人工智慧

AI 客服轉真人時機:5 個信號+怎麼交接

客服視窗裡,顧客在這通對話已經是第三次打出「我要轉真人」,AI 給的答案卻還是前兩次那句幾乎一模一樣的罐頭回覆。原本還算有耐性的語氣,這時已經從等待轉成不耐煩,打字速度變快,句尾開始出現驚嘆號。這個畫面點出多數導入 AI 客服的中小企業還沒想清楚的一件事,AI 答不出來不是重點,沒有人事先幫它設計好「什麼時候該放手」才是問題所在。AI 客服轉真人時機這件事,決定的不只是顧客這一次的心情,還牽涉整套客服系統設計得對不對。

這篇要談的不是 AI 客服好不好用,而是「轉真人」這個機制本身該怎麼設計——先從它為什麼常被誤會講起,再一路拆到哪些情況該轉、轉的時候該怎麼交接,才不會讓顧客在系統裡卡關。

AI 客服的「轉真人」機制是什麼?

「轉真人」這三個字,常被誤會成 AI 客服「投降」或「能力不夠」的訊號。多數人一想到要把對話轉給真人,第一個念頭是這套 AI 是不是不夠聰明、才需要真人補位。這個理解方向其實反了。

轉真人指的是,把一段對話連同它累積的脈絡,從 AI 客服系統交接給真人客服接手,而不是讓顧客回到起點重新描述一次;它是客服系統上線前就該規劃好的分工設計,不是臨時的補救措施。Zendesk 是國際上主流的客服軟體平台,官方發布的內容裡就點出這個常見誤解,說明 AI 不會取代真人客服,好的顧客體驗其實是靠 AI 與真人各自發揮專長揉合而成,設計得當的 AI 工具,也能依照顧客的個別需求,把問題順暢地交給真人代理。

順著這個定位往下看,AI 該負責的是量大、規則明確、重複性高的部分,像是查詢訂單狀態、回答常見問題、教顧客操作簡單步驟;真人該負責的,是需要情緒判斷、需要彈性拿捏、涉及風險與例外的狀況。這條「AI 顧量、真人顧判斷」的分工線,決定了下面要往下拆的兩個問題:什麼時候該轉、轉得好不好。

AI 客服負責量大、規則明確、重複性高的查詢與常見問答,真人負責情緒、彈性拿捏與退款合約個資等高風險判斷,轉真人時帶著對話脈絡交接。
AI 顧量、真人顧判斷:轉真人是客服上線前就規劃好的分工,交接時把脈絡一起帶過去,顧客不用回到起點重講。

AI 客服該在哪些情況主動轉真人?

知道「轉真人是設計,不是失敗」之後,下一步要回答的,就是 AI 客服轉真人時機具體該怎麼抓。連國際上把 AI 客服用得最積極的企業,都曾經在這件事上跌過一跤。Klarna 在 2024 年宣稱,自家的 AI 客服助理可以頂替大約七百個客服職缺的工作量,上線第一個月就處理掉全公司三分之二的客服對話,相當於兩百三十萬次。但這套系統衝得太快,服務品質也跟著下滑,執行長 Sebastian Siemiatkowski 到了 2025 年公開承認,公司把效率與成本看得太重,結果是服務品質變差,這種做法撐不下去,於是重新招募真人客服補回來。這個例子說明,轉真人的時機從系統設計那一刻就該想清楚,不是等到出狀況才臨時補救。

以下五種情況,都是該讓 AI 主動放手、把對話交給真人的具體信號,你可以對照自己現在用的 AI 客服,看中了幾項。

AI 客服轉真人時機的 5 個信號:顧客明白要求轉真人、AI 卡進重複迴圈、語氣轉為不耐煩、涉及退款合約個資爭議、顧客準備好談客製方案。
命中這 5 個信號,就是該讓 AI 主動把對話交給真人的時機。

顧客已經明白要求轉真人

顧客自己開口說「我要真人」、「幫我轉客服」,是最不需要猶豫判斷的一種情況。這時候不管 AI 原本設計的對話流程走到哪一步,都應該當成最高優先權,立刻轉接,不要再多問一輪「請問您需要什麼協助」,也不要試著用另一句話挽留顧客繼續跟 AI 對話。顧客已經表態,繼續繞流程只會讓耐性更快耗盡。

AI 答不出來、卡進重複迴圈

另一種容易被忽略的情況,是 AI 已經卡進重複迴圈,同一個問題顧客問了第二次,或 AI 連續兩次給出幾乎一樣的答案,對話卻還是沒有真正往前推進。這種時候,問題往往不在 AI「答錯了」,而在它已經沒有新的內容可以回應,卻還在原地打轉。比較明確的做法,是把「同一個問題被問第二次」或「AI 重複給出相同答案兩次以上」直接設成系統的自動轉出條件,不要等到對話拖到第五輪、第六輪才處理。畢竟顧客願意等待的次數是有限的,每多繞一圈,不耐煩的程度就往上疊加一次。

顧客語氣明顯轉為不耐煩

顧客的語氣變化,也是該主動介入的訊號。打字忽然變短、用詞變得直接甚至帶刺、句尾開始出現連續驚嘆號或整句大寫,都代表耐性正在流失。這些訊號通常比顧客真正動怒還早出現,AI 客服如果能在這個階段就主動提出轉真人,而不是等到顧客已經動氣才反應,能省下不少後續安撫的力氣。判斷這種情緒訊號不需要多複雜的技術,多數對話系統本身就能做簡單的用字與句型偵測,重點是把它設成觸發轉出的條件之一,而不是放著不管。

問題涉及退款、合約或個資爭議

只要問題碰到退款金額、合約條款認定,或牽涉個人資料爭議,就該一律轉給真人做最終決定,不讓 AI 代替企業拍板。這類問題的共同點是風險高、責任重,AI 給出的判斷一旦出錯,企業要承擔的不只是顧客的不滿,還有實際的金錢與法律責任。這也不只是體驗好不好的問題,背後還有一個法定時鐘在跑。依《消費者保護法》第四十三條第二項規定,企業經營者對消費者的申訴,應該從接獲申訴之日起十五日內妥適處理。換句話說,讓 AI 在這類爭議上多繞幾圈才轉真人,實際上是在消耗這十五天裡本就有限的處理時間。

顧客已經準備好談客製方案

轉真人不是只有補救的一面,也可以是機會。當顧客開始問「能不能依我們的情況客製」、「這個價格能不能談」、「我們想長期合作,有沒有專屬方案」,這類對話的價值遠高於一般問答,及早轉給真人反而比讓 AI 繼續應答更容易成交。如果 AI 把這種訊號當成普通問題處理,用制式的答案打發過去,等於錯過一個原本可以談成的機會。設計轉真人條件時,除了處理麻煩,也該把這類「顧客準備好往下談」的正向訊號一併考慮進去。

交接怎麼設計,顧客才不會被迫重講一次?

上一節談的是「什麼時候該轉」,這一節要談「轉得好不好」。核心原則其實只有一個。顧客從 AI 轉給真人之後,不該被要求「麻煩你再說一次」。把這個原則拆開來看,有幾個你可以直接照做的設計重點。

好交接帶著對話摘要一起交、先預告等待時間、依分類直達窗口、入口隨時看得到、下班可留言預約;壞交接則讓顧客重講、面對沉默與二次轉接。
同一個轉真人動作,差別在顧客要不要重講一次——帶著摘要、預告等待、直達窗口的交接,顧客才有感。

把對話摘要和已嘗試的步驟一起交給真人

真人接手的那一刻,手上該有的不只是「顧客正在等」這個訊息,還要包括顧客一開始想解決什麼、AI 已經問過哪些問題、嘗試過哪些做法、目前卡在哪一個環節。這些資訊整理成一份簡短的對話摘要,跟著轉接動作一起送到真人手上,真人才能一眼看懂狀況,直接接著往下做,不用再從頭問一輪「請問您的問題是什麼」。少了這份摘要,轉真人反而變成顧客要多花時間,把剛剛跟 AI 講過的話再講一次給真人聽,等於白白浪費前面 AI 已經蒐集到的資訊。

轉真人時把一份對話摘要交給真人,含顧客一開始想解決什麼、AI 問過哪些問題、已嘗試哪些做法、目前卡在哪一環節,真人不用重問。
把顧客想解決什麼、AI 問過與試過什麼、卡在哪一起交給真人,真人一眼看懂、直接接手。

轉出前,先讓顧客知道接下來會發生什麼事

轉接過程中最讓人焦慮的,往往是那段畫面忽然靜止的沉默。顧客不知道系統是當機了,還是已經沒人在處理。比較好的做法,是 AI 在轉出前就主動說清楚接下來會發生什麼事,例如聊天視窗可以顯示「已經幫你轉接專人客服,目前預估等待時間約三分鐘」;如果是語音客服,則可以換成一句口語提示,像是「這個問題我幫你轉給專人處理,請不要掛斷,大約需要等候幾分鐘」。這一兩句話不需要多花俏,重點是讓顧客知道系統還在動、大概要等多久,而不是對著一片空白畫面自己猜測。

轉對窗口,避免二次轉接

比起沒有真人可轉,更讓顧客洩氣的是好不容易轉到真人,卻被告知「這個部分我沒辦法處理,要再幫你轉一次」。要避免這種二次轉接,關鍵在 AI 轉出前先做好問題分類,例如判斷這通對話屬於帳務問題、技術問題還是客訴案件,再依分類直接送到對應的窗口或部門,而不是丟給一個統一的客服前台,讓真人接手後才發現要再轉一手。這一步做得好不好,直接影響顧客對整套轉真人機制的信任感,畢竟沒有人喜歡把同一件事重講兩次、還要多等一次隊。

讓「找真人」的入口,顧客隨時看得到

轉真人的入口,不該藏在第三層選單裡,要讓顧客在對話視窗裡隨時看得到、點得到。有趣的是,這個設計帶來的效果常常跟直覺相反,顧客越清楚知道「我隨時可以找到真人」,反而越願意先耐心跟 AI 互動看看,因為他知道 AI 答不出來的時候,退路一直都在,不用擔心被困在系統裡出不去。反過來說,如果轉真人的入口刻意藏起來,顧客會提早失去耐性,甚至一開始就跳過 AI 直接找方法聯絡真人,讓 AI 客服原本該分擔的量,一開始就沒發揮作用。

真人下班後,轉真人的請求怎麼處理?

台灣不少中小企業會遇到一個現實狀況。AI 客服可以二十四小時待命,真人客服卻只有固定的上班時間。這種時候,讓顧客的轉真人請求對著空氣等待是最糟的處理方式。比較好的設計,是讓 AI 在非上班時段誠實說明現況,例如告知現在是非服務時間、下一個上班時段大約幾點會有人接手,同時提供留言或預約回電的選項,讓顧客可以先把問題留下,而不是眼睜睜看著轉出的請求石沉大海。這一步做好,顧客不會因為聯絡不到真人就直接對品牌失去耐性。

轉真人的品質怎麼衡量?別只看轉出次數

系統上線一段時間之後,很多團隊會盯著「這個月轉了幾次真人」這個數字,但這個數字其實只能反映 AI 應付不了多少對話,看不出轉出去之後品質好不好。要真正判斷你的轉真人機制設計得成不成功,得換一組指標來看,也要有一套機制,把發現持續補回 AI 的知識庫裡。

這幾個數字,比「轉出率」更該追蹤

比起單純的轉出次數,有幾個數字更值得放進儀表板長期追蹤:

  1. 顧客轉真人之後,有沒有被要求重講一次原本已經跟 AI 講過的內容,如果有,代表交接沒有把摘要真的帶過去。
  2. 真人接手後,實際開始回應顧客所花的時間有多長,能反映轉接動線是不是卡在某個環節。
  3. 轉真人之後的整體滿意度,跟純粹由 AI 處理完的滿意度相比是高還是低,這個對照能直接看出轉真人這件事是不是真的替顧客解決了問題,還是只是把問題丟給另一個人。

業界常用的首次解決率(FCR)、平均處理時間(AHT)、顧客滿意度(CSAT)這幾個通用指標,都可以搭配轉真人的情境分開統計,看得會比單看一個轉出率完整得多。

轉出紀錄要定期回看,把缺口補進知識庫

光是追蹤數字還不夠,還要定期回頭看那些被轉出的對話紀錄,找出 AI 反覆答不好的問題類型。這些問題通常會集中在幾個固定的類別,可能是某個常見問法 AI 一直理解錯、或某類商品的規則沒有寫進知識庫。把這些缺口整理出來,補進知識庫或設成新的觸發規則,下一次遇到同樣的情境,AI 才有機會自己解決,不用每次都靠轉真人補位。這個回看的動作做得越勤,轉真人的次數理論上會隨時間慢慢往下降,而不是維持在同一個水位。

定期回看轉出的對話紀錄、找出 AI 反覆答不好的類型、補進知識庫並設成觸發規則,形成讓轉真人次數逐步下降的優化閉環。
把轉出對話的缺口補回知識庫、設成觸發規則,轉真人次數才會越來越少。

Gartner 在 2026 年四月發布的調查也呼應這個方向。即使 AI 持續滲透客服現場,受訪的服務與支援主管裡,有百分之八十五反而在擴大真人客服的職責範圍,而不是像外界原本預期的那樣大幅裁減真人人力。這背後的邏輯,跟這篇文章想說的事其實一致,轉真人機制做得好,不是讓 AI「少做一點事」,而是讓顧客不管在對話的哪一個時間點,都不覺得自己被晾在系統裡沒人理。與其一心追求 AI 能不能把每一種情況都撐到底,不如先把 AI 客服轉真人時機這件事設計清楚,這才是真正決定客服體驗好壞的關鍵。

資料來源
  1. Blending AI and human expertise: Zendesk's approach to CX — Zendesk
  2. Klarna AI assistant handles two-thirds of customer service chats in its first month — Klarna
  3. Klarna Turns From AI to Real Person Customer Service — Klarna(Sebastian Siemiatkowski)
  4. 消費者保護法第43條 — 全國法規資料庫
  5. Gartner Survey Finds 85% of Service and Support Leaders are Expanding Human Agent Responsibilities Despite Expectations of Mass AI Layoffs — Gartner