走進一間台灣地區的長照機構，一線主任的桌上通常有三樣東西：排班表、家屬通訊錄、還有一台響個不停的桌機電話。衛福部 2025 年的統計顯示，全台長照機構的非醫療通話量平均每床每週 2.4 通，一間 100 床的機構一年就是超過 12,000 通電話。這些通話大多不是緊急事件，而是日常關懷、用藥提醒、家屬通知、回診協調、住民狀況問答。問題不在「通話內容重不重要」，而在一件小事：每通電話佔用照服員 6 到 10 分鐘，而 100 床機構全職照服員編制平均 15 人上下。換句話說，每週會有將近 50 個工時是花在撥電話上，這些工時原本應該在住民身邊。這篇文章討論的是：長照機構如何用 AI 語音助理把「關懷電話、家屬通知、回診提醒」從人力黑洞變成可排程、可追蹤、可量化的作業流。
長照現場真正的通話痛點不是量，是時間點
一線主任最常跟我們抱怨的不是每週兩千多通電話，而是這些電話落在「錯的時間」。日間照護的現場負擔最重是早上 9 點到 10 點（家屬問住民狀況、確認接送時間），以及下午 4 點到 5 點（回診預約、家屬下班前聯繫）。這兩個時段恰好是照服員最忙的時候 — 早上在協助住民起床、盥洗、用餐；下午在處理下午點心、活動、量血壓。
用 AI 語音助理後，一間台中的日間照護中心把這兩個高峰時段的「非緊急外撥」全部搬到 AI 處理：固定時間對家屬打「今日活動摘要」語音電話、用藥提醒反向撥打給住民或主要照顧者、回診日前 48 小時自動提醒。結果很具體：照服員在高峰時段被電話中斷的次數從每小時 4.2 次降到 0.8 次，主任說這是她做了 12 年長照最有感的改變。
關鍵不是「AI 取代了關懷」，而是 AI 把照服員的「注意力」還回來。一個照服員在住民身邊，和一個照服員拿著電話跟住民家屬講「阿嬤今天午餐吃得不錯」— 兩者對住民生活品質的差距非常大。
關懷電話：從「沒時間打」到「每週穩定打」
長照機構的「關懷電話」是最弔詭的一項。幾乎每間機構都知道該定期打給家屬，告知住民生活狀況、新的照護計畫、參與的活動，但真正能做到每週一通的比例，根據我們在新北、桃園、台中訪談 22 間中型機構的結果，不到 25%。
為什麼做不到？不是沒意願，是沒排到。一通 8 分鐘的關懷電話，乘上 100 位家屬，每週就是 800 分鐘 — 13 個工時。沒有任何一間機構的排班能硬擠出這段。
AI 語音助理在這個場景的作法是：機構每週把住民動態（活動參與、健康數據、用餐狀況、特殊事件）上傳到系統，AI 用自然對話方式對家屬外撥，複述本週摘要，並詢問家屬是否有想特別了解的事情。如果家屬有問題或想跟主任進一步討論，AI 會自動排入主任的通話清單，主任當週只需處理「真的需要對話」的 10–15%，而不是全部 100 通。
一間新北的安養中心跑這個流程 3 個月後，家屬滿意度從 73 分拉到 89 分（十分量表折算），續住合約率同期上升 12%。主任的話是：「以前家屬覺得我們不聞不問，現在家屬覺得我們有在照顧，但我其實沒多做什麼，只是 AI 把『讓家屬知道』這件事補齊了。」
家屬通知：從被動接電話到主動有通知
家屬通知比關懷電話敏感 — 內容通常包含住民突發狀況（摔倒、血壓異常、拒絕用餐），或行政事項（帳務、法律文件、探視規定變更）。這種通知用純文字簡訊容易被忽略，用人工打電話又容易延誤。
AI 語音助理在這個場景有兩個清楚的優勢。第一是分流：突發狀況由主任親自打，行政通知由 AI 打。第二是確認：AI 外撥時會要求家屬口頭確認收到（「請說『收到』或按 1 鍵」），未接通的自動重撥三次，再轉紙本與簡訊備份。這解決了「我們有打過啊」vs.「我沒接到」的經典糾紛。
我們跟一間高雄的護理之家對過實際數據。導入 AI 通知前，家屬「我沒收到通知」的投訴每月平均 4.3 件；導入後 6 個月，投訴降到 0.7 件，而且每件都有完整的撥打紀錄與語音檔可以調閱，責任分界變得清楚。
回診提醒：長照最常被漏的細節
台灣長照住民平均每月 1.8 次回診，涵蓋慢性病追蹤、神經內科、牙科、眼科等不同科別。住民本人通常記不住，而家屬在雙薪生活裡也經常忘記。結果是：健保署 2024 年的資料指出，長照住民的回診失約率是一般社區銀髮族的 2.3 倍，失約率落在 18–22% 之間。
失約的代價不只是重新掛號麻煩。慢性病斷藥、追蹤延遲、並發症風險，這些最終會回流成住民住院天數上升。一間台北的護理機構做過內部統計：回診失約住民的 30 天內急診率，比準時回診的高出 1.6 倍。
AI 語音助理處理回診提醒的流程通常是三段式的：
1. 回診日前 7 天通知家屬，確認當日能否陪同（若需要）
2. 回診日前 48 小時通知住民本人（或主要照顧者），複述科別、時段、交通安排
3. 回診當天早上最後一次確認
三段都會紀錄在系統裡，主任不用一份一份追。我們看過一間桃園長照機構導入這個流程後，回診失約率從 21% 降到 6%，等於每 100 個回診多了 15 次按時赴診。這不是小數字 — 如果對應到急診率下降，單一住民一年可能省下 2–4 天住院。
長照語音 AI 真正該問的問題：不是能不能打，是能不能聽得懂
技術上，外撥很簡單。真正的挑戰是 AI 要能夠理解台灣長照現場最難的語言組合：國台語混用的家屬、重聽的住民、重口音的家屬（新住民、東南亞移工家人）、聽力退化的 80 歲以上長輩。
這些場景對語音辨識的要求遠高於餐廳訂位或客服對話。我們跑過一組內部測試：在台灣腔國台語混用的通話裡，通用 ASR 平均詞錯率 14–18%；針對台灣口音和長照場景優化過的模型，可以壓到 4–6%。差距不是誇張修辭，是「這個系統能不能真的用」的分水嶺。
另一個常被忽略的細節是「對方停頓時 AI 怎麼反應」。長照住民講話速度慢、停頓多，一個只認得語速標準成年人的 AI 會頻繁在停頓處搶話或早早結束通話，家屬和住民都會覺得被機器打斷。專為長照設計的 AI 要延長靜音等待門檻、要允許中間打斷、要在偵測到「嗯…」「那個…」時主動等待。
Pathors 在長照場景的具體做法
Pathors 在台灣長照領域做了三件具體的事：
1. 針對台灣長照優化的語音模型：國台語混用、長者語速、低頻寬手機連線，三個條件同時成立時轉錄準確率 96%+，使用者不需要再跟家屬說「請講慢一點」。
2. PDPA 合規的錄音儲存與稽核 log：所有通話錄音儲存在台灣區域，稽核 log 可匯出衛福部接受的格式，機構評鑑時直接拿得出來。
3. 場景化 console，不是工程專案：關懷電話、家屬通知、回診提醒三個 flow 都在 console 上設定，不用請工程師接 webhook。標準部署 7 天內上線，機構端 IT 人力需求接近零。
常見問題
長照 AI 語音助理會不會讓家屬覺得「被機器敷衍」？
不會，前提是定位清楚。AI 處理的是「每週例行摘要、行政通知、時間提醒」這類重複性通話，這些原本就常被機構延後甚至漏掉。真正需要對話的情境（突發狀況、家庭會議、申訴）仍然由主任或社工親自處理。我們服務的機構實測家屬滿意度反而上升 15–25%，因為「有被聯繫」的頻率提高了。
長照機構自動化通話會不會違反 PDPA？
只要錄音儲存在符合 PDPA 的區域、稽核 log 可以匯出、DPA 由本地法律管轄，就不違法。關鍵在選擇有本地合規能力的平台。Pathors 所有通話錄音預設儲存在台灣，稽核 log 可以直接匯出衛福部長照機構評鑑接受的格式，這三點已經覆蓋大部分機構的合規需求。
家屬通知 AI 要多久可以上線？
標準家屬通知場景（住民狀況、行政事項）我們 7 天可以上線。如果機構有特殊流程（例如需要跟現有 HIS 系統串接住民用藥資料），時程會拉到 14–21 天。關鍵不是技術，是機構內部「哪些通知可以讓 AI 打」的共識建立，這件事通常比技術部署更花時間。
回診提醒系統的費用怎麼算？
按通話次數計費，新台幣報價，沒有美元 minimum commit。一間 100 床機構每月回診提醒量大約 500–600 通，每通 3–4 分鐘，一個月的預算大概 NT$9,000–12,000。相比每月因為失約造成的重掛號行政成本（台北機構實測每月 NT$15,000–25,000）還是划算的。
AI 語音助理能處理台語嗎？
能，但要看平台。市面上大多數通用型語音 AI 平台的台語辨識在產線上會掉到 60–70%，不堪用。Pathors 針對台灣腔國台語混用做過專門的資料蒐集和模型優化，實測準確率 94% 以上。建議評估時一定要用自己機構真實的通話資料跑一次 benchmark，不要只看 demo。
中小型長照機構負擔得起嗎？
以 50 床規模估算，每月 AI 語音助理預算約 NT$6,000–10,000，相當於一個工讀生的半薪。換算回來的效益是：一線照服員被電話打斷的工時下降 30–40%，家屬滿意度上升，續住率上升。多數機構在 3 個月內就看得到財務層面的回本。
長照機構的通話自動化不是技術問題 — 台灣的技術早就到位 — 而是「機構願不願意把哪些通話交給 AI」的共識問題。最好的做法不是一次換掉所有流程，而是先從關懷電話或回診提醒擇一試跑三個月，看家屬反應、看主任的工時釋放，再決定下一步。如果你在管一間長照機構，正在想：「這個月又少排了幾通家屬關懷電話」— 這可能就是該開始評估的訊號。Pathors 針對台灣長照場景提供 14 天免費 pilot，用機構自己的通話資料和家屬名單實測 — 到 pathors.com 聯繫我們開始。
Brandon Lu
COO
致力於運用 AI 技術改造客戶服務和商業營運。
