一個客戶用普通話發 WhatsApp。十分鐘後另一個用英文寫。然後一個本地熟客發了一條粵英混用的訊息——同一句話裡混合兩種語言。對一間只有兩個員工的中小企而言，這是不可能靠人手解決的客服挑戰。除非 AI 處理語言複雜度。

根據 Language Testing International 的研究，75% 的消費者在數碼服務以其母語提供時更可能回購。多語言能力的商業影響直接影響回頭客和客戶忠誠度。

多語言 AI 有什麼變化？

舊方法是翻譯層：機械人收到中文訊息 → 翻譯成英文 → 生成英文回覆 → 翻譯回中文。這引入延遲、剝除文化語境、破壞慣用語。

新方法是原生語言生成。現代 AI 助理由大型語言模型驅動，直接用目標語言推理。它們不翻譯——而是原生地理解和回應。

粵英混用（Code-Switching）：為什麼香港是最難的測試

粵英混用——在一句話中間流暢地在兩種語言間切換——是多語言 AI 計算上最複雜的挑戰之一。

香港居民習慣性地在同一句話中混合粵語和英語。學術研究確認這是一種精妙的語言資源，被刻意用於技術精確性、文化細微差異和對話效率。

典型的香港客戶訊息：「我想問吓呢款袋嘅 pre-order 幾時出貨？如果 out of stock 會唔會自動 refund？」

劍橋大學出版社的眼動追蹤研究證實，香港雙語者在處理粵英混用句子時，完全沒有額外的認知負擔。混用是他們的自然溝通模式。

實際意義： 一個在香港部署的 AI 助理，如果只提供「英文」或「中文」的語言選項，已經在失敗了。它必須自然地解析、理解和回應混合語言輸入。

第一步： 辨識你的語言組合——檢視你最近 100 條客戶訊息，每種語言各佔多少百分比。

第二步： 建立多語言知識庫——以客戶使用的每種語言上傳業務資訊。單一英文知識庫配翻譯不夠。

第三步： 用真實訊息測試——餵 AI 20–30 條真實客戶訊息（包括混用訊息），評估準確度和語氣。

第四步： 設定語言路由——不支援的方言或文化敏感話題轉交雙語人工。

AI 真的能處理好粵英混用嗎？ 取決於平台。由 LLM 驅動的 AI 助理處理混用的能力遠優於舊式規則型聊天機械人。用你實際的客戶訊息測試驗證。

應該為每種語言建立獨立的聊天機械人嗎？ 不應該。一個自動偵測語言並相應回應的 AI 助理提供更好的客戶體驗。

資料來源： Language Testing International、Markets and Markets、劍橋大學出版社、ERIC/World Englishes