玉山 AI 客服 3 年關鍵數字(2026 業界估算)
| 指標 | 2023 導入前 | 2026(業界估算) |
|---|---|---|
| 月諮詢量 | 200 萬通 | 380 萬通(+90%) |
| AI 處理比例 | 15%(規則式) | 72%(LLM 型) |
| 真人客服人數 | 380 人 | 220 人(-42%) |
| 客戶滿意度 CSAT | 78% | 89% |
| 首次解決率 FCR | 62% | 84% |
| 年節省成本 | — | NT$ 3 億+ |
玉山的 3 個關鍵決策
決策 1:先做「AI 分流」不做「AI 全接手」
2023 導入時、玉山選擇「LLM 前端分類 + 真人執行」而非「AI 全端到端回覆」:
- AI 讀客戶提問 → 分類(帳務/信用卡/貸款/投資/其他)+ 情緒(急/一般/抱怨)
- 簡單常見問題(帳戶餘額/轉帳/信用卡帳單)AI 直答
- 複雜或情緒激動 → AI 帶「客戶問題摘要 + 建議回應」丟給真人
結果:真人平均通話時長從 8 分縮到 4.5 分、產能翻倍;客戶不會遇到「AI 聽不懂就跳出」的挫折。
決策 2:知識庫做 RAG、不做 fine-tune
玉山選擇把內部 SOP/產品/合規文件建 RAG 系統、AI 每次回答時去查:
- 費率/政策/產品規格改變、只需更新知識庫、不用重訓模型
- 回覆一定引用來源「依 2026 年 6 月版 XX 規範」、客戶有信任來源
- 金管會查核方便:所有 AI 回覆都可追溯到知識庫特定文件
對比 fine-tune 方案:業界估算 fine-tune 成本 USD 500K/年、RAG 只要 USD 50K/年、且合規性更強。
決策 3:重點投資「AI 情緒識別 + 升級路徑」不做「AI 情緒模仿」
玉山不追求「AI 說話像真人」、而是「AI 準確判斷客戶情緒 + 快速升級真人」:
- 客戶語音/文字有負面情緒詞(生氣/失望/威脅)、系統 30 秒內強制轉真人
- 真人接手時、螢幕直接顯示「客戶已對話 3 分、情緒不佳、建議先致歉再解決」
- 負面情緒案例每週 review、更新 AI 判斷規則
這個「AI 不裝人、但幫真人準備」的設計、是玉山 CSAT 從 78 → 89 的關鍵。
3 家台灣金融 AI 客服對照(2026 業界估算)
| 銀行 | AI 處理比例 | 策略 | 結果 |
|---|---|---|---|
| 玉山銀行 | 72% | AI 分流 + RAG + 情緒識別 | CSAT 89% |
| 中信銀行 | 65% | 語音 AI + 文字客服 | CSAT 84% |
| 國泰世華 | 58% | CUBE App + 智能客服 | CSAT 82% |
【企業 AI 客服導入 5 問】
- 你的客戶問題分類清楚嗎?模糊 → 先花 2 個月盤點 top 100 問題
- 你有沒有內部 SOP 文件?有 → 走 RAG、沒有 → 先建 SOP 再導入 AI
- 你能接受「AI 分流 + 真人執行」不是「AI 全接手」?能 → 上手快、不能 → 期望值太高會失望
- 你有沒有法遵/合規需求?有 → RAG + 引用來源必做、fine-tune 難合規
- 你能撐 6-12 個月的導入期?能 → 3 年 ROI 明確、不能 → 別碰、AI 客服前 6 個月是折磨
【決策樹】30 秒選 AI 客服路徑
Q1:問題類型? ├─ 標準化 > 70% → AI 直答為主(玉山模式) ├─ 標準化 30-70% → AI 分流 + 真人執行 └─ 標準化 < 30% → 先做 SOP 標準化再導 AI Q2:合規要求? ├─ 嚴格(金融/醫療) → RAG + 引用來源 + 人工 QA └─ 一般 → LLM 直接回覆可接受 Q3:預算? ├─ < USD 100K/年 → SaaS 客服工具(Retell/Vapi) ├─ USD 100-500K → 自建 RAG + open source LLM └─ > USD 500K → 客製化 + 專屬 AI 顧問
【常見 3 錯誤】企業 AI 客服常犯
- 錯誤 1:期望 AI 全接手(6 個月後回頭補真人、成本翻倍)
- 錯誤 2:沒建 SOP 就導入(AI 學不到正確答案、回覆錯誤率高)
- 錯誤 3:忽略情緒識別(客戶不滿沒被察覺、投訴上升)
【檢核】5 問打勾表
- ☐ 已盤點 top 100 客戶問題分類
- ☐ 已建立內部 SOP/知識庫可 RAG
- ☐ 已規劃「AI 分流 + 真人執行」流程
- ☐ 已設計情緒識別 + 30 秒升級真人機制
- ☐ 已規劃 6-12 個月導入期 + KPI 監控
結論:AI 客服不是取代真人、是讓真人做更難的事
玉山 3 年證明:AI 客服真正的價值不是「省人力」、是「讓真人專注處理需要人性判斷的複雜案例」。台灣金融/保險/大型服務業 2026 導入 AI 客服的贏家模式:①先做 AI 分流 + 真人執行、②知識庫 RAG 不 fine-tune、③投資情緒識別 + 快速升級真人。硬要 AI 全接手是最貴的坑。