某個週一早上九點，一位客服專員剛坐下來，桌上已有 38 通今天需要打的確認電話。這還不包括昨天沒接到的回撥名單，以及下週健檢套裝的前置提醒。她知道大概有三分之一的人不會接，得記錄、再安排回撥。到下午三點，她打完了 22 通，剩下的只能留到明天。
這不是個別案例。台灣健檢市場規模約 TWD 200 億，每年仍在穩定成長，但各中心普遍面臨同一個人力瓶頸：電話業務量和人力根本不成比例。預約確認、前置準備提醒、報到當天引導、報告出爐通知、年度回訪——每一個環節都需要真人撥打電話，但這些電話的內容高度重複，大部分時間都花在等待接聽或留言上。
我們在協助多家健檢中心導入 AI 語音助理的過程中，看到的不是什麼新技術的問題，而是一個流程設計問題：哪些電話應該由 AI 處理，哪些需要真人介入。釐清這個界線，效益就出來了。
健檢中心的電話業務困境
健檢流程從預約到回訪，橫跨至少五個需要主動聯繫客戶的時間點。每一點都有它的複雜度。
預約確認看似簡單，實際上要確認日期、時間、套裝項目，有時還要問清楚特殊需求（如停藥安排、孕婦調整項目）。前置提醒更繁瑣：空腹幾小時、哪些藥物需要在檢前停服、要帶哪些證件——這些資訊一旦沒傳達清楚，現場就會出狀況。
數字最能說明問題的嚴重性。台灣健檢中心的平均 no-show 率落在 15% 到 25% 之間。一家中型健檢中心每月承接 800 個預約，若 no-show 率 20%，等於每個月白佔 160 個時段。這些時段無法臨時填補，直接影響營收。而研究顯示，前一天的電話提醒可以將 no-show 率降低 30% 到 50%。問題是，多數中心根本沒有足夠人力做到每位客戶都打。
報告出爐後的回訪追蹤同樣是死角。健檢的價值不只在當天的檢查，而在後續的健康管理建議。但如果回訪率只有兩三成，這個價值就被切斷了。客服人員有更緊急的電話要處理，回訪永遠排在後面。
AI 語音助理如何介入這個流程
AI 語音助理的定位不是取代客服，而是承接那些「內容固定、但量大到人力無法負荷」的電話任務。
這類任務有幾個共同特徵：對話腳本相對結構化、客戶需要的主要是確認資訊而非解決問題、通話時間短（多數在 2 到 3 分鐘內）、需要大量平行撥出而非序列等待。這四個條件加在一起，正是 AI 語音助理的適用場景。
現代的 AI 語音助理已經不是早期的 IVR 系統。它能理解自然語言回應，處理客戶插話、確認、反問，並在偵測到特定關鍵字（如「我要取消」、「我有問題」）時，即時轉接真人。對健檢中心來說，這表示 AI 可以承接 80% 以上的例行通話，讓客服人員專注在真正需要判斷的案例上。
Pathors 的 AI 語音助理支援繁體中文與台語的 ASR（語音辨識），這在台灣市場是一個實際的必要條件。健檢客群年齡層廣，有相當比例的年長客戶習慣用台語溝通，如果 AI 無法識別台語，這段對話就要轉真人，效率折損立刻出現。
三個核心流程的自動化
預約確認電話
客戶完成線上或電話預約後，系統可在 2 小時內自動觸發確認電話。AI 讀取 CRM 中的預約資料，向客戶確認日期、時間與套裝項目，並詢問是否有需要調整的地方。
這通電話的典型長度約 90 秒。關鍵在於 AI 能即時回應客戶的變更需求——若客戶說「我想改下週」，AI 可以查詢可用時段並完成重新預約，或在無法處理時記錄意圖並安排真人跟進。整個互動過程，Pathors 會自動生成通話摘要，寫回 CRM，客服人員不需要再手動補記錄。
導入後，多數中心的確認電話接通率提升，原因在於 AI 可以在白天多個時段嘗試撥出，而不是只靠人力在上班時間集中撥打。
前一天的前置提醒
這是降低 no-show 率效果最顯著的環節。AI 在健檢前一天的指定時間自動外撥，提醒客戶：
這通電話的內容因人而異，但結構固定。Pathors 透過與 CRM 的整合，在通話前拉取客戶的套裝項目與健康備註，動態組合提醒內容，讓每通電話都具備個人化但不需要真人逐一準備。
數據上，前置提醒電話的接通率在工作日下午 5 點到 7 點的時段最高，AI 可以在這個時段集中外撥，這對人力有限的中心來說是不可能做到的調度。
報告出爐後的回訪追蹤
健檢報告出爐後，AI 在 24 小時內發出通知電話，告知客戶報告已可查閱，並根據報告中的異常旗標（由醫療系統傳入）詢問客戶是否需要安排後續諮詢。
若客戶有需要深入解釋的項目，AI 會記錄需求並安排醫師或健管師回電時間。若客戶一切正常，AI 可以直接引導到年度回訪提醒的流程，詢問是否要預約明年的健檢。
這個環節最能體現 AI 語音助理的複利效果。一個客戶從今年的回訪電話直接轉為明年的預約，整個旅程不需要真人主動介入。Pathors 的外撥排程功能可以根據報告完成日期自動觸發，不需要客服人員手動安排每一通回訪電話。
| 流程環節 | 自動化前 | 自動化後 |
|---|---|---|
| 預約確認 | 人工逐一撥出，每日上限約 60 通 | AI 並行撥出，無上限 |
| no-show 率 | 20–25% | 預估降至 12–15% |
| 前置提醒覆蓋率 | 不到 50% | 接近 100% |
| 報告回訪率 | 20–30% | 可達 60–70% |
導入的實際考量
CRM 整合是前提
AI 語音助理的個人化程度，完全依賴資料串接的品質。如果 CRM 裡的預約資料是手動輸入且常有格式不一致的問題，AI 讀到的資料就會有錯，通話品質立刻下降。導入前，資料治理的整備工作通常比技術整合本身花更多時間。
Pathors 提供標準的 CRM 整合 API，支援主流的健康管理系統，但每家中心的系統環境不同，整合深度需要在評估階段確認。
腳本設計需要醫療背景的人參與
前置提醒的內容涉及用藥建議和身體狀況，措辭需要謹慎。AI 說的話不能造成客戶誤解或產生醫療疑慮。腳本的初版通常由健管師和客服主管共同制定，再交給技術團隊設計對話流程。
這個過程不複雜，但需要時間。多數中心從簽約到上線大約需要 6 到 10 週，主要時間花在腳本審核和測試通話上。
異常轉接的邊界要清楚
AI 在什麼情況下應該轉真人，這個判斷標準必須在上線前定義清楚。常見的轉接觸發條件包括：客戶情緒激動、詢問具體醫療建議、要求退費、連續三次聽不懂客戶說話。
轉接後，真人接手的體驗要順暢。客服人員在接電話的同時，應該能看到 AI 生成的通話摘要，知道客戶之前說了什麼，不需要讓客戶重複一遍。Pathors 的通話摘要功能正是為了解決這個交接空白設計的。
健檢中心的核心競爭力在醫療品質和健管服務，不應該被電話業務的人力瓶頸拖累。AI 語音助理處理的是流程中高重複、低判斷的環節，把真人的時間釋放出來，用在需要溫度和專業的地方。
台灣的健檢市場還在成長，客戶對服務體驗的期待也在提高。一個打不通的提醒電話、一個說不清楚空腹規定的客服、一個忘記通知的報告——每一個細節都在影響客戶的回流決定。AI 語音助理能做的，是讓這些細節不再落網。
我們看過的案例裡，導入後第一個明顯改變通常不是 no-show 率，而是客服人員的工作節奏。他們不再被例行電話淹沒，開始有時間真正思考服務流程。這個改變，反而是後續所有數據改善的根本原因。
Brandon Lu
COO
致力於運用 AI 技術改造客戶服務和商業營運。
