「它怎麼有點笨？」這句話在客服系統討論裡很常出現。表面上是在評價回答，實際上卻可能混了好幾種問題：資料是不是還停在舊版本、訊息有沒有走到正確的處理流程、遇到不確定的問題會不會追問，以及人員接手後的答案有沒有回到系統裡。只看最後一句回覆，很容易把整條流程的責任都算到模型頭上。
回答品質，常常在提問之前就決定了
我曾經把注意力放在回答語氣和模型選擇上，後來才發現更早的一步才是關鍵：系統到底把哪一份知識交給它？如果新的規則沒有更新、問題被送到不相干的處理路徑，或同一種問題有幾個互相矛盾的來源，再流暢的回答也只會更有自信地說錯。
這讓我改變看法。客服 AI 不是一個單獨的回覆框，而是一段資訊流的終點。要改善它，不能只調整最後那句話，還要先確認訊息從哪裡來、該找什麼資料、哪些內容已經過期。
客服 AI 的成熟，不是每一題都立刻回答，而是知道何時該查、該問、該交給人，並把結果留下來。
不確定時願意問，反而比較像在服務
真正讓人不放心的，不是系統承認不知道，而是它在資料不足時仍給出像答案的答案。客服情境裡，問題常常少了一個必要條件；這時候一個恰當的追問，比匆忙猜測更能縮短來回，也更能保護客人和團隊。
因此我會把「什麼情況要釐清」視為客服設計的一部分。不是所有問題都要丟回人工，而是要讓系統能辨識哪些資訊不足、哪些問題超出已知範圍，並清楚說明下一步需要什麼。
人工接手不該是流程的盡頭
客服人員接住複雜問題，本來就是服務品質的一部分；真正可惜的是，問題一旦被人解完，答案又只留在某個人的對話裡。下一次相同狀況出現，系統只好重新猜，團隊也得再做一次判斷。
我喜歡把人工交接看成學習的入口：哪些問題值得補進知識、哪些分類需要調整、哪些回覆應該改成先追問。當這些結果能回到共同流程裡，AI 客服才不是一直重複同一套答案，而是能隨著真實服務逐步變得可靠。