本團隊研究假設

客服案件自動分類

先把退貨、付款、物流、商品與客訴分流，再交給適合的人員。

現在企業怎麼做？

同一個客服信箱混雜售前與售後問題，人工分派增加等待。

分類只是入口。低信心、多重意圖與客訴必須保留人工覆核，並以人工標註樣本衡量錯分與漏接成本。

目前人工流程（示意）

AI 提供建議，重要決策由人批准。

先整理資料與提示例外，再由人核准。下列能力是 POC 的驗證範圍，不是本頁正在執行的 AI 服務。

預計驗證的協助流程

AI 提供建議，重要決策由人批准。

Synthetic Data／示意輸入輸出，非 AI 實際執行

合成訊息：包裹還沒到，而且我想取消訂單。

分類為物流＋取消需求；轉人工確認配送狀態與取消政策。

不得只分進物流隊列就忽略取消訴求，不自動承諾退款。

這些是預期價值，尚非實際成效。先量測原本工時與覆核成本，再用相同資料比較。

若資料量很小、規則工具已足夠，或錯誤成本無法接受，就不建議直接導入 AI。

規劃估算：5–10 個工作天。以一種流程、一段固定期間與少量已授權資料為起點；實際交期、樣本數與報價另行確認。

與人工標準答案比較，記錄錯誤、漏判、人工覆核時間，以及扣除使用與維護成本後的效益。

資料授權、最終判斷、付款／合約批准與對外通知。達不到事先約定的門檻，就調整或停止。

本流程與效益為待驗證假設；POC 工期為小範圍規劃估算，非交期承諾。