一個 AI 客服接下了 700 個人的工作量，就真的抵 700 個人？

2024 年 2 月，瑞典金融科技公司 Klarna 發了一份很有氣勢的新聞稿：用 OpenAI 技術做的 AI 助理，上線一個月就聊了 230 萬次，是客服聊天的三分之二，工作量相當於 700 位全職客服。

230 萬次有多少？以 30 天平均，一天大約 7 萬 7 千次，每分鐘 50 多次。

Klarna 還說顧客滿意度和真人客服差不多，重複詢問少了 25%，處理一件事從 11 分鐘縮到 2 分鐘以內。新聞稿也寫，顧客想找真人，還是找得到。

一年多後，風雲變色。

執行長自己踩煞車

2025 年 5 月，Klarna 執行長 Sebastian Siemiatkowski 接受 Bloomberg 訪問（Fortune 轉述）時說：安排這件事時，成本似乎被當成太主要的評估因素，結果就是品質變低。他說，真正投資在真人客服的品質，才是 Klarna 的未來，也要讓顧客清楚知道：想找真人，永遠找得到。

Klarna 發言人同時強調，公司仍然是「AI First」。所以不是把 AI 關掉，而是把真人放回來。

700 人份是怎麼算出來的？

先看最響亮的那個數字。「相當於 700 位全職客服」是一種換算，常見的說法叫全職人力當量（Full-Time Equivalent，FTE）：把一堆工作量，換算成要幾個全職的人才做得完。假設一位客服一天能處理 100 件，AI 一天接了 7 萬件，就可以說它「相當於 700 人」。

「接走了」不等於「解決了」

這裡卡住的，是客服世界很容易混在一起的兩把尺：自動化率（Containment Rate）和解決率（Resolution Rate）。

拆開來看，一段客服對話除了可以量 AI 一天接了幾件，主要會測量：

1. 自動化率：這些對話裡，有幾成從頭到尾沒轉給真人
2. 解決率：客人的問題，到底有沒有真的處理好。

舉個例子。假設今天有 100 位客人來問退款，AI 全部接下，處理量是 100；其中 80 位沒有轉真人，自動化率是 80%。可是這 80 位裡，有 20 位隔天又為同一件事打電話來。那真正解決的最多只有 60 位，解決率頂多 60%。同一批客人，量出三個數字。

解決率很難量，怎樣叫解決？很多客服系統的做法是，對話沒轉真人、客人也沒抱怨就結束，就先記成「已解決」。像 Microsoft 的客服機器人工具 Copilot Studio，就把解決分成兩種：客人親口確認的，叫「確認已解決」；客人沒確認、對話逾時結束的，叫「隱含已解決」。

可是客人沒回話，可能是滿意了，也可能是放棄了、改打電話了，或者乾脆不用了。

700 人份的工作量

AI 客服做得到的事很實在：半夜回得快、不用跟其他人擠，簡單的問題馬上就能給你滿意的回答。但客人滿不滿意、有沒有處理好，值得讓真人客服繼續探究。

下次再看到「AI 一個抵幾百人」別跟著嗨，可以先從線索中推理看看這幾百人的依據是哪裡來的。

延伸討論

如果要替公司的 AI 客服挑一個最重要的成績指標，你會選哪一個？

來源（查證日 2026/11/08）：

• Klarna AI assistant handles two-thirds of customer service chats in its first month（Klarna）（在新分頁開啟）・2024/02/27
• Klarna plans to hire humans again, as new landmark survey reveals most AI projects fail to deliver（Fortune）（在新分頁開啟）・2025/05/09
• 監控對話式代理程式的效能（Microsoft Learn）（在新分頁開啟）

文／上哲（ChatGPT 協力）