排除 7 日解除權，才屬於合理例外，違反該條規定的約定無效。

AI 改寫退貨說明後，務必逐句對照政策原文與法規，不要讓更好讀的版本改變了條件。

情境 8：分析客戶意見與客訴趨勢

工作場景：主管要一份季報，說明這一季客訴最多的是什麼、和上一季相比有沒有變化。客服系統匯出 2000 筆紀錄，開放欄位的文字沒人有時間讀完。

參考資源與延伸設計：《經理人》在〈面對客訴，責難第一線人員無濟於事！4 原因 3 方法，迅速解決客人的問題〉一文中指出，客訴是「來自客戶的重大訊息」，企業可以透過客訴掌握平時很難了解的問題。

《經理人》2024 年報導中華電信 100% 持股的客服子公司宏華國際時也提到，AI 智能客服會記錄、分析客服狀況並偵測常見問題，企業若依這些常見客訴從流程或制度著手改善，有機會減少重複來電與客服負荷。

Google 示範客服支援專員把追蹤顧客回饋的試算表上傳到 Gemini App，Prompt 原文為：

OpenAI 客戶成功團隊指南中，客戶之聲（VOC，Voice of Customer）主題分析的 Prompt 原文為：

發現問題需要其他部門一起處理時，Google 也示範用 Gemini in Gmail 草擬會議邀請：

寄出邀請後，官方示範再請 Gemini in Sheets 建立追蹤表，以客服案件量與高、中、低優先等級等指標，追蹤各項顧客體驗改善措施的進度與成效。

可複製 Prompt

AI 自己回報的筆數不能證明沒有漏讀，請用 Excel 或原始系統核對總筆數，並抽幾筆驗算。AI 推測的原因只是假設，寫進報告時標示為待驗證，要有資料或調查佐證才能當成結論。

情境 9：結案後關懷與滿意度問卷

工作場景：客訴結案後就沒有再聯絡，下一次再看到這位顧客，已經是社群上的一星評論。

參考資源與延伸設計：前述客訴處理 4 步驟的最後一步是向顧客傳達感謝。該文指出，道歉雖然必要，但有時聽起來像賠罪，反而讓顧客有罪惡感；真誠感謝顧客的批評指教，更能留下好印象。

Google 示範客服打開一封負評來信，用 Gemini in Gmail 邀請顧客進行後續對話，Prompt 原文為：

產生草稿後，官方示範再用「Refine」與「Elaborate」功能調整措辭。接著在 Google 文件中設計每通後續電話結束後寄出的簡短問卷：

時間點的部分，Anthropic 客服外掛建議在傳達壞消息後約一周，回頭確認對顧客的影響與顧客的感受；本文借用這個時間點，作為客訴結案後關懷的參考。

可複製 Prompt（結案後關懷）

可複製 Prompt（滿意度問卷）

Prompt 第二點只能填入真正做過的改善，沒有就刪除，不要讓 AI 替公司編一個改善措施。問卷回收後，可以回到情境 8 的 Prompt 分析結果。

情境 10：新人訓練與通話品質檢視

工作場景：新人上線第一周，就遇到在電話裡大聲罵人的顧客，只能邊聽邊慌。主管想抽聽錄音檢查服務品質，一周卻只聽得完 5 通。

參考資源與延伸設計：前述專訪提到，台灣客服科技規定新進客服人員先接受一個月的基礎訓練，再透過進階課程與定期考試持續培養專業。

Google 示範客服主管用 Gemini in Docs 整理新人訓練教材，Prompt 原文為：

品質檢視的部分，宏華國際在 2023 年只花 10 萬元開發 AI 語音質檢功能。過去主管必須逐一聽錄音檢查服務品質，導入後，AI 以情緒辨識捕捉客服與顧客的語氣變化、詞彙使用等細節，並透過意圖分析理解顧客需求，最後生成報告供主管擬定改善行動。

沒有這類系統的團隊，也可以把通話逐字稿貼給 AI，依檢核表逐項比對；文字稿只能檢查用詞與流程，語氣、停頓等聲音表現仍需回聽錄音。本文的檢核項目參考 Anthropic 客服外掛的寫作規範，例如使用主動語態、用顧客的說法而非內部術語、寫出具體日期、不把責任推給其他團隊或系統。

可複製 Prompt（新人模擬演練）

可複製 Prompt（通話品質檢視）

通話錄音與逐字稿同時涉及顧客與客服人員本人的個資，使用前請依公司規範與相關法規處理。AI 的評估結果適合作為主管輔導的素材，不宜直接作為考績依據。

本次引用的官方資源與示範情境

3 家的客服相關資源性質不同：Google 提供依角色分類的 Prompt 範例；OpenAI 本文選用的是客戶成功團隊指南；Anthropic 則以可安裝的客服外掛與開發者文件為主。

三者沒有共同的評測方法，下表只整理「官方示範過什麼」，不代表哪個工具在該情境比較好用。

各家資源會持續更新，本文依查證時的版本撰寫，實際內容請以官方最新版本為準。

客服用 AI 的常見誤區

誤區 1：讓 AI 寫出的補償與時程直接寄出

寫給顧客的補償、退款金額與完成時間，顧客會當成公司的正式答覆。Anthropic 在建置客服聊天機器人的開發者文件中，把「避免做出未經授權的承諾或達成未經授權的協議」列為強化防護的做法之一，文件中的範例防護規則也包括不推測未來的產品與公司計畫。客服人員自己用 AI 寫回覆時，同樣要把補償、退款與完成時間留給具權責的人確認。

誤區 2：未經核對，就把 AI 從網路找到的答案回覆顧客

Anthropic 客服外掛的客戶研究技能，把資料來源分成 5 層：官方內部文件、知識庫與政策的信心最高，網路、論壇與第三方文件只有低到中度信心，因為它們不一定反映你公司的實際狀況。只查得到網路資料時，外掛會提醒使用者先對照內部文件確認，再回覆顧客。

誤區 3：政策改了，範本和 FAQ 沒有跟著改

Anthropic 的知識庫文章技能直言，錯誤的文章比沒有文章更糟。它建議發布前先經同儕審查、技術內容再請專家確認；每月檢查超過 6 個月沒更新的文章，每季稽核瀏覽量最高的文章，已知問題則每周更新狀態。用 AI 大量產出範本和 FAQ 之前，最好先決定由誰、多久檢查一次。

誤區 4：用同一種語氣回覆所有顧客

Anthropic 客服外掛依顧客關係階段調整語氣：合作 0～3 個月的新顧客，用較正式的語氣並多做說明；合作 3 個月以上的顧客，可以更直接、提及過去的往來；已經不滿或升級的顧客，則需要更多同理、更快的回應節奏，以及附具體承諾的行動計畫。把顧客所處的階段寫進 Prompt，AI 才有依據調整語氣。

客服用 AI 常見問題 FAQ

Q1：客服需要學寫程式，才能把 AI 用好嗎？

不需要。本文的 Prompt 都以自然語言撰寫，可以直接貼進 ChatGPT、Claude 或 Gemini 的對話框使用；Google 的示範也都在 Gmail、Google 文件、試算表、雲端硬碟與 Gemini App 中直接操作。Anthropic 客服外掛主要供 Claude 的 Cowork 使用，也可在 Claude Code 執行；它的說明指出，沒有串接客服平台或知識庫時，外掛會請使用者手動提供背景資訊，並提供可以自行填入的框架與範本。若要讓 AI 直接讀取客服平台、知識庫等系統的資料，則需要另外設定串接，並先確認公司的權限與資安規範。

Q2：ChatGPT、Claude、Gemini，客服該選哪一個？

比較實際的判斷方式，是看你的資料放在哪裡。Google 的示範多半直接在 Gmail、雲端硬碟與試算表中操作，適合已經使用 Google Workspace 的團隊；Anthropic 客服外掛可串接 Intercom 等客服平台、HubSpot 等顧客關係管理系統，以及 Slack、Notion、Microsoft 365 等工具；OpenAI 的客戶成功團隊指南則建議搭配專案（Projects）、資料分析、檔案與深度研究等功能。各家方案與功能開放範圍不同，導入前請先確認公司的 AI 使用規範，再用手上的實際案件試用。

Q3：AI 會取代客服嗎？

徐瑞廷在專欄中指出，AI 終究是工具，無法完全取代人力，不同客服情境中人與 AI 協力的模式也不同。宏華國際客服新事業處協理曾世忠說明，宏華一開始就以人機協作為規畫方向，「真人客服永遠都會存在，AI 是很好的備援，它取代的只是部分環節。」從本文整理的 10 個情境來看，官方示範交給 AI 的是起草、整理、分類與分析。本文建議，補償與例外怎麼給、對顧客承諾什麼、案件能不能結案，仍由客服人員與具權責的主管判斷。

本文 Prompt 為依 OpenAI、Anthropic、Google 官方公開資源改寫的中文版本，非逐字翻譯；引用區塊中的英文為官方原文。各家工具介面、功能與外掛內容持續更新，如與本文描述不符，請以官方最新版本為準。資料查證時間：2026 年 9 月 30 日。

資料來源：Google Workspace、OpenAI、Anthropic、Anthropic、Anthropic、Anthropic、Anthropic、Anthropic、Claude 開發者文件、全國法規資料庫、行政院消費者保護會、全國法規資料庫、臺北市法規查詢系統、經理人 1、經理人 2、經理人 3、經理人 4、經理人 5、經理人 6；本文初稿由 AI 協助整理，編輯：支琬清