最近在想的一件事...關於AI客服和工廠
嗯...最近跟幾個在做製造的朋友聊天，發現大家都很煩。不是訂單不夠，是那種...很瑣碎的溝通問題。🤔
一下是國外客戶半夜來追料號A跟料號B的材質證明，一下是新來的業務搞不清楚舊型號機台的零件能不能跟新的通用，跑來問老師傅，結果老師傅正在忙，氣氛就很僵。
每天都在上演這種事。感覺大家的時間，都浪費在「找資料」跟「等回覆」上面了。
然後就有人提，啊現在不是很流行AI嗎？搞個AI客服來幫忙回答問題，是不是就能解決了？
這個問題，我想了幾天。嗯...感覺沒那麼簡單。
先說結論
我覺得，對製造業來說，客製化的AI客服...它的價值不是取代人，而是把那些最懂的老師傅、最強的技術業務，他們腦袋裡的知識和經驗，變成一個不會累、不會忘、隨時都能叫出來的「數位大腦」。
導入前，先問自己3個問題
直接買一套現成的chatbot，在製造業大概99%會失敗。因為工廠的問題太「專」了。在砸錢之前，我覺得可以先安靜下來，想清楚三個關鍵評估點。
關鍵一：你的痛點是「對外」還是「對內」？
這點超重要，但最多人搞混。很多人以為AI客服就是弄在官網上，給客戶用的。但其實，製造業的溝通痛點，很多時候是發生在公司內部。
- 對外痛點：B2B客戶的問題通常很刁鑽。他們不是問「營業時間是幾點」，而是問「你們型號A380的馬達，轉速7500轉時的功率曲線是多少？」、「我三個月前訂的貨，現在到哪了？」。這種問題，一般的客服根本答不出來，還是要轉給業務或工程師，一來一往又耗掉半天。
- 對內痛點：這個我覺得更常被忽略。像是...業務在外頭拜訪客戶，臨時需要某個產品的RoHS認證文件，他怎麼辦？打電話回公司，請內勤幫忙找，然後再email給他？或是產線上的新人，要操作一台他不熟的機台，SOP文件放在公司雲端哪個資料夾的第幾層？他可能就直接停下來問旁邊的老師傅，打斷別人的工作。
你看，這兩種情境，要解決的方案完全不同。所以第一步，真的要想清楚，你最痛的，是哪一種溝通？
關鍵二：你的「知識」在哪裡？是數位化了嗎？
AI不是神，它不會通靈。你得「餵」它資料，它才能學會回答問題。這就是製造業導入AI最核心的難關，我稱之為「知識的混亂」。
你想想，你們公司的知識都放在哪？
- 可能在用了20年的ERP系統裡，藏在一堆很難懂的代號後面。
- 可能在業務們各自的電腦裡，用Excel表格整理的報價單。
- 可能在研發部門的PDF規格書裡，而且還有好幾個版本。
- 最麻煩的...可能只存在幾個資深老師傅的腦袋裡。像是「啊那個A客戶的單，要特別注意，他們的料要用日本進口那批，不然會退貨。」這種沒有寫下來的眉角。
如果你的知識都是這種狀態，那AI來了也沒用。在思考AI之前，更重要的前置作業是「知識數位化」。把那些PDF、Excel、甚至是老師傅的經驗，想辦法整理成一個有結構、電腦看得懂的資料庫。這一步很無聊、很花時間，但沒做這個，後面都是空談。
關鍵三：你想解決的是「效率」還是「專業」問題？
這個問題，決定了你的預算和導入時程。嗯...怎麼說呢，你可以把AI客服想像成兩種不同的員工。
一種是「效率型」的總機，另一種是「專家型」的顧問。兩者差很多。
| 效率型AI (總機) | 專家型AI (顧問) | |
|---|---|---|
| 主要任務 | 處理大量、重複性的簡單問題。像是查訂單狀態、問交期、提供標準文件下載連結。 | 回答複雜、需要推理和背景知識的問題。像是「A零件和B零件的差異？」、「根據客戶的需求，推薦適合的型號」。 |
| 訓練資料 | 嗯...相對單純。就是FAQ問答集、訂單資料庫之類的。 | 這個就很頭痛了。需要產品規格書、工程圖、客戶歷史紀錄、甚至是老師傅的口述經驗。 |
| 導入時間 | 比較快，可能幾個月。 | 很久...真的要很有耐心，一年半載都有可能。 |
| 最大風險 | 答非所問，讓客戶覺得很笨，想直接找真人。 | 回答錯誤的專業資訊。這很嚴重，可能會導致客戶損失，甚至影響公司信譽。 |
很多公司想一步到位，直接做「專家型AI」，但往往因為低估了知識整理的複雜度而失敗。老實說，從「效率型」開始，先解決60%最煩人的重複問題，可能是一條比較穩的路。
現實的骨感：限制與誤解
說了這麼多好處，但還是要潑點冷水。導入這東西，有幾個坑要先知道。
第一個，就是「文化抵抗」。特別是那些老師傅，他可能會覺得「公司是不是要我滾蛋了？」、「我畢生的絕學，憑什麼要教給一台機器？」...這種情緒要處理好，不然他根本不會願意分享知識，那AI就學不到東西。
第二個，錢。客製化真的很貴，尤其是要串接你們家那個古老的ERP系統時，花的錢可能比AI本身還多。
第三個，也是全球性的挑戰，就是AI人才的缺乏。這點在台灣的製造業可能更明顯。根據一些在地研究機構的觀察，很多中小企業想轉型，但找不到懂AI又懂工廠流程的人。 而國外的報告也提到，即使是大型企業，要將AI專案從試點擴展到全面應用，最大的障礙之一就是人才和複雜的整合問題。
所以...嗯，它不是買個軟體裝上去就好的事。它更像是一個管理變革的專案。
常見的錯誤想法
最後整理幾個大家常有的錯誤觀念：
- 錯誤一：「AI可以100%取代客服人力。」
修正：不可能。AI比較像是最強的「一線支援」。把簡單問題都擋掉，讓真人專家可以專心處理最困難、最需要「人味」的客戶關係維護。 - 錯誤二：「買市面上最有名的AI就對了。」
修正：製造業的重點是「客製化」和「整合」。那個AI能不能讀懂你的料號、能不能串接你的系統，比它本身多有名還重要一百倍。 - 錯誤三：「導入AI之後就沒事了。」
修正：AI跟員工一樣，需要持續的教育訓練。市場會變、產品會更新，你得有一個機制，不斷把新的知識餵給它，它才會一直那麼好用。
唉，不知不覺就打了這麼多... 😅
總之，我是覺得這東西有潛力，但急不得。先把家裡（公司內部）的知識整理乾淨，想清楚到底是要解決誰的痛點，可能比急著找AI廠商報價，來得更重要吧。
聊了這麼多，也想問問大家...
如果你們公司要導入，你覺得最大的溝通痛點是什麼？
- A) 外部客戶一直問技術規格、追訂單
- B) 內部業務或新人一直要找資料、問SOP
在下面留言告訴我你的選擇吧！想看看大家的狀況是不是跟我猜的差不多。👇
