AI 客服專案失敗的頭號原因跟 AI 本身無關，問題出在人。McKinsey 一份廣為引用的研究指出，70% 的組織轉型因員工抗拒和管理層支持不足而失敗。在客服領域，情況更加棘手——客服人員用多年時間磨練出來的技能，恰恰是 AI 正在自動化的部分，抗拒心理自然更深。
我們引導過數十個客服團隊完成 AI 導入，有一件事可以確定：在技術部署的同時投資變革管理的組織會成功，把人的因素當作事後想法的組織不會。這篇指南涵蓋的是讓你的客服團隊與 AI 合作而非對抗的實務工作，逐週推進。
為什麼客服團隊抗拒 AI（他們的理由其實站得住腳）
在討論如何克服抗拒之前，我們得先承認一件事：客服人員對 AI 抱持懷疑態度是有正當理由的。把他們的擔憂簡化成「害怕改變」既失禮又在策略上愚蠢。
根據 Salesforce 2024 年對 5,500 位客服專業人員的調查，以下是客服人員真正在擔心的事：
這些擔憂都有現實基礎。客服人員看過其他產業自動化掉工作崗位，也看過設計糟糕的 chatbot 讓客戶抓狂。他們的懷疑是對真實訊號的理性回應。
大多數組織犯的錯誤是試圖說服客服人員他們的恐懼是多餘的。更有效的做法是承認這些恐懼，誠實回答什麼會改變，然後透過行動——不是簡報——來證明 AI 導入對客服人員有直接好處。
Prosci 2024 年的 benchmarking 數據顯示，變革管理執行優秀的專案達成目標的可能性是執行差的 7 倍。這筆投資會回本。
真正有效的變革管理框架
我們在多次 AI 客服部署中打磨出一套變革管理框架，它在三條平行軌道上運作：溝通、角色重設計、訓練。每條軌道都有具體時程。
溝通時程表
溝通在技術之前就要開始。我們建議在 AI 系統上線前至少 6 週啟動結構化溝通。
| 週次 | 溝通動作 | 對象 | 形式 |
|---|---|---|---|
| -6 | 宣布 AI 計畫，分享策略邏輯 | 全體客服人員 | Town hall + 書面 FAQ |
| -5 | 分享具體時程以及什麼會改變、什麼不會 | 全體客服人員 | 團隊會議 |
| -4 | 開放 Q&A session，匿名收集疑慮 | 全體客服人員 | 小組（最多 15 人） |
| -3 | 公開回應最主要的疑慮，分享試點計畫 | 全體客服人員 | Town hall + email |
| -2 | 介紹試點團隊，說明遴選標準 | 全體客服人員 | 團隊會議 |
| -1 | 試點團隊深入了解工具、流程、期待 | 僅試點團隊 | Workshop |
| 0 | 上線溝通，建立回饋管道 | 全體客服人員 | 多元形式 |
兩條規則讓這個時程表發揮作用。第一，絕對不要讓客服人員從他們的直屬主管以外的人那裡聽到 AI 相關的變動。如果 CEO 在全員大會上宣布 AI 計畫時，客服團隊還沒被事先告知，信任已經受損。第二，每次溝通都必須包含一個具體回答：「這對我的工作意味著什麼？」模糊的安慰只會增加焦慮，具體的資訊才能減緩焦慮。
根據 Towers Watson 的研究，溝通實務高度有效的企業在組織變革期間顯著優於同業的可能性高出 3.5 倍。
角色重設計軌道
角色重設計與溝通平行推進，但只涉及客服管理層和 HR 的較小群體。目標是在 AI 上線前就準備好新的角色定義，而非上線之後。我們在下一節詳細說明。
訓練軌道
訓練在上線前 2 週開始，上線後至少持續 90 天。我們在後面的專門章節中介紹訓練結構。
重新設計角色，而非裁撤職位
這是你的客服人員最在意的章節，也是大多數組織處理得最差的部分。世界經濟論壇 2024 年的報告指出，83% 的組織預期 AI 將顯著改變工作角色，但只有 29% 實際重新設計了職務說明來反映 AI 輔助的工作模式。
以下是我們處理 AI 輔助客服團隊角色重設計的方法：
角色演進對照表
為每個現有客服角色，我們建立三欄式分析：
現有任務 → AI 處理 → 人類強化
以 Tier 1 客服人員為例：
| 現有任務 | AI 部署後 | 新的人類焦點 |
|---|---|---|
| 回答例行諮詢（訂單狀態、營業時間、基礎故障排除） | AI 處理其中 70-80% | 監控 AI 在例行通話上的品質、處理例外狀況 |
| 將來電轉接給專員 | AI 根據 intent detection 自動路由 | 定義和精進路由規則、處理誤轉 |
| 記錄通話摘要和結案代碼 | AI 自動產生通話摘要 | 審查並修正 AI 摘要的準確性 |
| 安撫情緒激動的客戶 | AI 處理初始安撫，必要時 escalate | 處理複雜的 escalation，訓練 AI 的安撫模式 |
| 在服務通話中追加銷售 | AI 辨識機會，人類成交 | 專注於高價值的追加銷售對話 |
這裡的模式是一致的：AI 承接量的工作，人類轉向質、例外處理和策略。關鍵的洞察——Accenture 2024 年的人力研究也支持這一點：AI 輔助的工作者在複雜任務上的生產力提升 40%——是這種轉變讓每位客服人員更有價值。
浮現的新角色
在我們的部署中，通常會看到三個新角色出現：
關鍵一點：這些角色應該配合調整薪資。要求客服人員承擔更複雜的工作卻不加薪，傳遞的訊息會破壞你整個變革管理的努力。Mercer 2024 年的調查發現，在 AI 轉型期間提供角色調整薪酬的組織，自願離職率降低了 55%。
訓練團隊與 AI 協作
AI 輔助客服的訓練與傳統客服訓練有本質上的不同。你不是在教客服人員使用一套新的電話系統，你是在教他們與一個會自主做決定的系統協作。
訓練課程結構
我們推薦四階段訓練課程：
第一階段：AI Literacy（上線前第 2-1 週）
每位客服人員，不論角色，都要完成 AI 基礎知識課程。這不是資訊科學課，內容涵蓋：
時長：共 4 小時，分兩次進行。
第二階段：Workflow Integration（上線前第 1 週到上線第 1 週）
客服人員學習對應其角色的新工作流程，包括：
時長：8 小時，其中至少 4 小時為實作練習。根據 LinkedIn 2024 年 Workplace Learning Report，實作練習比純講授的技能留存率高出 75%。
第三階段：Supervised Practice（第 1-4 週）
AI 部署的第一個月，客服人員在有督導的環境中工作：
第四階段：Continuous Learning（第 2 個月起）
持續訓練因應新需求：
Buddy System
一個持續加速採用的做法是將對 AI 持懷疑態度的客服人員與對 AI 有熱情的同事配對。目的在於讓他們透過信任的同儕經驗親眼看到技術的運作方式。在我們的部署中，這種做法平均將上手時間縮短了 30%。
衡量變革採用程度
大多數組織衡量 AI 部署成功只看 AI：containment rate、handle time、每次互動成本。這些指標重要，但只說了一半的故事。你還需要衡量你的人員適應得如何。
超越「AI 有在跑」的採用指標
我們從四個維度追蹤採用程度：
行為採用：
情緒採用：
能力採用：
影響採用：
PwC 2024 年的 Global Workforce Hopes and Fears 調查發現，52% 的工作者相信 AI 會提升他們的工作品質，但前提是轉型管理得當。你的採用指標告訴你管理得夠不夠好。
90 天健康檢查
在第 90 天，我們建議進行一次綜合性的健康檢查，把四個採用維度整合在一起。這不是及格/不及格的評鑑——這是一個診斷工具，告訴你變革管理的下一階段應該把力氣放在哪裡。
健康檢查的關鍵問題：
讓你的客服團隊接受 AI 是一場持續的投入——在技術到來之前就要開始，在上線之後還要延續很長一段時間。成功導入 AI 客服的組織把變革管理當作第一級工作流來對待——有自己的預算、時程、指標和高層關注。
Pathors 在 AI 語音部署方案中包含變革管理支援。從溝通規劃到角色重設計 workshop 到訓練課程設計，我們協助你的團隊處理 AI 導入中人的那一面。因為技術會運作，問題是你的團隊是否願意和它一起運作。
Pathors Team
Content Team
致力於運用 AI 技術改造客戶服務和商業營運。