客製化AI客服如何解決製造業痛點？導入前必知的3個關鍵評估

⤵️ 點我下滑看GOOGLE小工具

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。👇

🎁 解鎖本篇限定Google外掛

【專業級AI客服導入評估管家】─ 製造業專屬痛點剖析工具

客製化AI客服一聽就很威，可落到製造業現場，往往才發現根本踩了一堆地雷。你以為只是導入AI，實際要搞清楚需求、預算、人員配合，層層關卡卡住的不少。我之前幫客戶導入過，問題不是沒預算，而是「沒有人會統整需求、風險沒人掌握、每次會議一堆口說數據根本沒記錄」。要是不先盤點清楚，專案做到一半喊卡的不少。這個專業級工具，就是拿來協助你一一盤查、存證、追蹤，確保關鍵評估項目不會漏接。

複製這段完整程式碼 ─ 讓AI客服導入前評估全面落地

這個工具支援評估項目輸入、痛點分類、自動寫入Google Sheet、顯示所有歷史紀錄與統計分布，完整掌握評估流程。


// === AI客服導入三關評估管家 ===

function doGet(e) {
  var html = [];
  html.push('<div style="font-family: Microsoft JhengHei, Arial; max-width: 650px;'
    + 'margin:40px auto; padding:36px 28px 32px 28px; background:#f7fafd;'
    + 'border-radius:8px;box-shadow:0 0 12px #b8d2e0">');
  html.push('<h2 style="margin-bottom:20px">AI客服導入 ─ 製造業三關評估表</h2>');
  html.push('<form id="evalForm">');
  html.push('<label>評估關鍵：</label><select name="keyItem">'
    + '<option value="需求明確">需求明確</option>'
    + '<option value="預算分配">預算分配</option>'
    + '<option value="組織配合">組織配合</option>'
    + '</select><br><br>');
  html.push('<label>實際痛點描述：</label><br>');
  html.push('<textarea name="painDesc" rows="2" style="width:99%" '
    + 'placeholder="填入現場遇到的阻礙或疑慮"></textarea><br><br>');
  html.push('<label>評估等級：</label><select name="level">'
    + '<option value="1">1 ─ 無障礙</option>'
    + '<option value="2">2 ─ 需注意</option>'
    + '<option value="3">3 ─ 高風險</option>'
    + '</select><br><br>');
  html.push('<button type="button" onclick="submitEval()" '
    + 'style="padding:7px 22px; background:#157fb5;color:#fff;'
    + 'border:none; border-radius:4px;">存檔</button>');
  html.push('</form>');
  html.push('<div id="msg" style="color:#17690b; margin:16px 0 0 0;"></div>');
  html.push('<hr style="margin:35px 0">');

  html.push('<button onclick="loadLog()" '
    + 'style="margin-bottom:15px; background:#f3f7fa; border:1px solid #ccc;'
    + 'padding:4px 14px; border-radius:3px;">刷新歷史紀錄</button>');
  html.push('<div id="history"></div>');

  html.push('<script>'
    + 'function submitEval(){'
    + 'var f=document.getElementById("evalForm");'
    + 'var d={keyItem:f.keyItem.value,painDesc:f.painDesc.value,level:f.level.value};'
    + 'if(!d.painDesc.trim()){document.getElementById("msg").innerHTML="痛點描述必填";return;}'
    + 'google.script.run.withSuccessHandler(function(x){'
    + 'document.getElementById("msg").innerHTML="已存檔";'
    + 'f.painDesc.value="";loadLog();}).writeLog(d);'
    + '}'
    + 'function loadLog(){'
    + 'google.script.run.withSuccessHandler(function(log){'
    + 'var t="<table style=\'width:100%;font-size:15px;\'><tr style=\'background:#e5eef4\'>'
    + '<th>評估關鍵</th><th>痛點描述</th><th>等級</th><th>時間</th></tr>";'
    + 'var stat={};for(var i=0;i<log.length;i++){'
    + 't+="<tr><td>"+log[i][0]+"</td>";'
    + 't+="<td>"+log[i][1]+"</td>";'
    + 't+="<td>"+log[i][2]+"</td>";'
    + 't+="<td>"+log[i][3]+"</td></tr>";'
    + 'stat[log[i][0]+"-"+log[i][2]]=(stat[log[i][0]+"-"+log[i][2]]||0)+1;'
    + '}t+="</table>";'
    + 'var statStr="<h4>各關鍵評估分佈</h4><ul>";'
    + 'for(var k in stat){statStr+="<li>"+k+"："+stat[k]+"</li>";}'
    + 'statStr+="</ul>";'
    + 'document.getElementById("history").innerHTML=statStr+t;'
    + '}).readLog();'
    + '}loadLog();'
    + '</script>');
  html.push('</div>');
  return HtmlService.createHtmlOutput(html.join("")).setXFrameOptionsMode(HtmlService.XFrameOptionsMode.ALLOWALL);
}

// 寫入紀錄
function writeLog(d) {
  var ss = SpreadsheetApp.getActiveSpreadsheet();
  var sh = ss.getSheetByName('AI客服評估紀錄');
  if(!sh){sh=ss.insertSheet('AI客服評估紀錄');sh.appendRow(['評估關鍵','痛點描述','等級','填寫時間']);}
  var now = Utilities.formatDate(new Date(), Session.getScriptTimeZone(), "yyyy-MM-dd HH:mm");
  sh.appendRow([d.keyItem, d.painDesc, d.level, now]);
}

// 讀取全部紀錄
function readLog() {
  var ss = SpreadsheetApp.getActiveSpreadsheet();
  var sh = ss.getSheetByName('AI客服評估紀錄');
  if(!sh) return [];
  var data = sh.getDataRange().getValues();
  if(data.length<2) return [];
  return data.slice(1); // 第一列是標題
}

標準化Google Apps Script部署流程 ─ 步驟全解

跟著做，少走冤枉路。

開啟 Apps Script 編輯器
先打開你想儲存資料的 Google 試算表，在上方選單列找到「擴充功能」（中間偏右的位置），點進去後再選「Apps Script」。
這時候瀏覽器會自動開新分頁，進入一個程式碼編輯畫面。
⚠️ 我之前遇過，客戶公司帳號權限被IT限制，結果這步卡半天沒反應，要記得用有權限的帳號、開啟彈窗。
清空並貼上程式碼
直接 Ctrl+A 全選，再按 Delete 清掉原本程式，接著 Ctrl+V 把上面整段程式碼完整貼進去。
程式碼區在畫面正中間一大片白色區域。
⚠️ 「function myFunction()」一定要連註解都一起刪掉！之前我就漏掉，結果一直報錯。
儲存專案
點左上角磁碟片圖示，或直接 Ctrl+S 存檔。
第一次儲存會跳出要你命名這個專案的視窗，怎麼取名都行，功能沒差。
⚠️ 沒有先存檔直接部署，Apps Script 會亂跳錯誤，浪費時間。
部署為網頁應用程式
找右上角藍色「部署」按鈕，按下去後選「新增部署作業」。
接下來會彈出設定視窗：
1. 點小齒輪，選「網頁應用程式」
2. 「執行身分」要選「我」
3. 「誰可以存取」這邊一定要選「任何人」
  （只要不選這個，同事就看不到！我被這個卡過）
4. 最後按「部署」
⚠️ 很多人都卡在權限設定，一沒選對，全部白做工。
處理授權警告
系統會跳出授權流程，有紅色警告「Google 尚未驗證這個應用程式」。
點「進階」→「前往 XXX（不安全）」→「允許」，一路按下去。
⚠️ 這是正常現象，因為只要是自己寫、沒送審核過的Apps Script都會有。每次有人問我這是不是有毒，我都很無奈解釋半天…
取得網址，開始使用
授權通過後，會跳出一個以「https://script.google.com/…」開頭的網址。
複製這網址，直接貼到瀏覽器打開，就能看到這個AI客服導入評估表工具正式運作。
⚠️ 記得只要修改過程式，務必要重新部署一次，才會更新。

⚠️ 關於Google紅色授權警告畫面
只要是自己寫的 Apps Script（沒申請官方審核），首次部署都會看到「Google 尚未驗證這個應用程式」的紅色畫面。這不是病毒，Google 是為了保護用戶，提醒你這段程式還沒送交他們人工驗證。只要你確定這是自己貼進去的程式，點「進階」→「前往（不安全）」就能放心繼續，不會有安全疑慮。真的遇過好多初學者以為帳號要被盜，事實上這只是自家程式沒過認證，業界都是這樣處理。

評估紀錄工具實戰場景 ─ 製造業老問題不再遺漏

舉個實際案例：有次協助一間螺絲廠，他們要導入AI客服，老闆一直說「我們流程很單純」，結果評估時前線主管填這表單時就爆出一堆細節痛點，包括「客服數據難收集」、「現場反應流程落差」甚至「預算只規劃到AI，不含後端整合」。
這工具適合多部門協作時，每個評估負責人依現場實情隨時回填紀錄。最後全表下載下來，開評估會議直接有憑有據，一行數據都不漏，不用怕主管各說各話、關鍵風險全攤在陽光下。