三個詞經常撈亂，但選錯就燒錢
「聊天機械人」「Live Chat」「AI Agent」在大部分行銷內容入面當與義詞用。他們不應該撈埋。每個代表根本不同的架構，選錯一個會燒錢之餘，還給錯的客戶體驗。
簡單講：規則型聊天機械人跟腳本，Live Chat 是人坐在訊息介面後面，AI Agent 懂得理解語言、記住上下文、在授權範圍內執行動作。這個分別不是表面上的分別——它決定你的客服實際做不做到東西。
架構上有什麼分別？
規則型聊天機械人。 用預設決策樹或關鍵字觸發。客打「送貨」就彈送貨 FAQ；客打超出腳本的事情就死——要嘛兜圈（「我唔明你嘅意思」），要嘛斷尾。確定、平、可預測，但客一變措辭就脆。
Live Chat（人手）。 由人經訊息介面提供同步服務。處理細微差異、與理心與判斷好出色，但貴、容量受限、關店後就沒有人。回覆速度看排隊與人手。
AI Agent。 結合語言理解、記憶、工具、工作流邏輯與系統存取。它不淨止傾偈，還執行得到動作（查訂單、更新紀錄、做預約），還可以帶住完整上下文轉交人手。Microsoft、Salesforce、IBM 都明確描述這個架構轉變——決定性分別是「操作自主性」。
三者比較表
| 因素 | 規則型聊天機械人 | Live Chat（人手） | AI Agent |
|---|---|---|---|
| 運作方式 | 關鍵字、決策樹 | 人坐在訊息介面 | 語言理解 + 執行動作 |
| 可用性 | 24/7 | 只限有人值班 | 24/7 |
| 回覆速度 | 即時（腳本內） | 看排隊（秒至分鐘） | 即時 |
| 處理意外問題 | 差，跌出腳本就死 | 好，人識變通 | 好，懂得理解意圖 |
| 執行動作（預約、更新） | 不得 | 手動 | 規則內自主 |
| 情緒智能 | 沒有 | 高 | 中等（改善中） |
| 費用 | 極低（HK$0–230／月） | 高（每名員工 HK$12,000–40,000+／月） | 中等（HK$379–2,890／月） |
| 客戶滿意度 | 複雜查詢差 | 複雜查詢高 | 常規高、複雜中等 |
什麼時候選邊樣？
選規則型機械人—— 當工作流好窄、低風險、極重複。例如網站上答 5–10 條標準問題的簡單 FAQ。
選 Live Chat—— 當客的問題涉及情緒、談判或不確定性，而且出錯成本高。例如尖沙咀一間講究個人服務的高端品牌，或者要建立關係先 close 到的複雜 B2B 單。
選 AI Agent—— 當你要 24/7 回應，而且想個系統不淨止答問題，還要完成已授權的任務——做預約、篩 lead、收結構化數據、路由對話。這個是 2026 年之後市場最主流的方向。
對大部分中小企，答案是 AI Agent 處理常規量 + Live Chat（人手轉交）處理複雜個案。Comm100 2026 基準顯示這個混合模式行得通：AI 處理了 75.3% 對話，而轉交人手的滿意度達 92.6%。
提防「Agent-Washing」
Gartner 警告「Agent-Washing」——供應商將升級版聊天機械人包裝成「AI Agent」，但個系統根本執行不到動作或保持不到上下文。一個所謂 AI Agent 如果做不到預約、更新不到紀錄、轉交時帶不到完整對話背景，它只是一個語言出色些的 chatbot，不是真 agent。
點測試： 試用期間，叫 AI 完成一個多步驟任務（排個預約、收篩選數據、再轉人手）。如果它只答到問題、做不到動作，無論個行銷點講，它都不是真 AI Agent。
Omago 是一個幫中小企在 WhatsApp、Telegram 與網頁聊天自動化客戶對話的 AI 客服平台，同時具備 AI 回覆生成（由知識庫答問題）與對話流程（引導式多步旅程，收數據、篩 lead、路由對話）。「理解」加「行動」這個組合，正正是 AI Agent 與 chatbot 的分水嶺。
一個香港實例：三種方案接同一條訊息
假設一個客夜晚十一點在 WhatsApp 問：「想預約聽日下午剪髮，仲有冇位？順便問下染髮幾錢？」
- 規則型聊天機械人： 認到「剪髮」關鍵字就彈一條 FAQ，但答不到「聽日下午仲有冇位」這個要查實時時段的問題，多數兜圈或者斷尾。
- Live Chat： 答到，但夜晚十一點沒有人坐枱——條訊息要等到第二天早上才有人覆，到時個客可能已經 book 了第二間。
- AI Agent： 立即答染髮價錢（由知識庫），再開一條預約流程查可選時段、收姓名電話、確認預約，還可以在有特殊要求時轉真人。
同一條訊息，三種結果。對一間銅鑼灣髮型屋來說，AI Agent 不單止接得住單，還將一條夜晚查詢變成第二天的實際生意——非營業時間，由 AI 接手。
常見問題
Live Chat 是否過時了？
沒有。Live Chat 會變成「例外層」——更有價值，不是更沒有價值。AI 接常規量，人手處理複雜、情緒化與高風險對話這些值得他們成本的事情。個模式不是取代，是分工。
可不可以由聊天機械人升級去 AI Agent？
技術上得，但遷移往往比從頭開始更煩——chatbot 腳本不會自動變成 AI 知識庫。更好的做法：由免費 AI Agent 方案起步，一次過砌好知識庫，再由度擴展。想知點砌，可以看 AI 知識庫怎樣寫才有效。
實際費用差多少？
以一間每月處理 500 條客戶訊息的小生意計：基本聊天機械人 HK$0–230／月但只答腳本問題；AI Agent HK$379–769／月，處理到 60–80% 訊息；請一個兼職人手就要 HK$12,000–23,000+／月。對多數中小企，AI Agent 最划算。想看完整成本拆解，可以參考 AI 客服真實成本。
我點知自己要 AI Agent 定只 chatbot 就夠？
問自己三條：客會不會用難以預測的方式查詢？我是否需要夜晚都有人回覆？如果系統懂得收集客戶資料、篩 lead、做預約會不會幫到我？任何一條答「會」，你就需要 AI Agent。如果你的客戶互動完全可預測、完全跟從腳本，chatbot 可能就夠。
資料來源：
- Gartner（2025、2026 預測）
- IBM Future of AI in Customer Service（2025）、Microsoft Copilot 文檔、Salesforce AI 架構、Zendesk NLP chatbot 指南
- Comm100 2026 Live Chat 基準（75.3% AI 處理、92.6% 轉交滿意度）
- Twilio（2025）、SurveyMonkey 客戶服務統計（2026）