打電話追一筆退款、查一張不明帳單，或者在航班取消後重訂行程，最折磨人的往往不是等待本身，而是等了很久，才發現接電話的一方沒有權限處理。過去的自動語音系統會請人按一、按二，再把問題送進另一個選單；新一代 AI 客服的承諾更進一步，它不只回答，還可以查帳戶、讀政策、驗證身分，甚至在企業批准的範圍內直接採取行動。
OpenAI 在 7 月 22 日發布 OpenAI Presence，就是把這套承諾推向正式企業部署。Presence 支援語音與聊天，能接入公司系統，處理帳單、保險理賠或內部 IT 支援等工作，必要時再轉交真人。OpenAI 也宣稱，自家英語電話支援已有 75% 的來電問題不需真人協助便能解決，人工轉接比例更在十天內下降 15 個百分點。
數字很亮眼，卻不是這條新聞最值得留意的部分。客服自動化一旦由「替人回答」走到「替企業執行」，改變的是責任分配：AI 先拿走大量規則清楚的正常件，真人接手的隊列便會集中成資訊不完整、情緒更重、金額更高或政策互相衝突的例外件。這時，真人仍然存在，不等於人的工作沒有變，也不等於消費者一定找得到有能力解決問題的人。
這次轉折不只在於 AI 能說得多像真人，而在於企業開始讓它讀取資料、套用政策和執行動作。當正常件先被自動化，真人客服會逐漸變成例外處理中心；服務品質要看整條接手與修正路徑，而不是只看有多少人沒有轉接。
這次發布，不只是聊天機器人換名字
Presence 和網站右下角常見的問答機器人，差別不只在模型更會聊天。按照 OpenAI 的產品說明，每個部署會先限定一個具體工作，例如處理帳單爭議、協助保險理賠，或回應員工 IT 服務要求。AI 只取得完成那項工作所需的知識與系統權限，企業則設定它可以獨立做什麼、什麼動作需要批准，以及何時必須交回真人。
這個設計透露了企業 AI 的下一個競爭點。模型本身只是其中一層，周圍還要有標準作業程序、權限、護欄、核准動作、模擬測試、評估工具和上線後的監測。OpenAI 表示，Presence 會從實際對話、轉接與品質訊號找出缺口，再由 Codex 協助提出可測試的修改，經團隊批准後才分批推出。換句話說，賣的不是一個放進客服頁面的聊天框，而是一套持續部署和修正的服務系統。
The New Stack 的報導也指出，企業若要把 AI 放到真實電話線和帳戶系統旁邊，難處不在打開一個 API，而在定義工作、接通資料、設定權限、測試邊界和處理上線後的變化。這也解釋了為什麼 Presence 目前仍不是自助式產品。它只向合資格企業提供有限度的一般可用版本，由 OpenAI 的 forward deployed engineers 及少數系統整合商帶領部署。
因此，這不是 AI 客服已全面普及的訊號，而是高接觸式企業服務開始成形。OpenAI 公布的早期合作也要按原文理解：BBVA Mexico 正在探索日常銀行語音支援，SoftBank 在測試自然日語對話，IAG 則探索惡劣天氣等需求高峰期間的支援。這些都是設計、探索或測試，不是已完成的大規模成效報告。
Presence 仍然重要，因為它把產業焦點從「模型能否回答」移到「企業是否敢讓模型做事」。一旦 AI 可以核對身分、查找訂單、套用退款政策和更改帳戶狀態，錯誤不再只是生成一句不好聽的答案，而可能變成一筆錯誤退款、一個沒有建立的申訴個案，或一項事後才需要人類復原的動作。護欄、評估和轉接規則由附加功能，變成產品本身。
執行權限也不該只有「開」與「關」。同一個退款工作，可以分成查詢訂單、判斷是否符合政策、計算金額、建立退款、正式付款與通知客戶幾個階段。低風險步驟可以自動完成，超過金額、出現資料矛盾或涉及申訴時再要求批准。這種分層比「AI 可以退款」更接近真實控制，也讓失敗位置可被追查。若企業只設定一個寬泛目標，卻沒有把動作拆開，模型再聰明也很難替代清楚的責任邊界。
這也改變了真人介入的時間。傳統人機協作常把人放在最後，AI 做不到才轉接；更穩健的設計會在高風險動作之前安排批准，並讓人可以在生產監測出現異常時暫停某類操作。兩種設計都有人參與，風險卻完全不同。前者讓人負責善後，後者讓人保留決定權。Presence 提供設定批准與轉接的位置，企業實際把人放在哪裡，才是日後案例需要披露的重點。
75% 解決率，先看清它沒有回答什麼
OpenAI 的英語電話支援是目前最具體的 Presence 成效案例。官方說，系統能處理開放式要求、驗證來電者、使用帳戶資料並採取核准動作，上線數周後達到或超過公司用來評估前線真人支援的基準，現時有 75% 的來電問題毋須真人協助。公司還表示，Codex 驅動的改進流程在十天內把人工轉接降低 15 個百分點。
這兩個數字都只能寫成 OpenAI 的自述。發布資料沒有公開總通話量、評估期間、問題分類、語言口音分布，也沒有說明「解決」是以系統完成動作、客戶確認、沒有再次來電，還是後續不需人工修正來定義。15 個百分點也不是下降 15%，兩者的分母不同。
這並不代表數字沒有價值。它至少顯示，具備系統權限的語音 agent 已經可以在一條真實支援線上處理相當比例的工作，而不只是舞台示範。不過，從一條由產品供應商自己營運的英語電話線，跳到銀行、保險、航空或電訊業的普遍結論，中間還隔著不同法規、資料品質、客戶結構、語言和錯誤成本。
影響判讀的，是分母以外那一圈沒有公開的資料。例如，掛斷後重新來電的人算不算已解決？AI 已完成退款，但政策套用錯誤、後來被真人撤回，算在哪一邊？原本只需一次通話的案件，變成先與 AI 對話再找真人，平均處理時間有沒有下降？交到真人手上的 25%，是否剛好集中最多金額、最高情緒和最嚴格時限？
同一個 75%，也可能代表兩套很不一樣的服務。若完成的是送貨進度、密碼重設和一般資料查詢，轉給真人的主要是爭議、損失與身份問題，人工隊列的風險會遠高於原來平均。若完成率在每一類案件都接近，而且重複聯絡與修正沒有增加，才較接近整體能力提升。公開一個總比例看不出這個差別，至少要按工作類型、風險等級和結果是否維持來拆分。
大型部署研究提供了另一個參照。Nubank 團隊在 KDD 2026 接受的論文整理五個生產環境客服 agent，涵蓋卡片寄送、債務管理、信用額度、卡片管理和產品解釋。論文報告，卡片寄送案例相較先前 agent 版本，AI transactional NPS 增加 37 個百分點，自助服務率增加 29 個百分點；多數用途的 AI 滿意度也接近專家真人。
這些結果說明，AI 客服可以在真實環境帶來改善，而且離線模擬與線上測量之間可以建立關係。但它仍是部署團隊自己的研究，卡片寄送的比較對象是先前 agent 版本，不是整個產業，也不是 Presence 的成績。更有用的啟示反而是評估方法：同一個系統必須同時看離線情境、真實成效、滿意度和自助完成，而不能用單一「少了多少人工」替代服務品質。
AI 吃掉正常件後，真人只剩例外
1983 年，人因研究者 Lisanne Bainbridge 在經典論文 Ironies of automation 討論工業控制系統時提出一個反直覺問題：自動化可能擴大，而不是消除人的難題。當機器負責正常狀況，人類被留下處理異常，人的工作頻率降低，難度卻上升；必須介入時，操作者還要在缺少日常練習的情況下迅速理解系統發生了什麼。
客服和工業控制不是同一個領域，Presence 也不能直接由一篇 43 年前的論文推導結果。但這個框架很適合用來檢查客服自動化的分工。若地址修改、送貨查詢、一般退款和常見帳單問題大多由 AI 完成，真人不會繼續面對相同平均難度的案件。他們接到的更可能是政策沒有覆蓋、資料互相矛盾、客戶身分無法驗證、前一個動作做錯，或者時間與金錢損失已經發生的情況。
真人接手時，通常還多了一層工作：先判斷 AI 做過什麼。若完整對話、查詢紀錄、使用過的政策版本和已執行動作沒有一起轉過來，所謂轉接只是把人送到另一條隊列。客戶要重新講一次，客服要重新查一次，還可能需要撤回或修正 AI 的前序決定。表面上少了人工接觸，實際上把工作推遲到更昂貴的修復階段。
另一個容易被忽略的變化是情緒負擔。正常件通常結構清楚，處理者能快速完成並得到明確結果；例外件更常伴隨重複聯絡、焦慮、憤怒與時間壓力。若企業按照總通話量下降而縮減真人隊伍，卻沒有把每宗人工案件的複雜度和恢復時間算進排班，剩下的員工會在更少的案件中承擔更高強度。
排班模型因此也需要改變。過去用平均通話時間與來電量安排人手，假設案件組合相對穩定；AI 先篩走簡單問題後，人工處理時間、通話後紀錄、跨部門查證與主管批准都可能增加。若只把來電量下降視為等比例節省，人手在正常日子看似足夠，一遇到系統異常、政策變更或大量理賠，便可能同時面對更多例外和更少緩衝。IAG 提到惡劣天氣需求高峰，正是這種壓力測試，而不是普通日子的平均成績。
因此，「AI 先做，困難才交人」不是天然良好的人機協作。它需要同步改造真人的權限、訓練與工具。若真人只能重複同一套政策，沒有更高授權或跨部門通道，轉接只會把「AI 不會處理」改成「人也不能處理」。反過來，若 AI 把帳戶、對話、政策判斷和已採取動作整理清楚，真人又有權調整例外，常規自動化才會釋放出處理複雜問題的空間。
客服 KPI 不能只看「不用真人」
傳統客服自動化很容易被一個數字主導：有多少查詢沒有進入人工隊列。它適合計算短期成本，卻不一定能回答客戶的問題是否已經結束。AI agent 能直接採取動作後，衡量方法更要從「有沒有轉接」轉向「結果能不能維持」。
第一個要看的差異，是首次解決與沒有再次聯絡。AI 可以很快回覆，甚至完成一個看似正確的動作，但如果客戶在二十四小時後重開案件，或者轉到另一個渠道再問一次，原本的自助解決率會把同一問題拆成兩次成功互動。把重複來電、重開個案和跨渠道追問放回同一條服務旅程，結果才接近真實成本。
第二個差異，是轉接速度與轉接品質。單看 handoff rate 下降，無法判斷留下的轉接是否更好。更重要的訊號包括：客戶要不要重述問題、真人能否看到 AI 引用的政策與工具操作、是否能立即撤回錯誤、接手者有沒有足夠權限，以及高風險事件用了多久才到達正確的人。
第三個差異，是平均成績與尾部風險。大量送貨查詢順利完成，可以把整體成功率推得很高，但少數錯誤若涉及凍結帳戶、保險理賠、醫療安排或申訴期限，代價完全不同。管理上不能讓一萬個低風險成功，把十個必須補救的高風險失敗沖淡。Presence 提供模擬、grader、護欄和升級規則，方向上正是處理這個問題；是否有效，仍要看正式環境的錯誤、撤回、申訴和復原資料。
第四個差異，是不同群體的結果。語音系統在安靜環境、標準口音與常見語句上表現良好，不代表它同樣理解口音、混合語言、語言障礙、聽力需要或背景噪音。若平均解決率上升，但某些群體更常被誤判、重複驗證或困在流程內，服務只是把摩擦重新分配。
第五個差異，是紀錄能否支撐責任。AI 回覆用了哪一版政策、看過哪些資料、呼叫了什麼工具、為何要求批准，以及真人最後改了什麼，應該能沿同一案件重建。這不是為了把每次對話變成繁重審計，而是讓錯誤可以定位。沒有版本與動作紀錄，企業只能知道結果不對，卻不知道是資料過期、政策互相衝突、模型判斷失準，還是權限設定太寬。下一次更新便容易只修表面措辭，沒有修到根本原因。
一套完整的客服成績，至少要同時回答：問題有沒有再次出現、轉接是否保留上下文、錯誤能否撤回、高風險案件到達真人用了多久，以及結果在不同語言和客群之間是否一致。自助率只能說明其中一段。
CX Today 對這次發布的分析也把焦點放在持續治理，而非一次上線審查。語音互動要求系統即時理解、決定和回應，當它同時能接觸敏感資料與執行動作，權限、測試和生產監測就不能只在推出前做一次。AI 行為會隨模型、政策、資料和客戶用語改變，評估也必須跟著更新。
這也延續了先前談過的AI 安全測試日常化：測試重點不是抽象地問模型聰不聰明，而是把權限、失敗模式與撤回能力放進實際工作流程。客服 agent 多了執行動作的能力後，這種持續評估由模型品質問題，進一步變成營運責任。
工作不一定先消失，卻會先被切碎
每次 AI 客服發布，都很容易被壓縮成「會取代多少人」。現有資料沒有支持一個精確答案。國際勞工組織與 NASK 的 2025 全球指數估計，全球四分之一就業人口所在職業對生成式 AI 有某種程度的潛在暴露，3.3% 位於最高暴露類別；文書職業的理論暴露最高。報告同時強調，暴露不是實際失業，多數職業仍包含需要人類投入的任務，因此更可能先出現工作轉型。
客服正好展示「職位未消失，任務先重組」的樣子。常見問題回覆、資料查詢與標準動作可能由 agent 承擔；真人工作則向例外判斷、關係修復、政策解釋、品質抽查和跨部門協調移動。另一批工作會出現在 AI 周圍，例如建立評估案例、更新政策、調整權限、審查錯誤與設計回復程序。
這並不保證總人數不變。企業仍可能因成本目標減少入門職位、改變外包規模或提高每名員工要處理的複雜案件量。有限 GA 也意味著目前看見的是工程師深度參與的早期部署，不是大規模自助採購後的勞動市場結果。任何把一個內部支援線的 75% 自助率直接換算成 75% 職位消失，都混淆了互動、任務和職位三個層次。
更早發生的風險可能是去技能化。新人過去從大量常規案件學會產品、政策和系統，逐步建立處理例外的判斷。若入門案件大多自動化，企業需要新的訓練方式，否則最難的工作留給人，人卻少了累積經驗的階梯。Bainbridge 的自動化反諷在這裡再次出現：系統越能處理日常，企業越不能假設人會自然保留接手異常所需的熟練度。
績效制度若沒有跟著改，也會製造錯誤誘因。當真人專門處理例外，他們的平均時間必然較長，滿意度也更容易被前段失敗拖累。繼續用舊隊列的速度與單次評分比較員工，等於懲罰接下困難案件的人。更合理的觀察要分開問題複雜度、可用權限、前序錯誤和復原結果，否則員工會有動機把案件再次轉走，或者選擇最容易達到時間目標、卻未必最能解決問題的做法。
同時也有較好的路徑。AI 若能先整理資料、減少重複輸入和不必要等待，真人可以把時間放在需要同理、判斷和協商的地方。關鍵不在於替每位客服加上一個 AI 助手，而在於有沒有重新設計工作：人工案件的目標、權限、訓練、休息、績效與升級通道，都要配合新的案件組合。只換工具，不改工作設計，效率收益很容易變成更集中的壓力。
消費者真正需要的是一條可回復的路
新一代 agent 比舊聊天機器人更能理解自然語言，也能使用工具，不能把所有歷史失敗直接套到 Presence 身上。不過，歷史資料清楚顯示一個設計底線：越複雜的問題，越不能讓自動系統成為沒有出口的唯一入口。
美國消費者金融保護局在 2023 年的 Chatbots in consumer finance 報告指出，聊天機器人對基本查詢可能有用，但問題變複雜後，效果會下降。該機構收到的投訴包括重複收到無關答案、申訴沒有真正建立、被送回同一頁面，以及在需要真人時困在循環內。報告把這種沒有人工出口的重複流程形容為 doom loops。
這份報告涵蓋規則式系統和較早期 LLM，發布時間也比 Presence 早三年，不能用來證明 Presence 已經失敗。它的價值在於指出消費者會在哪裡受傷：系統沒有辨認出爭議、提供不準確資訊、沒有建立個案、沒有及時接上真人，最後導致額外費用、期限錯過或權利難以行使。AI 更會聊天，並不自動解決誰有權承擔與修正結果。
AI 身分披露也開始由良好做法變成明確規則。歐盟委員會在 7 月 20 日發布 AI Act 第 50 條透明度指引，相關義務由 2026 年 8 月 2 日起適用。官方 FAQ 說明，直接與自然人互動的聊天機器人、AI agent 和 avatar，原則上要設計成讓人知道自己正在與 AI 互動，除非這一點已經顯而易見；通知應在第一次互動開始時，以清楚、可分辨並符合無障礙要求的方式出現。
這條規則很重要，但要避免過度解讀。知道對方是 AI，不等於法律自動賦予一項普遍的真人申訴權；第 50 條的披露也不會代替銀行、保險、航空或其他行業原有的責任。企業仍要根據所在地規則和具體服務，設計身份驗證、保存紀錄、人工接手和正式申訴。涉及銀行、保險及金融服務的部分，本文只作資訊觀察，不構成任何買賣、法律或個別權利建議；實際權利、期限及申訴程序，仍以所在地規則與機構正式通知為準。
語音場景的披露尤其值得看。文字介面可以在畫面上保留標示，電話提示卻很容易在開場幾秒後消失。通知太長會增加摩擦，太含糊又無法讓人調整信任。更重要的是，披露後的語氣不能暗示 AI 擁有人類才有的身份或權限。AI 語音冒充的核實方法之所以強調換一條路確認，也是因為流暢聲音本身不能證明對方是誰。當系統要驗證個人資料、處理付款或作出可能影響權利的動作，說清楚目前由 AI 處理，以及什麼情況會交由人員跟進，比刻意營造「完全像真人」更重要。
真正可回復的服務，不只是畫面上有一個「轉真人」按鈕。它要讓系統辨認何時已超出能力，保留前序資料，把案件送給有足夠權限的人，並留下可審查的決定與修正紀錄。若 AI 可以一秒執行動作，撤回錯誤卻要幾天，表面的速度只是把等待移到更痛的地方。
接下來要看的是營運數據，不是示範影片
Presence 的發布說明企業 AI 正在跨過一條門檻：從協助員工生成內容，走向直接面對客戶並在公司系統內採取行動。它是否成為成熟的客服基礎設施，仍要由接下來幾個階段的公開訊號判斷。
未來一至三個月，最值得留意的是更多有限 GA 案例會不會交代案件類型、語言、樣本期和「解決」定義。若只有不同企業名稱，沒有分母與錯誤分類，證據仍停留在產品採用。若開始披露重複聯絡、轉接保留上下文、撤回和客戶確認，才接近可比較的服務成績。
三至六個月後，拉開差距的會是尾部資料：錯誤動作有多少、多久被發現、正式申訴是否增加、真人接手後能否一次處理，以及不同口音、語言和客群的結果是否一致。自助解決率可以快速改善，信任通常由失敗後能不能復原來決定。
六至十二個月的觀察點則落在人與組織。真人客服人數、資歷與權限如何變化？新人怎樣取得處理例外的經驗？品質審查、政策維護和 AI 評估是否成為新職能？員工處理的案件變少後，壓力、離職和每宗案件時間是下降還是上升？Presence 會否離開工程師深度參與的部署模式，成為更標準化的產品？
歐盟 8 月 2 日起的透明度義務，還會提供一個近期而清楚的檢查點：企業語音與聊天 agent 是否在互動開始時說明 AI 身分，而不是等到發生問題才讓人猜測。這不會單獨保證服務公平，卻會迫使設計者正面回答「誰正在處理」。
AI 客服最好的版本，確實可能讓大量普通問題更快完成，也讓真人集中處理需要判斷的事情。最差的版本則會把正常件的成本拿走，把例外件的責任、情緒和復原工作留給更少的人。OpenAI Presence 已經把兩種可能都推近正式營運。接下來要看的，不是 AI 能否流利說完一通電話，而是當它做錯、做不到或不應該繼續時，整個系統能否把問題交回一個看得懂、做得到、也需要負責的人。