同事最怕那句：「有咗 AI，我會唔會被炒？」
這個恐懼好可以預期。但數據顯示不會。OECD 2025 年對使用生成式 AI 的中小企調查發現，83% 報告整體員工需求沒有變。變的是同事花時間做什麼——65.1% 報告員工表現提升，32.7% 報告工作量減少。AI 接手了重複工作，人專心做複雜工作，沒有人被取代。
但這個結果不是自動發生，要有意識這麼推動團隊採用：處理同事真實的憂慮、為 AI 與人定清楚分工、建立一個令系統持續改善的維護流程。本文講點為 1 至 10 人的團隊做這件事。
為什麼團隊採用會失敗？
Deloitte 2025 年研究指出，抗拒 AI 多數源於對技術不熟或者技能差距，不是意識形態反對。McKinsey 2025 年研究亦指 41% 員工對 AI 有戒心、需要額外支援。對小團隊來說，採用通常在三個摩擦點散晒。
同事還未信 AI。 他們在測試時見過錯答案，或者聽過 chatbot 出事的故仔。直到親眼見 AI 準確處理真實對話，懷疑先會散。
同事不知道 AI 管什麼。 沒有清晰邊界，同事要嘛重複做 AI 已做的事情，要嘛當 AI 全部包辦而忽略轉交的對話。
同事怕 AI 出錯要它孭。 沒有問責框架，同事索性避開個系統，不想與它的錯掛鈎。
一頁團隊指南
任何培訓之前，先寫一份回答四條問題的一頁文件。30 分鐘寫完，慳返幾個禮拜的混亂。
AI 處理什麼？ 列出具體話題：營業時間、價錢、產品資訊、預約請求、送貨狀態、FAQ。要寫到盡——同事要清楚知哪些訊息毋須再理。
AI 不處理什麼？ 列出永遠交人手的：投訴、退款決定、定價例外、自訂要求、帶情緒的情境。這條邊界保護緊客戶體驗。
轉交點運作？ 寫清楚流程：AI 收齊資訊、標記轉交原因，對話就出現在團隊後台。同事帶住完整背景接手，毋須叫客重複講一次。
哪個審查 AI 表現？ 指派一個人（就算得兩個人都要有人孭）。它每週看 AI 對話日誌（15–20 分鐘），捉錯、更新知識庫。這個維護才是令系統持續改善的關鍵。
20 分鐘團隊演示
一節，20 分鐘，多數小團隊只需要這麼多。
- 第 1–5 分鐘——看後台。 開個平台，給大家看對話在哪裡出現、AI 處理過的點標示、轉交的對話在哪裡排隊。
- 第 6–10 分鐘——看一個真實對話。 取一個近期 AI 處理的對話，行一次：客問什麼、AI 點答、答案在知識庫哪裡。再看一個轉交對話——轉交背景、原因、同事點接手。
- 第 11–15 分鐘——示範點標記錯誤。 教他們點將 AI 回覆標記為錯、點要求更新知識庫。同事知自己有權更正 AI，「孭鑊」的恐懼會大減。
- 第 16–20 分鐘——問答。 直接處理憂慮。常見：「AI 答應咗啲我哋做唔到嘅嘢點算？」（答：轉交規則防到。）「客投訴 AI 點算？」（答：透明披露 + 易轉真人。）「係咪即係我少咗更返？」（答：OECD 數據顯示 83% 生意員工人數沒有變。）
每週 15 分鐘審查
初步設定之後，持續的團隊投入好少。一個人每週花 15 分鐘：
- 看轉交對話。 轉交是否恰當？AI 有沒有收夠背景給人接手？不夠就執轉交規則。
- 找知識空白。 有沒有 AI 答不到的問題？為最常見那些寫新知識庫文章。
- 捉錯。 有沒有答錯或語氣不當的回覆？更新知識庫修正。
- 看量趨勢。 AI 今週處理多了定少了？轉交率穩不穩？大變動可能代表知識庫有問題或者出了新問法。
Breathe 案例直接證明這個循環的威力：解決率由 56% 攀升到 88%——靠的是持續的知識庫改善與指引，不是換了個更勁的 AI 模型。
研究點講生產力？
| 指標 | 結果 | 來源 |
|---|---|---|
| 員工表現提升 | 65.1% 報告提升 | OECD（2025） |
| 工作量減少 | 32.7% 報告減少 | OECD（2025） |
| 員工需求變化 | 83% 沒有變化 | OECD（2025） |
| 補返技能差距 | 39.1% 話 AI 有幫助 | OECD（2025） |
| 客服生產力（零售案例） | 提升 66% | New Look／Zendesk（2025） |
| AI 解決查詢（零售案例） | 42% 由 AI 解決 | New Look／Zendesk（2025） |
對團隊溝通最有力的一點：AI 不會減人手，是改變工作組合。同事少了答「幾點開門？」，多了做諮詢、解決複雜問題與建立關係。那份是更好的工，不是更細的工。
Omago 點配合團隊協作？
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，提供團隊後台，轉交的對話連同完整 AI 背景一齊出現：同事看到 AI 傾過什麼、收了什麼資料、為什麼要轉交，客毋須重複自己。早期客戶在 onboarding 期間還有團隊落手協助配置，包括設定轉交規則與結構化知識庫，幫小團隊由「買咗個工具」過渡到「個工具真係 work」。
常見問題
小團隊初步設定要多久？
1–5 人團隊：砌知識庫 2–4 個鐘、團隊演示 20 分鐘，之後每週 15 分鐘維護。第一週最重，之後投入好少。想知點砌底層知識庫，可以看 AI 知識庫怎樣寫才有效。
同事積極抗拒點算？
找根本原因。怕失業 → 分享 OECD 數據（83% 沒有變）。不信準確度 → 拉它入每週審查，給它親自看與改。工作流程被打亂 → 先由一個渠道開始，證明了價值才擴。抗拒幾乎都是這三個原因之一。
應不應該話給客知它與 AI 對話？
應該。SurveyMonkey 2026 年數據顯示，14% 消費者會在 AI 沒有明確披露時失去信任。一句開場白「你好，我係 [公司名] 嘅 AI 助理，大部分問題我都幫到手，複雜嘢我會幫你接同事」就設定好期望。
我是一個人做 freelancer，沒有團隊呢？
同樣原則，只是簡化：你同時是 AI 擁有者與人手轉交點。設定 AI 接常規查詢、收 lead，每日花 10 分鐘看對話，營業時間自己處理轉交。AI 補返你做不到的時間——對一個人的生意來說，即是一日大部分時間。想看實際前後變化，可以參考 AI 部署前後對比：頭 90 日實際變化。
靠關係做生意的行業用 AI 客服 work 嗎？
Work，甚至比交易型生意更好。AI 接走嗌時間又不建關係的後勤查詢（排期、價錢、政策），騰返你去做諮詢、個人化推薦與跟進——那些先真是鞏固關係。AI 做行政，你做關係。
資料來源：
- OECD「Generative AI and the SME Workforce」（2025）
- Deloitte State of Generative AI in Enterprise（2025）
- McKinsey 職場研究（2025）
- Intercom／Breathe 案例（2025）、New Look／Zendesk 零售案例（2025）
- SurveyMonkey 客戶服務統計（2026）