史丹佛 2024 年研究:AI 讓客服效率提升 14%,但新手受益最多

發表時間:2026 年 11 月 16 日 | 更新日期:2026 年 11 月 16 日 | 編輯:雅寶社區編輯團隊
史丹佛 2024 年研究:AI 讓客服效率提升 14%,但新手受益最多 - 雅寶社區 · 頂客論壇

好,現在我們進到重頭戲。這份研究到底發現了什麼?我把它拆成三個層次來看:整體效果、分群效果、以及那些「非生產力」的指標。

整體生產力提升 14%

研究團隊測量生產力的方式,主要看兩個指標:每小時解決的問題數量(也就是處理速度),以及每次通話的平均時長。結果發現,配備 AI 工具的客服人員,平均每小時解決的問題數量增加了 14%,而通話時間則縮短了約 9%。

14% 這個數字聽起來好像沒有很誇張,但你要考慮到,客服產業的利潤率通常很薄,人事成本佔了極大的比重。14% 的生產力提升,換算成財務數字,可能意味著數百萬美元的年度節省。而且,這還只是「平均」效果。對於某些特定的問題類型,AI 的幫助更大——尤其是那些需要查詢大量資訊、或者需要按照標準流程處理的技術性問題。

研究團隊也發現,AI 輔助讓客服人員的「解決率」提升了約 3 個百分點。換句話說,更多問題在第一次通話就被解決了,不需要客戶再打第二次。這對客戶體驗和企業成本都是好事。

新手提升 34%,老手幾乎沒差

這是整份研究最有趣、也最反直覺的發現。研究團隊按照客服人員的資歷和歷史績效,把他們分成「新手」(資歷較淺、績效較低)和「老手」(資歷深、績效高)兩組。結果發現:

新手組的生產力提升了 34%。他們處理問題的速度大幅加快,解決率也明顯提升,甚至連客戶滿意度都跟著上來了。

老手組的生產力幾乎沒有變化,提升幅度在統計上不顯著。更有趣的是,研究團隊觀察到,某些頂尖客服人員在使用 AI 工具後,解決率甚至略微下降——雖然幅度很小,但方向值得注意。

這個發現的衝擊力在於:長久以來,我們都假設 AI 是「能力放大器」,讓強者更強。但這份研究顯示,在客服這個領域,AI 更像是「能力平衡器」——它把新手拉到接近老手的水準,但對已經接近天花板的老手,幫助有限。

客戶滿意度與員工流動率

除了生產力指標,研究團隊還追蹤了兩個「軟性」指標:客戶滿意度和員工流動率。

在客戶滿意度方面,AI 輔助組的評分略微上升。這可能是因為 AI 建議的回覆通常比較標準化、語氣比較禮貌,而且比較不會漏掉重要資訊。不過,研究團隊也發現,當客戶的問題比較複雜、需要「人味」的時候,AI 的幫助就沒那麼明顯。

在員工流動率方面,結果很有意思:AI 輔助組的員工離職率下降了約 9%。研究團隊推測,這是因為 AI 減輕了新手的工作壓力——他們不用再擔心自己答錯、被客訴、或者被主管釘在牆上。當工作變得比較「可管理」,員工自然比較願意留下來。這對企業來說,是一個隱藏的成本節省:招募和培訓新人的成本其實很高,流動率下降意味著這些成本也跟著降低。

為什麼新手受益最多?三個關鍵原因

讀到這裡,你一定想問:為什麼新手受益這麼大,老手卻無感?研究團隊和後續的學術討論,歸納出三個主要原因。這三個原因,其實也解釋了 AI 在職場中扮演的角色,為什麼有時候是「賦能」,有時候卻只是「輔助」。

知識門檻被 AI 填平

客服工作表面上簡單,但實際上需要大量的「情境知識」:公司的產品規格、退換貨政策、系統操作流程、常見問題的標準答案、以及各種例外狀況的處理方式。一個新手要花好幾週、甚至好幾個月,才能把這些知識內化到可以「反射性回答」的程度。

AI 工具直接把這個知識門檻給填平了。當客戶問一個問題,AI 會即時從知識庫中檢索相關資訊,然後生成一段結構完整的回覆。新手不需要背誦所有政策,也不需要記住所有流程,他們只需要「判斷」AI 的建議是否合理,然後按下送出。這讓新手的「有效能力」瞬間提升到接近老手的水準。

老手則不一樣。他們早就把這些知識內化了,回答問題對他們來說是「自動化」的過程。AI 給的建議,對他們來說往往是「我早就知道了」,甚至會覺得 AI 的回答「太制式」、「不夠靈活」。所以,AI 對老手的邊際幫助自然就小了。

AI 當「翻譯機」與「教練」

研究團隊訪談了一些客服人員,發現新手使用 AI 的方式,跟老手很不一樣。新手通常把 AI 當成「翻譯機」:客戶講的話,他們可能聽不太懂(尤其是技術術語或情緒性語言),AI 會幫他們「翻譯」成具體的問題類型,然後給出建議答案。這大大降低了新手「聽不懂客戶在說什麼」的焦慮。

同時,AI 也扮演了「教練」的角色。新手在採用 AI 建議的過程中,其實也在學習「什麼樣的回覆才是好的回覆」。久而久之,他們開始內化這些模式,自己的回覆品質也跟著提升。研究團隊發現,新手使用 AI 工具的時間越長,他們「自行修改 AI 建議」的比例越高——這代表他們在學習,而不是單純依賴。

老手則把 AI 當成「多餘的秘書」。他們通常會快速掃過 AI 的建議,然後用自己習慣的方式回覆。有些人甚至會把 AI 的建議視為干擾,覺得「還不如我自己打比較快」。

學習曲線被壓縮

傳統上,一個客服新手要達到「老手」的水準,需要 6 到 12 個月的時間。這期間,他們會經歷大量的錯誤、客訴、和主管的指導。這個學習曲線,對企業來說是成本,對員工來說是壓力。

AI 工具把這條學習曲線壓縮了。新手不需要再經歷那麼多「從錯誤中學習」的過程,因為 AI 會在他們犯錯之前,就給出「正確答案」。研究團隊估計,在 AI 輔助下,新手達到「獨立作業」水準的時間,縮短了約 30% 到 40%。

這對企業來說是大利多:培訓成本降低、新人上手速度加快、產能爬升更迅速。但對員工來說,這是一則以喜、一則以憂:喜的是,壓力減輕了;憂的是,如果 AI 已經會了,那「我」的價值在哪裡?這個問題,我們後面會再討論。

對企業的啟示:不是裁員,是重新配置人力

這份研究發表後,很多企業主管的第一個反應是:「那我是不是可以裁掉一些客服人員?」這其實是錯誤的解讀。研究團隊在論文中明確指出,AI 導入的效果是「提升現有員工的生產力」,而不是「取代員工」。換句話說,企業該思考的,不是「少請幾個人」,而是「怎麼重新配置人力」。

招聘策略的改變

過去,企業在招聘客服人員時,往往偏好「有經驗」的人,因為培訓成本高、上手時間長。但在 AI 輔助的環境下,新手的「即戰力」大幅提升,企業可以更大膽地招聘「沒有經驗但態度好、學習意願高」的人。

這意味著,招聘的評估重點可能會從「你懂多少」轉向「你學多快」和「你怎麼跟 AI 協作」。企業可能會開始重視「AI 協作能力」這個新的職能指標——也就是,你能不能判斷 AI 的建議好不好、能不能在 AI 出錯時及時修正、能不能把 AI 當成工具而不是拐杖。

此外,企業也可能會調整招聘的「來源」。既然新手培訓成本降低了,企業可以考慮擴大招聘範圍,例如聘用更多轉職者、二度就業婦女、或者偏鄉地區的人才。這對勞動市場的包容性來說,是一個正面的發展。

培訓體系的轉型

傳統的客服培訓,花很多時間在「產品知識背誦」和「流程演練」上。但在 AI 輔助下,這些「硬知識」的培訓比重可以降低,取而代之的是「軟技能」的培訓:如何讀懂客戶的情緒、如何處理複雜的客訴、如何在 AI 建議不適用時做出判斷。

換句話說,培訓的重點從「記住答案」轉向「判斷答案」。這其實是更高階的能力,也需要不同的培訓方法。企業可能需要設計更多的「情境模擬」課程,讓員工練習在各種複雜情況下,如何與 AI 協作、如何做出最佳決策。

研究團隊也建議,企業在導入 AI 工具時,應該搭配「階段性培訓」:先讓員工熟悉工具的基本操作,再逐步引導他們理解 AI 的優勢與限制,最後才是進階的「協作策略」。如果只是把工具丟給員工,卻沒有配套的培訓,效果會大打折扣。

績效評估的新標準

傳統的客服績效評估,主要看「處理速度」和「解決率」。但在 AI 輔助下,這些指標可能會失真——因為 AI 讓所有人都變快了,速度的差異縮小了,反而更難區分誰表現好、誰表現差。

研究團隊建議,企業應該重新思考績效評估的指標。例如,可以納入「AI 建議採納率」、「AI 建議修改率」、以及「複雜問題的處理能力」等新指標。這些指標更能反映員工在 AI 時代的「真實價值」:不是誰打字快,而是誰能做出更好的判斷。

此外,企業也應該注意「過度依賴 AI」的風險。研究團隊觀察到,有些新手在長期使用 AI 後,反而失去了獨立思考的能力,遇到 AI 沒涵蓋的問題就卡住了。因此,績效評估也應該包含「獨立解決問題的能力」,避免員工變成「AI 的遙控器」。

對客服從業者的影響:焦慮還是機會?

這份研究對第一線的客服人員來說,感受可能很複雜。如果你是新手上路,這絕對是好消息:你不再需要熬過那段「每天被客訴、每天懷疑人生」的痛苦期。但如果你是資深老手,你可能會想:「那我這些年累積的經驗,不就白費了?」

新手如何善用 AI 紅利

對新手來說,AI 工具是一個巨大的「能力補貼」。你應該把它當成一個「隨身教練」,而不是「自動答題機」。具體來說,你可以這樣做:

第一,不要只是複製貼上。每次 AI 給出建議,你都應該問自己:「為什麼 AI 這樣回答?這個回答的邏輯是什麼?」把每次使用 AI 當成一次學習機會,而不是一次偷懶機會。

第二,刻意練習「修改 AI 建議」。研究發現,頂尖的新手會根據客戶的語氣、上下文、以及自己的判斷,修改 AI 的建議。這個「修改」的過程,就是你在建立自己的專業判斷力。

第三,記錄 AI 的「失誤」。AI 不是萬能的,它會給出錯誤、過時、或者不適當的建議。每次你發現 AI 出錯,就把它記錄下來,然後思考:「如果沒有 AI,我會怎麼處理?」這些紀錄,會成為你未來獨立作戰的養分。

資深員工的轉型路徑

對資深員工來說,AI 的出現確實帶來了一定的「技能折舊」壓力。你過去累積的產品知識和流程熟練度,現在 AI 也會了。但這不代表你的價值消失了,而是你的價值需要「轉型」。

第一個轉型方向是「AI 品質管理者」。AI 給的建議不一定完美,需要有人去判斷、修正、甚至訓練 AI。資深員工的經驗,正好可以用來「調教 AI」——告訴 AI 什麼樣的回覆才是好的、什麼樣的回覆會惹毛客戶。這種「人機協作」的角色,在未來會越來越重要。

第二個轉型方向是「複雜問題專家」。AI 擅長處理標準化、重複性的問題,但對於複雜的、情緒性的、需要談判的客訴,AI 的幫助有限。資深員工可以把精力集中在這些「高價值」的問題上,讓 AI 去處理那些「低價值」的雜事。

第三個轉型方向是「內部教練」。資深員工可以把自己多年累積的「隱性知識」,轉化成培訓教材,幫助新手更快上手。在 AI 輔助的環境下,新手缺的不是「知識」,而是「判斷力」和「情境智慧」——而這正是資深員工的強項。

研究限制與未解的問題

雖然這份研究很有價值,但它也有它的限制。我們在解讀這些數字的時候,應該保持一定的批判性思考。畢竟,學術研究是「在特定條件下」的發現,而不是「放諸四海皆準」的鐵律。

這項研究沒告訴你的事

第一,這是一家公司的數據。研究團隊只追蹤了一家大型客服外包公司,這家公司的業務性質、客戶類型、企業文化,都會影響研究結果。我們不能假設所有客服產業、所有國家、所有規模的企業,都會得到同樣的結果。

第二,AI 工具的形式很特定。這份研究使用的 AI 工具,是「即時建議回覆」的形式。其他的 AI 應用——例如語音辨識、情緒分析、自動摘要——可能會有不同的效果。隨著 AI 技術快速演進,這份研究的結論也可能會過時。

第三,長期效果未知。這份研究追蹤的時間只有幾個月,我們不知道長期使用 AI 後,員工的技能發展會如何變化。會不會新手永遠依賴 AI,無法獨立成長?會不會老手的經驗因為沒有被使用而逐漸流失?這些問題,還需要更長期的研究來回答。

第四,「新手」的定義很寬鬆。研究團隊用「資歷」和「歷史績效」來區分新手和老手,但這只是一種操作型定義。實際上,每個人的學習曲線、適應能力、和 AI 協作的能力都不一樣。有些人可能資歷淺,但學習快;有些人可能資歷深,但抗拒新工具。這些個體差異,在研究中被平均掉了。

第五,沒有考慮「客戶端」的變化。這份研究主要關注「客服人員」的生產力,但沒有深入探討「客戶」的感受。AI 輔助的回覆,會不會讓客戶覺得「太制式」、「沒有溫度」?長期下來,客戶滿意度會不會反而下降?這些問題,還需要更多的研究來釐清。

結論:AI 不是取代,是重新分配「能力紅利」

總結來說,這份史丹佛 2024 年的研究,給了我們一個很重要的啟示:AI 在職場中的角色,不是單純的「效率工具」,而是「能力重分配器」。它把原本集中在資深員工身上的「能力紅利」,部分轉移到了新手身上。這對新手來說是機會,對老手來說是挑戰,對企業來說則是重新思考人力配置的契機。

但我們也要記得,這份研究的結論是有條件的:它適用於「客服」這個特定領域,適用於「即時建議回覆」這種特定工具,也適用於「這一家」特定公司。未來的世界會怎麼變化,還需要更多的研究和實踐來驗證。

不過,有一個趨勢是可以確定的:AI 不會讓「人」變得多餘,但它會讓「只會做 AI 能做的事」的人變得多餘。未來的職場,需要的是「能與 AI 協作、能做出 AI 做不到的判斷、能處理 AI 處理不了的複雜情境」的人。無論你是新手還是老手,這都是你該思考的方向。

所以,與其擔心 AI 會不會取代你,不如問自己:「我能不能把 AI 當成我的隊友,而不是我的對手?」 這份研究的答案,或許已經給了我們一些線索。

最後,如果你對這份研究有興趣,可以去搜尋「Brynjolfsson, Li, Raymond, 2024, Generative AI at Work」這篇論文,裡面有更詳細的數據和分析。也歡迎在底下留言,分享你對 AI 與客服工作的看法。我們下次見!

🏠 返回首頁