1. AI客服是甚麼？先分清你想交給它的工作

AI客服是把人工智能用於客戶查詢處理的應用：理解客人來意、搜尋相關資料、整理答案，並按設定協助分流或執行後續工作。對香港中小企而言，常見起點是同事每天重複回答的問題——服務包甚麼、需要準備哪些資料、某個要求能否安排。先選定這些工作，才能判斷要準備甚麼資料，以及流程應做到哪一步。

「用AI回覆客人」可以代表三種不同安排。第一種是AI替同事準備草稿，由人手查看及發送；第二種是系統在已設定範圍內直接回答客人；第三種涉及查訂單、改預約或其他系統操作。每種安排的接駁、權限、例外處理及驗收要求都不同，詢問方案時應逐項列明。

例如Microsoft的客服電郵應用，便讓服務代表查看AI建議、修改內容及檢查知識來源，再發送給客人。這提供一個可行的起步方向：先讓同事使用AI準備答案，觀察哪些地方經常需要修改，再判斷哪些查詢適合進一步自動化。Microsoft：客服電郵草稿與覆核

2. 用一條客人查詢，看看AI應該處理到哪一步

假設一間清潔服務公司收到訊息：「辦公室清潔包唔包抹窗？星期六可唔可以嚟？簽半年有冇折？」這一條訊息同時包含服務範圍、即時安排及商業批核三種問題。以下公司、文件及回覆均為示例，並非AD-Linkage已完成的客戶項目。

AI整理後的草稿可以是：「基本辦公室清潔包括室內玻璃清潔，外牆窗戶不在基本服務範圍內。星期六可接受預約，實際時段需要再確認。請提供預計日期、地點及辦公室面積，我們可一併了解半年合約的安排，再由同事回覆報價。」員工覆核時，要核對它是否用了現行方案、是否漏答，以及有沒有承諾尚未確認的時段或價格。

這個示例最有用的地方，是把一條客人訊息拆成「有依據可回答」「仍欠資料」「需要負責人決定」三部分。客人得到清楚下一步，同事亦知道應補查甚麼，毋須從一段流暢但沒有來源的答案重新開始。

如果需要查實際預約或訂單狀態，就要把相應資料來源或工具接入流程。AWS的Agent文件亦把查詢知識來源與呼叫API執行動作分開處理；據此規劃時，可以將一般條款交由知識資料回答，把即時狀態交給實際業務系統核對。AWS：知識查詢與系統動作

3. AI客服知識庫，先整理可以對客人使用的答案

第一批資料可以很集中：一份最新服務範圍、一份有效價目或報價規則，再加一份常見問題。每項答案都應說明適用條件與負責同事，讓資料更新時有人處理。舊WhatsApp對話可以幫助找出客人常問甚麼，但當中一次性優惠、口頭例外或過期安排，不宜直接當作所有客人的現行規則。

可先建立一張客服答案表，欄位包括「客人問法、核准答案、適用條件、來源、有效版本、負責人、何時轉人工」。同一個問題亦可收錄香港常見問法，例如「幾點收工」「營業至幾點」「what time do you close」，方便之後測試語意是否理解正確。資料表的目的，是讓答案可追溯、可更新，並讓測試有明確依據。

檢索增強生成（Retrieval-Augmented Generation，RAG）可以先從指定資料找相關內容，再交給模型整理答案，但來源和生成內容仍可能出錯。Microsoft亦提醒，生成回答會受來源內容影響，需要測試及審閱。企業應指定有效文件及更新方式，並核對回覆所依據的內容。Microsoft：生成回答的來源與限制

對外客服的共用資料範圍亦要清楚：已核准的服務資料可以回答一般查詢；內部成本、員工資料及其他客人的紀錄，需要按用途與權限處理。個別訂單查詢則應另外確認身份及可查閱範圍。不同工具的來源驗證和權限方式不同，實作時須核對所選方案。Microsoft：知識來源及驗證方式

如果目前最大的困難是公司資料分散、版本難辨，可以先參考公司文件散亂，AI知識庫如何改善資料查詢，再選出適合客服使用的部分。

4. 人工接手，要交代誰負責及下一步是甚麼

轉真人的設計需要包括觸發條件、負責人及交接內容。常見情況包括客人主動要求真人、資料不足、投訴、例外折扣，或需要修改既有安排。交接時最好帶上客人的原問題、已提供資料、已作回覆及待確認事項，讓同事可以延續處理。

Microsoft的客服轉接文件區分了「顯示聯絡支援的方法」與「已接駁客服中心、連同對話及資料轉交」。因此，評估方案時應實際測試通知是否送達、誰看得到、是否保留上下文，以及非辦公時間如何處理。如果安排是留下資料後由同事跟進，頁面便應清楚交代這個安排。Microsoft：客服轉接與對話資料

涉及訂單或金錢的工作還要拆清楚步驟：說明退款規則、收集申請資料、批核申請及真正執行退款，所需權限各有不同。AWS提供在指定Agent動作執行前要求確認的功能；實際導入仍要按平台設定與公司的授權安排處理，不能把客人同意視為公司已批核。AWS：指定動作執行前的確認

5. 如何驗收AI客服？從真實問題建立測試清單

試用前，可以先挑選一批具代表性的查詢，記錄現在由人手處理時所需的查找、撰寫、修改及交接時間。再用相近難度的問題測試AI流程，觀察答案是否準確、需要改多少，以及整宗查詢是否更容易完成。以下五類是本文建議的驗收框架；每個方案的實際測試數量與範圍應另行約定。

除一般問法外，亦要測試連續追問、中英夾雜、錯別字及條件變更。例如先問服務範圍，再補充「其實係外牆玻璃」，答案就應重新判斷適用範圍；不能沿用上一句的確認。文件更新後也要重測相關問題，確認新的版本有被採用。Google的對話式Agent測試功能便可保存對話，檢查更新後的流程和動作是否符合預期；即使初期用人工測試表，也可採取這種保留個案、反覆核對的方法。Google：對話測試個案

首輪紀錄可以集中四項：答案與核准資料是否一致、需要人工修改的比例、應轉人工的個案有沒有正確交接，以及整宗查詢的處理時間。自行草擬答案省了時間，但若同事要花更久查錯或重做，就要找出問題原因再調整。不要預設某個節省百分比，也不要把回覆速度當成完成客人要求。

6. 首個AI客服應用，如何定範圍與比較報價？

把範圍寫成一張簡單任務卡：選一類查詢、指定答案來源、列出發送方式、說明哪些要求要轉交，以及約定怎樣驗收。例如「由一位同事處理服務範圍查詢，AI參考核准FAQ草擬答案，發送前由同事核對」，已經比只要求「整個AI客服」更容易討論交付。

比較方案時，可分開看初次資料整理與設定、持續平台或用量費、渠道及業務系統接駁，以及資料更新與支援安排。也要問清楚使用人數、帳戶數量、文件範圍、誰負責日後更新、遇到問題如何跟進。這些條件會影響適用性；單看一個月費或總價，未必能知道買到哪一段流程。

如果目標是先了解公司資料如何協助回覆客人，可以由人工覆核的流程開始；需要全天候服務、多位同事分派、即時訂單或跨系統操作時，便將這些需要列入下一階段的評估。每次擴展都有對應工作、資料、責任人及測試，才容易持續改善。

常見問題

AI客服可以直接自動回覆WhatsApp嗎？

可以按所選平台及接駁方式設計，但要核對帳戶、訊息觸發、發送安排、真人接手與相關費用。本文的人工覆核示例，是由同事查看草稿後確認發送；自動監察新訊息及全天候回答屬另外需要設定及驗證的範圍。

公司只有幾份文件，也適合開始嗎？

可以先看這幾份文件能否完整回答一類常見問題。資料少但範圍清楚、版本有效，通常較容易測試；如果答案依賴每日庫存或個別訂單，便要再處理即時資料來源。文件數量本身不能決定是否足夠。

AI客服可以用廣東話及中英夾雜回覆嗎？

應按所用模型及實際客人問法測試理解與表達，再約定品牌語氣、常用詞及不能自行承諾的內容。能寫廣東話，不代表已理解每個行業用語或香港客人的省略問法，因此仍要用真實查詢驗收。

AI客服可以自己決定折扣、改預約或退款嗎？

公司需要先界定可處理的規則與權限。一般資料回答、個別安排批核及實際系統操作應逐項確認；需要主管決定的例外，應按既定方式交回負責人處理。

用RAG知識庫，是否就不會答錯？

仍然可能答錯，例如文件過期、檢索到不適用條款，或模型整理時漏了條件。保留來源、指定版本、測試例外問題及安排人手覆核，可以幫助發現及改善問題；不能只靠「已接知識庫」判定可靠。

AI客服是否代表可以減少客服人手？

應先量度實際工作量、回覆品質、修改與例外處理，再決定人手安排。初期較具體的目標，是減少重複查找及撰寫，讓同事有更多時間處理需要判斷、溝通或批核的個案；是否需要調整編制，仍取決於實際營運結果。

下一步：在公司試用，或學習RAG客服應用

開始AI客服的第一個決定，是選出一類值得改善的查詢，再把資料、回覆方式及驗收說清楚。AD-Linkage提供兩個相應入口：企業可先由一條限定範圍的工作流程體驗，個人則可學習RAG、企業知識庫與AI流程的應用方法。

體驗包的資料範圍為一個本機資料夾，最多5份、合共10頁可搜尋文字文件；包括5項約定情境驗收及驗收後14日設定支援。使用時電腦、相關程式及網絡須保持運行。本文介紹的通用驗收框架、自動回答及系統操作，不代表全部包括在體驗包內。

如果需要全天候自動客服、多帳戶、CRM／ERP接駁或跨部門流程，可了解度身訂造的企業AI轉型方案，按現有系統及實際工作另定範圍。

資料來源

資料核對日期：2026年9月8日。清潔公司及其回覆屬情境示例；任務卡、流程分類及驗收框架是本文的實務整理，並非所有產品的預設功能或統一行業標準。文中官方工具資料用於說明不同的實作方式，不代表AD-Linkage體驗包使用所有列出的產品。

• Microsoft：客服電郵草稿與覆核
• Microsoft：生成回答的來源與限制
• Microsoft：知識來源及驗證方式
• Microsoft：客服轉接與對話資料
• AWS：Agent知識查詢與動作
• AWS：指定動作執行前的確認
• Google：對話測試個案
• AD-Linkage：AI企業轉型體驗包
• AD-Linkage：PCPPMAI課程