真人客服 AI 助攻：即場聽即場推最佳回應

真人客服 AI 助攻：即場聽即場推最佳回應

一句答你：agent assist 就係真人講電話嗰陣，AI 喺側邊實時聽住通話，即場喺螢幕推出最佳回應、知識文章同客戶背景——行業個案嘅轉寫延遲做到零點二至零點六秒，快過對方講完嗰口氣；新人上手由幾個月縮到幾星期，而客人感覺到嘅，係每一個接線員都好像做了十年。

Key Takeaways

• Agent assist 同 AI 客服唔同：AI 唔接電話，係做真人嘅實時軍師——聽住對話、推回應、翻資料
• 業界個案（ASAPP）：通話轉寫延遲做到二百至六百毫秒，快到可以跟上對話節奏
• 三個即時推播：建議回應、知識文章、客戶背景——喺對話啱嘅位自動浮現
• 最大回報位係新人：培訓期大縮，因為每個新人背後都站住一個全知嘅教練
• 粵語場景嘅前提係實時粵語轉寫品質，加上自定義詞庫先真正有用
• 落地由「只推唔自動」起步：AI 建議、真人決定，信任要慢慢建立

客服中心嘅三個慢位

行入任何一個客服中心，你都會見到同一個畫面：同事一邊聽電話，一邊喺幾個系統之間撳嚟撳去——查客戶紀錄、搵知識庫文章、覆查產品條款。嗰啲沉默嘅幾秒十秒，對客人嚟講係「喂？仲喺度嗎？」，對中心嚟講係通話時間，對同事嚟講係精神消耗。

慢位有三個：

搵料慢。客人問「呢個計劃可唔可以轉名」，同事喺知識庫打關鍵字、過濾、閱讀——十幾秒走唔甩。而嗰十幾秒入面，客人聽住背景音樂開始懷疑間公司嘅專業。

講漏位。客人其實符合某個優惠資格，但同事唔記得提；帳戶入面有個未處理嘅個案，同事唔知。知識喺系統度，但唔喺嗰一刻嘅腦入面。

新人慢。新同事頭三個月，每一通電話都係開卷考試——而卷係即場派、冇得翻書（或者話：有得翻，但翻得慢）。培訓成本高、離職率高，係客服行業老問題。

Agent assist 針對嘅正正係呢三個慢位：AI 實時聽住對話，喺啱嘅位自動將嘢推到同事眼前——唔使搵，唔使記，唔使十年經驗。

運作原理：聽、解、推

一個 agent assist 系統嘅運作係三步連續循環：

聽。通話實時轉做文字。呢步嘅技術門檻係「快」：業界個案（對話式 AI 公司 ASAPP 公開分享嘅架構）做到二百至六百毫秒嘅轉寫延遲——即係對方講完一句，文字已經喺同事螢幕度，快過人手打筆記好多。

解。由對話流拎出意思：客人問緊乜、到咗流程邊一步、情緒點樣。呢層決定「推乜」嘅準確度——推錯建議比唔推更差，因為同事會開始唔信個系統。

推。喺對話嘅空隙位，將三樣嘢浮現喺螢幕：建議回應（「可以話佢呢個計劃十二個月後免費轉名一次」）、知識文章（相關條款嗰頁直接開好）、客戶背景（「呢位客人上個月報過同一個問題」）。

重要嘅設計原則：推嘅嘢係「助攻」，唔係「代打」。講嘢嘅始終係真人同事——佢有判斷、有關係、有 AI 冇嘅彈性；AI 做嘅係將資訊嘅距離縮到零。

最大嘅回報位：新人培訓

agent assist 嘅投資回報，好多中心都發現最大嗰塊唔係老將提速，係新人爬坡。原因好直白：

新同事最驚嘅唔係「答唔到」，係「答錯」同「答得慢」。有 AI 助攻之後，佢唔使背晒成個產品手冊先敢接電話——知識會即場浮現，佢要學嘅係點樣將資訊講得有人味。呢個技能幾個星期練得出；產品知識要幾個月背。將兩者拆開，爬坡期即刻短一截。

仲有一層心理回報：新人接電話嗰陣知道自己背後有全知教練，唔會驚到收音。膽量係客服新丁最稀缺嘅資源。

呢個位對香港中心特別有意義：香港客服行業流動率高，培訓投資好易白費；縮短爬坡期等於令每一個新人嘅有效產出期變長，流動率嘅傷害直接減輕。

粵語場景嘅技術前提

Agent assist 喺英文市場已經成熟，但香港場景有兩個特別嘅技術前提：

實時粵語轉寫品質。成個系統嘅地基係「聽得準」。粵語實時轉寫——連同香港式中英夾雜（「幫佢 check 下個 plan」）——嘅品質，直接決定後面解同推嘅上限。揀方案嗰陣，要用你哋自己嘅通話錄音樣本做轉寫測試，尤其係行業術語。

自定義詞庫。你哋嘅產品名、內部術語、常用縮寫，通用語音模型唔會識。有自定義詞庫功能嘅系統，可以教識佢你嘅詞彙——業界經驗係，domain 詞彙嘅轉寫品質，直接決定同事會唔會真係用個系統（推錯幾次之後，個系統就會被無視，幾貴都係白買）。

推播嘅時機。粵語對話節奏快，建議回應要喺對方講完嗰一刻浮現先有用；遲半句先出，對話已經行咗去第二度。呢個就係點解延遲指標（毫秒級）係採購嘅硬指標。

一通通話嘅助攻時間線

用一個銀行客服場景行一次，睇吓系統喺幾多秒入面做咗乜：

0 秒：來電接通，AI 已經由來電號碼撈出客戶卡——王太太，七十八歲，三月曾經報過卡唔見。呢個背景已經喺同事螢幕。

12 秒：客人講「我張卡今朝畀個孫攞咗去超市，而家唔見咗……」——文字轉寫完成，「卡唔見」嘅意圖被識別，系統推「掛卡流程」知識卡，同時提示「上個月有同類個案，當時已補發新卡」。

45 秒：同事開始講掛卡流程，客人打斷問「咁我張自動轉帳會唔會受影響？」——轉寫即時觸發第二張卡：「自動轉帳同卡號綁定，補卡後要更新」。同事即刻講到，客人鬆一口氣。

2 分 30 秒：個案處理完，AI 自動整理通話摘要：意圖、處理步驟、跟進事項（「提醒客人新卡到貨日期」）——同事撳一下確認，紀錄入檔。

全程，同事冇離開過對話；所有資訊喺需要嗰一刻已經喺度。客人嗰邊嘅體感：呢個職員好醒、好快、好似好識我。

成本框架

Agent assist 嘅投入結構：席位月費（幾十至幾百港元一席級別，視乎功能深度）＋轉寫用量費＋一次性嘅詞庫建設同事工時。對比回報：

• 通話時長縮短：假設平均通話五分鐘、助攻縮短三成＝每通慳九十秒；一個五十席中心、每席每日三十通，即係每日慳七十五個鐘嘅人力時間。
• 新人爬坡縮短：每個新人爬坡期由三個月縮到六星期，等於每個新人多出一個半月嘅完全產出。
• 一次性解決率提升：每減一通「打第二次」，就慳一通嘅全部成本。

用你自己嘅席位數同通話量代入，三條式計完，通常試點嗰幾個席嘅月費係最細嗰個數。

同質檢（QA）嘅協同

好多客服中心已經有通話錄音質檢——主管抽聽、評分、輔導。Agent assist 同 QA 係天然拍檔，因為佢們共用同一塊地基：實時（或者事後）轉寫。

實務上嘅協同位：QA 由「抽聽一成」變成「睇全部轉寫」（睇文字快過聽錄音幾倍）；評分位由「印象」變「文字證據」；而 agent assist 推播嘅採用率數據，亦都係 QA 嘅新指標——同事有冇用好個工具，本身反映訓練同系統品質。

由 QA 轉寫起步、再加實時助攻層，係好多中心行過嘅路——前期投資可以被兩個用途攤分。

落地四步

第一步：量度現況。抽一週通話錄音，量三個數：平均通話時長、同事喺通話入面嘅沉默位（搵料時間）、新人由入職到獨立接線嘅日數。呢三個數係你日後證明投資回報嘅基準，唔量基準，日後就冇嘢可比。

第二步：揀場景起步。唔好全面上。揀一組同事（最好係混合老中新）、一類通話（例如帳務查詢）做試點。場景夠窄，訓練同量度先做得精。

第三步：建詞庫。將你哋嘅產品名、術語、常見錯讀整理成清單，入自定義詞庫。呢份清單係你嘅秘密武器，亦係通用方案同專用方案嘅差距位。

第四步：建立信任期。頭兩個星期，同事會測試個系統——故意講深字、試佢點反應。呢個階段嘅反饋最珍貴：推錯嘅位逐個修，令「信嗰下」盡快到。個系統一旦被同事信咗，使用率同回報就會自己滾。

量度：點知有冇用

四個指標，試點前後對比：

• 平均處理時長：目標跌，尤其係「沉默位」嗰部分。
• 一次性解決率：同事搵料快咗，客人唔使打第二次嘅比例應該升。
• 新人爬坡日數：由入職到獨立接線嘅時間，係最硬嘅指標。
• 同事使用率：系統推嘅建議，同事採用率有幾多。呢個數係系統品質嘅溫度計——低過一半，系統自己有問題。

常見陷阱

陷阱一：推太多。 螢幕彈彈彈，同事反而分心。設計原則係「少而準」：每段對話最多推三幾次，每推必中。密度低過準確度重要。

陷阱二：由「助攻」變「監工」。 如果同事發現個系統嘅數據被用嚟監控佢哋每秒講咩，信任即刻死亡，使用率崩盤。用途要同團隊講清楚：呢個係幫你哋嘅工具，唔係捉你哋嘅天眼。

陷阱三：忽略粵語轉寫品質就上馬。 地基唔穩，成個系統嘅推播全部撞板。轉寫測試係採購嘅第一關，唔係最後一關。

陷阱四：當佢係 AI 客服嘅替代品。 Agent assist 同 AI 客服係兩隻唔同嘅手：一隻幫真人提速，一隻接走簡單來電。唔同階段、唔同預算，可以行唔同條路，但唔好混為一談。

陷阱五：詞庫建一次就唔理。 產品名會新、術語會變，詞庫係活嘢。每季同步一次（新產品、新推廣名），十分鐘嘅例行更新，換嚟轉寫準確度長期穩定。

相關閱讀

客服中心嘅語音升級路線：客服粵語語音系統搭建係整體地圖；AI agent 粵語語音指南講前線自動化嗰邊；語音 Bot 開發指南係技術入門；串流音頻技術就係低延遲體驗嘅技術基礎。

常見問題 FAQ

Agent assist 同 AI 客服有咩分別？

AI 客服係 AI 接電話，真人唔出場；agent assist 係真人接電話，AI 幫手。前者適合高頻簡單查詢，後者適合複雜或者高價值對話。好多中心兩樣都有：簡單嘢 AI 接，難嘢真人接但帶 AI 助攻。

客人知唔知對話被實時轉寫？

應該知：通話開場嘅錄音告知已經覆蓋呢個位（「今次通話會錄音」）。個人資料處理跟香港《私隱條例》：告知、限定用途、妥善保存。

轉寫會唔會錯？錯咗點算？

一定會有錯，重點係錯嘅比例同影響：關鍵字（產品名、金額）錯咗會誤導推播，所以要靠自定義詞庫壓低；日常字錯一兩個影響細。採購時用自己錄音做轉寫測試，攞實際數字。

老將會唔會覺得唔使用？

啱上手會。兩個處理方法：一、將佢哋拉入設計（推乜嘢、推幾多次，由老將話事）；二、show 佢哋個系統喺「難客」場景嘅價值——老將都會有接唔住嘅位，個系統嗰下幫助記憶特別有感。

幾多錢起步？

試點級別嘅投入通常係幾個席位嘅月費，唔使全中心鋪開。用試點嗰幾個席嘅數據（處理時長、爬坡日數）計條數，先決定要不要全量——呢個順序唔使賭。

同通話錄音質檢（QA）係咪一樣嘢？

唔係。QA 係事後抽聽打分；agent assist 係事中實時幫手。兩者可以共用同一套轉寫基建，但目的同設計唔同。有啲中心由 QA 轉寫起步，加實時層變 agent assist——條路亦通。

客人會唔會覺得同事答得太快好怪？

唔會。客人嘅體感係「呢個同事好專業、咩都識」——冇人投訴過服務太專業。要注意嘅反而係同事唔好照讀建議，要用自己口吻講出嚟，training 嗰陣講明呢個位。

推播嘅建議回應，會唔會令同事懶咗唔諗？

實務經驗係相反：機械重複位由 AI 記，同事嘅腦力轉去做判斷同溝通——嗰啲先係真值錢嘅位。至於照讀建議嘅問題，training 位講明「建議係草稿，你係編輯」，再用 QA 抽聽把關就得。

咩行業最啱？

產品知識量大、條款複雜嘅行業回報最大：金融保險、電訊、醫療保健、公用事業。產品簡單嘅行業（純餐飲訂位）就未必需要——AI 直接接走仲快。

[!CTA]

聽吓你哋行業術語嘅生成效果

開個免費帳戶，用你哋嘅產品名出段音檔，感受粵語自然度先。