AI 電話 vs 真人客服：2026 台灣 SMB 攤回試算與導入邊界
AI 電話 vs 真人客服：2026 台灣 SMB 攤回試算與導入邊界
TL;DR — AI 電話 SMB 月費 NT$3,000–10,000（Kufu 2025），1 名真人客服月成本 NT$31,565–35,105（基本工資 NT$29,500 加雇主 7–19% 負擔，勞動部 2025）。多數情境 1–4 個月攤回，但 AI 不該全面取代真人——本文用 3 種 ROI 場景、4 種真人不可取代對話、5 個常見計算錯誤，幫你畫出邊界。
為什麼 AI vs 真人比較不能只看月費
很多 SMB 老闆第一次比 AI 跟真人的成本，做的是這一道算術：「真人 NT$30,000，AI 月費 NT$5,000，AI 比真人便宜 6 倍。」這個算法錯在哪？至少有 3 個盲點。
第一，真人月薪不等於真人月成本。 2026 年基本工資 NT$29,500（勞動部 2025），加上雇主端勞保／健保／勞退合計約 7–19% 負擔（Swingvy 2025），1 名 FTE 真實月成本落在 NT$31,565–35,105。沒算進去就低估了真人成本 7–19%。對照 DGBAS 公布 2024 年工業及服務業每月總薪資平均 NT$60,984（DGBAS 2025），多數客服人員實領在這條線之下，但雇主端的「綜合月成本」反而更貼近這個數字。
第二，AI 月費不是 AI 的全部成本。 報價單上寫「月費 NT$8,000」，但你可能還要加 SIP trunk 落地費、每分鐘 per-minute 費（行銷型外撥更明顯）、一次性建置費 NT$30,000–100,000、員工訓練時數。把這些攤平後，第一年的 AI 真實月成本通常比月費高 20–40%。完整費用結構拆解可參考本系列的 AI 電話定價 2026 台灣指南。
第三，AI 處理不了的尾巴會回流到真人。 真實情境中，AI 接通率即便達 70%，剩下 30% 仍要由真人接手。算 ROI 時必須扣掉這 30% 的「殘留人力成本」，否則攤回月份會被低估。
把這 3 點寫成一條公式：
攤回月份 ≈ 一次性建置成本 ÷ (真人 FTE 月成本 - AI 月費 - SIP 落地 - 殘留人力)
舉例：建置 NT$30,000，真人 NT$32,000，AI NT$8,000，SIP NT$2,000，殘留 30% 真人 = NT$9,600。月差 NT$12,400，攤回約 2.4 個月。
💡 重點：不算殘留人力的 ROI 試算，等於假設 AI 處理 100% — 沒有任何一家 SMB 做得到。把殘留 20–40% 寫進公式，數字會變得能跟財務部對話。
3 種 ROI 場景：保守、現實、激進
下表為 1 名真人 FTE 月成本 NT$32,000、AI 月費 NT$8,000、SIP NT$2,000、建置 NT$30,000 的試算，差別只在 AI 處理比例（殘留人力佔比）。
| 場景 | AI 處理比例 | 殘留人力月成本 | 月差距 | 攤回月份 |
|---|---|---|---|---|
| 保守 | 30% | NT$22,400 | NT$-400 | 不會攤回 |
| 現實 | 60% | NT$12,800 | NT$9,200 | 約 3.3 個月 |
| 激進 | 80% | NT$6,400 | NT$15,600 | 約 1.9 個月 |
幾個關鍵觀察。
保守場景常被忽略：AI 處理率太低時，攤回根本不會發生。 如果你的客服場景複雜度高（金融商品諮詢、保單細節、醫美術後問題），AI 一上線只能接 30%，那殘留 70% 真人加上 AI 月費，總成本反而比純真人略高。這時 AI 不是省錢工具，而是「升級客戶體驗的固定支出」——值得做，但別寫成 ROI 案。
激進場景在 TW SMB 確實存在。 通知、提醒、預約改期、簡單 FAQ——這幾類對話 AI 處理率可達 70–80%。台灣第三方 Kufu 整理的案例顯示：1 名客服處理 3,000 訊息／月、AI 處理 70%（2,100 則）後，每月節省人力成本 NT$35,000、扣除 AI 月費後淨省 NT$30,000、第 1 個月即回本（Kufu 2025）。注意這個案例是「訊息客服」非純語音通話——但通知性外撥的攤回曲線會更陣，因為 AI 撥出比真人撥出快 5–10 倍。
現實場景才是大多數採購方該先模擬的情境。 AI 處理 60% 的攤回約 3.3 個月。半年內回本的條件不算苛刻，前提是你的對話結構真的偏通知／提醒類。McKinsey 對全球生成式 AI 在客服的研究指出，AI 帶來的生產力提升落在 30–45% 區間（McKinsey 2024）——這個區間跟 60% 處理率場景下的攤回曲線高度吻合。
「Gartner 預估 2029 年 80% 的常見客服問題將由 agentic AI 自主解決，營運成本降 30%——但同一份 Gartner 2025 年 10 月對 321 位客服主管的調查顯示，目前真的因 AI 減少客服員額的組織只有 20%。」——Gartner 2025 與 CIO 2025
4 種真人不可取代的對話
說一下我的中立觀察：以下 4 種對話 AI 不該獨立處理，導入前先把這些剖除路由。
1. 高情緒密度客訴。 保險理賠爭議、醫美術後抱怨、喪葬服務洽詢——這類對話需要即時讀人、停頓、共情。AI 語氣再自然也會在「客戶哭出來」那一刻顯得冷淡，把客訴從帳單問題升級成商譽問題。
2. 議價談判。 B2B 採購方來電要折扣、要客製合約、要破例條款，AI 沒有「裁量授權」的概念。你給 AI 設一個折扣上限，採購方一試就試到底，反而把談判空間提前讓掉。
3. 嚴格合規諮詢。 金融商品銷售（FSC 管制）、醫療診斷溝通（衛福部）、法律諮詢（律師法），多數情境須由具證照真人主導；AI 可作前置篩選或預約安排，但不能取代簽約前的實質溝通。完整法遵框架可參考 個資法 第 8 條。
4. 跨工具操作。 客戶來電要你「同步看一下他的訂單頁、再去後台改一個欄位、然後寄一封確認信」——這類跨工具的即興操作，AI 平台多半要寫整合腳本才能跟上。這時直接路由給真人，真人 5 分鐘解決，比花 2 週訓練 AI 來得划算。
⚠️ 注意：把這 4 類對話強塞給 AI，後果不是攤回變慢，而是客訴率飆升 — 讓決策者覺得「AI 不行」，把整個導入計畫拉回原點。
AI 路由給真人的 3 個觸發點
導入後該設哪些 escalation thresholds？台灣多數案例會寫進 3 條規則。
規則 1：連續 2 次理解失敗就轉人。 AI 對同一問題答錯或答得偏離 2 次以上，自動路由真人；不要等到第 4、第 5 次。客戶這時候耐心已經用完。
規則 2：客戶情緒值超門檻就轉人。 多數 AI 平台有語氣分析（speech tonality）模組，憤怒／焦慮數值超過閾值（不同平台校準不同），立刻轉人。記得門檻要保守設定，寧可多轉、不可少轉。
規則 3：主題碰到「合規敏感清單」就轉人。 把「保單條款」「醫療建議」「退費條件」「法律責任」「個資修改」這幾類關鍵字列進清單；AI 一辨識到，先答「這部分需要由專員為你說明」，再轉真人。
這 3 條的目的不是減少 AI 工作量，而是保護導入計畫——讓壞案例的尾巴別波及主流場景。實際的 escalation 規則寫法與整合方式可參考 Brightalk 功能總覽。
切換時機：什麼指標到了再裁人？
這是文章最敏感的一段，但採購方常問。我列 3 個建議指標——任何一個沒達標，就先別動真人編制。
| 指標 | 達標門檻 | 為什麼 |
|---|---|---|
| AI 接通率（穩定） | ≥ 70% 連續 2 個月 | 一個月可能是僥倣；2 個月才是模式 |
| 客訴率 | ≤ 導入前基線的 1.2 倍 | 略高可接受；高 50%+ 表示 AI 在製造客訴 |
| 平均每通成本 | ≤ 真人單通成本 50% | 含建置攤平、SIP、殘留人力，全包進去算 |
⚠️ 注意：先裁人再導 AI 是常見的 ROI 災難。第 1 個月 AI 還在校準，但你已經沒有 backup 真人接 escalation，客訴從第 2 週開始堆積。建議的順序：先導 AI 試 60 天 → 觀察 KPI → 再縮編，不是反過來。
實務上，台灣多數案例選的不是「裁人」，而是「重新分配」：1 名客服從接電話 80% 變成督導 AI、處理 escalation、做客訴分析；一個職位的角色變了，總人力沒減，但總業務量翻倍。這對 SMB 來說反而是更穩的路徑。
5 個常見 ROI 計算錯誤
把這 5 條當成試算 sanity-check 清單。
1. 沒算 SIP 落地費。 廠商報「月費 NT$8,000」聽起來甜，但 TW 端電信落地費（中華電信市話 NT$1.6/3 分）是另外的帳本。完整拆解見 AI 電話定價 2026 台灣指南。
2. 假設 AI 處理 100%。 這個錯太常見。Gartner 對 321 位客服主管的調查顯示，目前真正因 AI 減少客服員額的組織只有 20%（CIO 2025）。把「AI 處理 30–60%」當基準，比把「AI 取代 1 個 FTE」當基準更穩。
3. 沒算上線期的 productivity loss。 AI 上線前 30–60 天通常要校準腳本、補語料、修 escalation 規則。這段時間真人沒辦法立刻減編，反而要多撥工時去督導 AI。把這條當「導入期成本」寫進攤回公式。
4. 把建置費攤一個月。 一次性建置 NT$30,000–100,000 不該全部記進第 1 個月的成本。建議用 12 或 24 個月攤平，跟 SaaS 訂閱思維一致。
5. 忽略雇主端負擔。 老闆問「真人月薪 NT$30,000，AI 月費 NT$8,000，攤回多快？」標準答案要先把月薪改成 NT$32,100–35,700（含 7–19% 雇主負擔），再開始算。否則攤回月份會被高估 7–19%。
三段式案例：港商鴻翔
✅ 快速行動：把這 5 條 ROI 錯誤打勾過一遍，再去找廠商報價。能在 14 天試用期裡證明達到「現實場景（60%）」的廠商，多半值得進入合約談判。
港商在台案例可作參照——經理人雜誌 2024 年 12 月報導，宏華國際投入 AI 開發（Manager Today 2024）：
痛點： 客服業務毛利不到 10%，是公司的成本中心。
AI 解法： 花 NT$10 萬 開發 AI 模組，導入客服流程。
預期效益： 整體成本降 50–60%，客服業務毛利從 11.2% 提升至 35.2%。
注意這是港商在台案例、且該公司本業是客服外包（規模／用量都比一般 SMB 大）。一般 30 人壽險或 50 人 B2B SaaS 不會做到這個倍數，但「AI 把成本中心翻成毛利中心」這條敘事，在 TW SMB 也有可重現的影子——尤其當你的客服 60% 都在處理通知性對話。
常見問題
AI 電話 vs 真人客服 哪個比較划算？
要看月通話量與對話複雜度。月通話量 ≥ 500 通且 60% 以上是通知／提醒／預約類，AI 通常 1–4 個月攤回（Kufu 2025）。月量 < 200 通或對話複雜度高（金融、醫療、法律諮詢），真人或兼職人力更划算——AI 的固定建置成本攤不下來。
AI 電話 ROI 多久攤回？
依場景：保守（AI 處理 30%）通常不會攤回；現實（60%）約 3–4 個月；激進（80%）可在 1–2 個月內。建議用 60% 場景做基準試算，再依你的對話結構調整。完整 5 種計費結構與隱藏費用拆解見 AI 電話定價 2026 台灣指南。
AI 客服取代真人會不會引起客訴？
會——如果你跳過這 3 條 escalation 規則。實務通則：連續 2 次理解失敗轉人、情緒值超門檻轉人、合規敏感主題轉人。Gartner 預估 2029 年 80% 常見客服問題可由 agentic AI 自主解決，營運成本降 30%（Gartner 2025）；但「常見」是關鍵字，剩下 20% 的尖端對話一定要留給真人。
AI 客服適合什麼情境，不適合什麼？
適合：通知、提醒、預約、簡單 FAQ、訂單查詢、第一線分流、行銷外撥。不適合：高情緒密度客訴、議價談判、嚴格合規諮詢、跨工具即興操作。完整選型流程見 AI 電話客服選型指南 2026。
AI 電話導入後，要立刻裁客服嗎？
不該。先導 AI 試 60 天 → 觀察 KPI → 再決定要縮編還是重新分配。多數台灣案例選擇「重新分配」：原本接電話的客服變成督導 AI、處理 escalation、做客訴分析。這對 SMB 是更穩的路徑。
想看完整 AI 電話導入路徑、外撥腳本設計與 KPI 設定？閱讀本系列的支柱長文 AI 電話行銷完整指南。也可至 Brightalk 公開定價 對照具體 NT$。