Question 1

客服忙碌，真的是因為人不夠嗎？

Accepted Answer

我曾協助一間連鎖按摩業者開發預約系統。他們原本經常遇到一個問題：客戶想指定某位師傅，但不同分店之間無法直接確認師傅時間。於是，一家店的客服要先打電話給另一家店，詢問師傅什麼時候有空，再回頭通知客戶。如果時間對不上，就再問一次、再回一次。整個流程來來回回，客服每天花很多時間在喬時間。表面上看，問題很像是客服人力不足。老闆的第一反應，通常是加人、或是導入一個 AI 客服機器人來分擔電話量。但真正的問題不是電話接不完，而是師傅排程、分店資訊與客戶預約沒有連在一起。這家店早期也有一套點餐打單系統，但那套系統只有等客戶到現場，員工才能輸入資料、再列印表單——換句話說，那台設備只是把原本可以更早完成的資訊，延後到現場重新輸入一次。它沒有處理預約，沒有處理師傅時間，更沒有處理設備占用。如果只從表面問題出發，企業會繼續增加客服、添購電話設備，或導入一個聽起來很先進的 AI 系統。但這些做法都沒有改變源頭。後來，我們把預約、師傅排程、打單與設備占用整合在同一套流程裡，問題才真正開始改善——而且這中間，不需要增加任何一名客服。問題不是缺少一套更快的工具，是原本的流程沒有被重新設計。

Question 2

企業到底把問題定義成什麼？

Accepted Answer

問題定義錯了，後面的資料整理得再完整、模型預測得再精準、流程自動化得再順，也可能只是把錯的事情做得更快。客服忙碌，真的是因為人不夠嗎？我曾協助一間連鎖按摩業者開發預約系統。他們原本經常遇到一個問題：客戶想指定某位師傅，但不同分店之間無法直接確認師傅時間。於是，一家店的客服要先打電話給另一家店，詢問師傅什麼時候有空，再回頭通知客戶。如果時間對不上，就再問一次、再回一次。整個流程來來回回，客服每天花很多時間在喬時間。表面上看，問題很像是客服人力不足。老闆的第一反應，通常是加人、或是導入一個 AI 客服機器人來分擔電話量。但真正的問題不是電話接不完，而是師傅排程、分店資訊與客戶預約沒有連在一起。這家店早期也有一套點餐打單系統，但那套系統只有等客戶到現場，員工才能輸入資料、再列印表單——換句話說，那台設備只是把原本可以更早完成的資訊，延後到現場重新輸入一次。它沒有處理預約，沒有處理師傅時間，更沒有處理設備占用。如果只從表面問題出發，企業會繼續增加客服、添購電話設備，或導入一個聽起來很先進的 AI 系統。但這些做法都沒有改變源頭。後來，我們把預約、師傅排程、打單與設備占用整合在同一套流程裡，問題才真正開始改善——而且這中間，不需要增加任何一名客服。問題不是缺少一套更快的工具，是原本的流程沒有被重新設計。AI 不會主動質疑老闆給它的問題這是企業導入 AI 最容易忽略的一點。AI 很擅長接受任務。你叫它分類，它就分類；叫它預測，它就預測；叫它產生報告，它就產生報告。但 AI 不一定會主動告訴你：這個問題可能問錯了、這個流程其實沒有存在的必要、真正的瓶頸在更前面的環節。當企業把「客服忙不過來」定義成問題，AI 就會幫你想辦法提高客服效率。但它不一定知道，真正應該處理的是預約資訊不同步。因此，企業在把資料交給 AI 以前，管理者必須先完成一項工作：確認現在解的，是真問題，還是表面症狀。這跟客戶打電話來問「最便宜的熱水器是哪一台」是同一個道理——先回答價格，賣的永遠只是表面需求；先問清楚使用情境，賣的才是客戶真正要解決的問題。工具會變，AI 也好、系統也罷，但這個「先看清問題，再談解法」的順序，從來沒有變過。錯誤的輸入，不只是錯誤的資料多數人談 AI 的輸入，會想到 Excel、報表、文件、歷史紀錄。但對企業來說，輸入其實更早就開始了。當企業說「我們客服人力不夠」「這個流程應該自動化」，這些句子本身，就已經是輸入。因為它們會決定企業接下來蒐集什麼資料、採用什麼工具、投入多少預算。問題是，這些描述未必等於真正的問題。公司以為客服人力不足，可能其實是同樣的問題每天反覆發生；公司以為某個流程要自動化，實際上那個流程根本應該被取消。AI 最怕的不是沒有資料，而是企業帶著錯誤的問題進場。AI 的第一個輸入，是管理者的問題定義在完整的決策流程中，輸入之後還有訓練、預測、判斷、行動、結果與回饋。但只要第一步錯了，後面的每一步都可能一起偏離。錯誤的問題定義，會帶來錯誤的資料蒐集；錯誤的資料蒐集，會帶來錯誤的預測；錯誤的預測再精準，也只是精準地回答了一個錯誤的問題。資料很重要。但在資料之前，管理者必須先決定：企業到底要解決哪一個問題？因為 AI 的第一個輸入，從來不只是資料，而是企業對問題的定義。