留下 Email，立即解鎖一頁總結
七型分工表 + 任務特性理論小教室 + 主管行動清單 + 重點投影片。
核心論點
「AI 取代人」和「AI 不能取代人」都答錯了問題。正確的問題是：每一種客服問題，和 AI 的匹配度是多少？任務特性理論（Task-Technology Fit）指出，技術的效果取決於任務與技術的匹配度。訂單查詢匹配度極高（95%），投訴極低（20%）——同一支工具，任務不同，效果天差地別。第三條路就是按匹配度分工，讓機器和人各在甜蜜區。
七型問題分工表（依產業資料整理的估計值）
| 問題類型 | AI 解決率 | 該誰處理 |
|---|---|---|
| 訂單狀態查詢 | 95% | AI 全自動 |
| 密碼重設 / 帳號 | 90% | AI 全自動 |
| 產品定價 / 功能 | 85% | AI 全自動 |
| 產品 How-to | 75% | AI 為主，複雜轉人工 |
| 退款 / 取消 | 60% | AI 初判 + 人工核可 |
| 投訴 / 情緒處理 | 20% | 必須人工，AI 只做初篩 |
| 客製合約變更 | 10% | 必須人工 |
「解決率」無標準口徑，當方向感用——記住 95% 與 20% 的五倍差距即可。
主管行動清單
導入 AI 前，先完成這三件事：
| 順序 | 行動 | 為什麼 |
|---|---|---|
| 1 | 統計一週訊息量，按七型分類，算出各型占比 | 沒有分布數據，一切分工都是猜的 |
| 2 | 畫出你的「AI 匹配度光譜」：左端 95%、右端 20% | 把高匹配的先交出去，回收最快 |
| 3 | 為「AI 補強人」設計一個機制（知識庫建議或對話摘要） | 第三條路的差異化在這裡，不在裁員 |
重點投影片
← → 鍵或左右按鈕切換，可分享給團隊
第三條路
不是 AI vs 人工，是按問題類型分工
95% vs 20% 訂單查詢與投訴處理的 AI 解決率差距
結構化問題（約 70%）→ AI 全自動。
判斷型問題（約 30%）→ 人處理，AI 補強。
一分鐘小教室
任務特性理論
技術有沒有效果，看任務與技術的匹配度。
拿電鑽鎖螺絲——工具沒錯，任務配錯了。
核心信念
AI 的角色是消除系統性摩擦
讓人專注在只有人能做的事：判斷、同理、建立信任。
這不是裁員，是重新分配。
行動
下一步
先分類你的訊息，再決定 AI 接哪一段。
下一篇：第一線人員的一天——200 則訊息裡只有 30 則需要判斷。
看完這份清單，你可能會想：「分類聽起來很花時間，不能直接全部丟給 AI 嗎？」
把投訴也丟給 AI，等於拿電鑽鎖螺絲——客戶覺得不被理解，滿意度下降，半年後客戶流失。分類一次是診斷，每週手動分類才是苦工，後者正是系統該接手的事。