核心論點
你腦中回過 100 次「營業時間幾點」的答案，就是一筆完美的 QA。知識顯性化：隱性經驗寫成文字後，就變成 AI 可以用的訓練資料。不需要寫程式，不需要學 prompt engineering——你需要的只是把已經在做的判斷，寫下來。
客服問題 7 型分類（依產業資料整理的估計值）
| 類型 | 典型訊息 | AI 解決率 | 人要做什麼 |
|---|
| 訂單狀態查詢 | 「我的貨到哪了」 | 95% | 不用做——全部交 AI |
| 密碼重設 / 帳號 | 「我忘記密碼了」 | 90% | 不用做 |
| 產品定價 / 功能 | 「你們有賣 OO 嗎」「學費多少」 | 85% | 維護價目資料 |
| 產品 How-to | 「這個怎麼用」「可以退貨嗎」 | 75% | 把流程寫成步驟 |
| 退款 / 取消 | 「我要退掉上週的課」 | 60% | 核可邊界案例 |
| 投訴 / 情緒處理 | 「等了三天都沒人理我！」 | 20% | 必須親自接——AI 只做初篩 |
| 客製合約變更 | 「我們公司想談客製方案」 | 10% | 必須親自接 |
優先建 QA 的判斷法
同一週內出現 3 次以上的問題，就值得建一筆 QA。判斷順序：頻率 × 答案一致性。頻率高但答案不一致的（每個人說的不同），最優先——那是最容易出事的缺口。
| 優先序 | 條件 | 為什麼 |
|---|
| 1 | 高頻率 + 答案不一致 | 最容易產生客訴的缺口，也是建立信任最快的修復 |
| 2 | 高頻率 + 答案一致 | 寫下來就能讓 AI 接手，投資報酬最高 |
| 3 | 低頻率 + 答案一致 | 先記錄，累積到一定量再建 |
| 不建 | 情緒型 / 客製型 | 這些是「你」的價值所在——留給人 |
看完這份清單，你可能會想：「每週把自己的訊息手動分類，誰有時間？」
那個念頭，就是問題的起點。分類一次是診斷，每週分類是苦工——這正是可以自動化的事。
