Gartner 估計，市面上數以千計自稱「agentic AI」的供應商中，真正名副其實的只有約 130 間。其餘的，分析師客氣地稱之為「agent washing」— 把舊有的查詢式 AI 客服換個新標籤再賣。直接的答案是：客服場景的 agentic AI，指的是會「採取行動」的 AI agent — 查訂單、分流銷售線索、更新紀錄、把多步驟流程走到完成 — 而不是回一句話就停。本文拆解這對商家實際意味着甚麼、怎樣分辨真 agent 和翻新包裝，以及真正的界限在哪裡。
甚麼是客服場景的 agentic AI？
直接答案：是替客戶「完成任務」的軟件，而不只是「回答關於任務的問題」的軟件。界線很簡單：查詢式客服告訴你訂單「應該」星期五到；AI agent 查到訂單卡住了，開出補發，然後告訴你「已處理好」。
這個分別在一句話裡聽起來很小，實際差天共地。傳統查詢式客服是一部答問機：你問，它從知識庫檢索文字或跟着預設的決策樹走，交回一段文字。Agentic 系統則可以把多個步驟串起來：讀取資料、決定做甚麼、在另一個系統執行動作、檢查結果，然後才回覆 — 有時要循環幾次才完成。
對商家而言，回報不是新鮮感，而是工作在你睡覺時真的被做完，而不是變成一堆「明早要跟進」。誠實的前提是：「會採取行動」正是供應商宣傳與現實落差最大的位置，所以更要懂得看。
還有一個安靜但重要的變化值得留意。Gartner 預測，到 2028 年，70% 的客服旅程將在客戶手機內置的第三方助理中開始並解決。即是說，越來越多人會先「問手機」，才會到你的網站或直接聯絡你。務實的結論不是恐慌，而是：你的結構化資訊、以及對真正查詢採取行動的能力，比以往任何時候都重要 — 因為真正到達你手上的對話，會越來越多是需要「做點甚麼」的那種，而不只是查資料。
AI agent 和查詢式客服有甚麼分別？
直接答案：查詢式客服回答；AI agent 行動。整個分別就這一句，而大部分市場宣傳想模糊的也是這一句。
查詢式客服在文字的封閉迴圈內運作。即使做得好、有文件支撐，本質仍是回傳資訊：它答得到「退款政策是甚麼」，但不會「做」退款。AI agent 則可以接下一個目標（「這位客戶想退款」），逐步走向結果 — 核實訂單、按你的規則檢查資格、觸發動作、確認 — 超出權限時轉介真人。
行業的尷尬真相是：Menlo Ventures 2025 年企業生成式 AI 報告發現，只有 16% 的企業 AI 部署稱得上真正的 agent — 大多數是掛着「agent」標籤的固定流程。這不代表固定流程沒用；設計良好的固定流程本身有真實價值。但你應該知道自己買的是哪一種。
| 能力 | 查詢式客服 | Agentic AI agent |
|---|---|---|
| 核心行為 | 回傳資訊 | 採取行動完成任務 |
| 邏輯 | 固定腳本或單次問答 | 多步：讀取、決定、行動、檢查 |
| 讀取你的數據 | 多數不能，或只能讀取 | 可讀取並寫入已連接系統 |
| 處理銷售線索 | 請你電郵銷售部 | 自動捕捉並分流線索 |
| 多步驟流程 | 答一次就停 | 引導流程走到完成 |
| 卡住時 | 重複自己或死胡同 | 帶完整脈絡轉介真人 |
| 市場現實 | 大多數「agent」其實是這個 | 僅約 16% 部署屬此類（Menlo，2025） |
AI agent 實際可以為商家做甚麼？
直接答案：四類查詢式客服做不到的工作 — 捕捉並分流、跑引導式流程、讀寫數據、觸發下一步。每一類都是把任務從真人手上拿走，而不只是擋走一條問題。
對多數商家最立竿見影的是線索捕捉與分流：訪客不再看完「聯絡我們」就離開，agent 會先了解查詢、收集對你生意重要的資料、把線索送到正確位置 — 晚上 11 點的查詢，第二天早上已是管道裡的暖線索，而不是漏接。這就是「你關門後生意照樣運作」的回報，也是 agentic AI 最快回本的部分。
其餘三類建於其上：
- 引導式多步流程。 預約、入職、退換、故障排查 — 任何本來要來回多次的事，都以結構化對話走到實際結果。
- 讀寫數據。 已連接的 agent 可以查紀錄並更新。Omago 是一個會做事的 AI agent 平台，協助商家在 WhatsApp、Telegram 與網站對話中自動處理客戶查詢，提供實裝整合（Airtable 是其中一個具名確認的例子），讓 agent 處理你的真實數據而非凍結副本。
- 觸發後續動作。 流程完成後自動開展下一步 — 記錄互動、通知同事、推進任務 — 不用等人手複製貼上。
留意清單上「沒有」的：任何不可逆或高風險、而無人把關的事。設計良好的 agent 不會自行批出大額退款或作出有約束力的承諾。行動的意義是清走六成常規工作，讓你的人專注需要判斷的四成 — 不是把人從有後果的決定中移走。
錢的部分值得講清楚，因為「採取行動」聽起來抽象，直到你看見一個行動值多少錢。Gartner 基準數據顯示，自助渠道每次接觸成本中位數約 US$1.84，真人處理渠道約 US$13.50。Agent 每自行「完成」（不是擋走）一宗常規查詢，就把一次接觸從貴的一欄搬去便宜的一欄。McKinsey 2023 年分析發現，把生成式 AI 應用於客戶服務，可帶來相當於現有職能成本 30–45% 的生產力價值，並最多減少 50% 的真人處理量。槓桿是真的，只是它透過「做完的任務」兌現，不是「答過的問題」。
Agentic AI 成熟了嗎？還是炒作？
直接答案：它是真的、進步很快、同時也被嚴重過度營銷 — 三者同時成立。管好期望最重要的一個數字：Gartner 預測，超過 40% 的 agentic AI 項目會在 2027 年底前被取消，原因是成本膨脹、商業價值不清、風險管控不足。
這不是避開 agentic AI 的理由，而是別成為那 40% 的理由。被取消的項目往往有共同特徵：在基本功 — 乾淨的知識庫、定義清晰的意圖、合理的轉介規則 — 未就緒前，先買了最進取的版本。而 Gartner 的 agent washing 發現（數千間供應商中僅約 130 間屬真），意味着大量失敗一開始就是買了翻新包裝的查詢式客服，卻期望它會行動。
預測向兩個方向拉，你要同時拿住兩邊。樂觀一面：Gartner 預計到 2029 年，agentic AI 將自主解決 80% 的常見客服問題，令營運成本下降 30%；Salesforce 2025 年 State of Service 報告 AI 在 2025 年解決了 30% 個案，預計 2027 年升至 50%。現實一面同樣重要：Gartner 2025 年 10 月對 321 位客服負責人的調查發現，只有 20% 機構真的因 AI 減少了人手；Gartner 同時預計超過一半客服機構會在 2028 年前把科技開支翻倍，而人手並無相應削減。翻譯過來：agentic AI 目前主要在「增強」團隊，遠多於「取代」。任何向你推銷「解散整個客服團隊」的人，賣的是炒作，不是數據。
取消風險也不是平均分佈的，它集中在一個可預測的錯誤上：基本功未穩就開啟行動能力。能寫入你系統的 agent，在缺乏 grounding 時比只會說話的客服危險得多 — 一個自信的錯「答案」是一個壞時刻，一個自信的錯「動作」會改掉一條紀錄。這就是 40% 背後的不對稱。成功的商家把 agentic AI 當成逐項能力「賺回來」的部署權，不是第一天全開的開關。這一切都不代表要在場邊等待，而是把野心配對準備度：先從錯了也便宜、可挽回的動作開始，證明 agent 處理得可靠，再憑證據而非熱情去擴展。
怎樣分辨真 agent 和翻新包裝？
直接答案：問一條問題 —「示範它在我其中一個真實系統裡採取一個動作」。真 agent 可以示範讀寫數據、把任務走到尾；翻新包裝會把話題轉回它「答得多好」。Agent washing 在 demo 面前現形，不在簡報。
簽約前的實用清單：
- 它和你實際使用的工具有實裝整合嗎？「整合在路線圖上」等於今天做不到真動作。要求具名列出已上線的整合。
- 它能走完多步流程，還是答一次就停？ 請對方把一個預約或退換由頭走到尾，不只是開場那條問題。
- 它怎樣轉介？ 認真的 agent 有清晰的交接觸發 — 明確要求、連續失敗、高風險意圖 — 並交接完整脈絡，客戶毋須重講。
- 它不知道時會怎樣？ 應該說「我不知道」並轉介，不是發明答案。自信的錯答是信任的死因。
- 你能看到它做過甚麼嗎？ 真行動會留下審計紀錄。看不到 agent 改了甚麼，就不能把數據交給它。
這件事重要的原因超出「避免買錯」：在 Air Canada 判例（Moffatt v. Air Canada，2024）中，審裁處裁定航空公司須為其 chatbot 的錯誤票價指引負責，並駁回「它是獨立實體」的抗辯 — 你的商戶擁有 AI 所講和所做的一切。會行動的 agent 把 grounding 和轉介做對的重要性再提高一級，這正是上面那些沉悶問題比華麗 demo 重要的原因。
商家應該從哪裡開始？
直接答案：從窄處開始 — 在通訊和網站渠道，先讓 agent 可靠地完成幾件定義清晰的任務，再逐步、有意識地加入行動能力。到 2028 年的贏家不會是自動化最快的商家，而是自動化最「可靠」的。
避開 40% 取消名單的次序是：先打好地基 — 乾淨、有人維護的知識庫，和最高頻問題的清晰答案，因為好的知識庫是「有根據的 agent」和「自信地捏造的 agent」之間的分別。然後加入第一個真動作 — 線索捕捉與分流通常是回報最高、風險最低的起點：處理不好一條線索的代價很小，而「不再漏接收工後查詢」的好處即時可見。
之後逐項擴展至引導流程和數據動作，並量度「解決」（問題真的被解決）而非只看「擋走」（客戶沒有找到真人）。McKinsey 2025 年發現 AI 可釋放最多 60% 可自動化的客服量 — 但這是靠知識庫紀律和每週迭代賺回來的，不是貨架上買回來的。一個把行動配置得簡單、結果看得清楚的平台，遠比功能清單最長的平台值錢。想深入類別與成本，可參考 AI agent、真人即時對話與查詢式客服的分別 及 AI agent 的真實成本拆解。
常見問題
用最簡單的話說，agentic AI 是甚麼？
是會採取行動完成任務的 AI，不只是回答問題的 AI。查詢式客服告訴你退款政策；agentic AI agent 可以核實訂單、檢查資格、處理動作，超出規則時轉介真人。
Agentic AI 只是營銷術語嗎？
一半一半。Gartner 估計數千間自稱 agentic 的供應商中僅約 130 間名副其實；Menlo Ventures（2025）發現僅 16% 企業部署是真 agent，其餘多是固定流程。技術是真的，標籤被濫用 — 用實時 demo 驗證它採取行動。
Agentic AI 會取代我的客服團隊嗎？
數據說不會 — 是增強。Gartner 2025 年 10 月調查 321 位客服負責人，僅 20% 因 AI 減少人手；同時預計逾半機構 2028 年前科技開支翻倍而人手不減。成熟模式是混合：AI 處理常規量，人處理複雜和高風險。
「擋走」和「解決」有甚麼分別？
擋走（deflection）指客戶沒有接觸到真人；解決（resolution）指問題真的被解決。沮喪放棄的客戶被「擋走」了但沒有被服務，所以擋走可以掩蓋失敗。量度解決率才知道 agent 是否真的有效。
AI agent 提供錯誤資訊，商戶有責任嗎？
有。Moffatt v. Air Canada（2024）中，審裁處裁定航空公司須為其工具的錯誤指引負責，駁回「獨立法律實體」的抗辯。你的商戶擁有 AI 所講所做的一切 — 所以 grounding、「我不知道」行為和乾淨轉介如此重要。
資料來源：Gartner（約 130 間真 agentic 供應商、逾 40% 項目 2027 年底前取消、2029 年 80% 常見問題自主解決並降 30% 成本、2028 年 70% 客服旅程始於第三方助理、每次接觸成本 US$1.84 對 US$13.50、321 位客服負責人調查，2024–2026）；Menlo Ventures《2025 State of Generative AI in the Enterprise》（16% 屬真 agent）；Salesforce State of Service 2025（AI 解決 30% 個案、2027 年預計 50%）；McKinsey（2023 年 30–45% 生產力價值、最多減 50% 真人處理量；2025 年最多 60% 可自動化客服量）；Moffatt v. Air Canada（BC Civil Resolution Tribunal，2024）。本文不構成法律或專業意見。