AI 專案的失敗率，並不是因為技術很爛，而是因為企業「採購與部署」的方式出了問題。Deloitte–香港大學 2026 年 AI 採用指數發現，AI 表現不如預期的主要原因包括：部門各自為政（33%）、缺乏立即成效（32%）、資料品質問題（31%）、以及商業價值不明確（24%）。這些沒有一個是技術問題——全都是採購與導入的問題。

這篇指南會講解，台灣中小企業在採購 AI 客服時最常犯的五個錯誤、每個錯誤為什麼會發生，以及具體的解法。

錯誤一：在定義好前兩個工作流程之前就先買了

典型情境：一位老闆讀到 AI 客服的相關文章，註冊了一個平台，然後才開始想「我到底要拿它來做什麼」。兩週後，AI 被設定成處理「一般詢問」，但沒有任何一件事做得特別好。老闆於是下結論：AI 沒用。

為什麼會發生： 廠商把 AI 行銷成一個萬用解方。中小企業主買的是那個承諾，而不是去界定具體的問題。

解法： 在註冊任何平台之前，先精確定義第一週「一定要會動」的兩個工作流程。對大多數生意來說，這兩個是：（1）針對前 10 個常見問題的下班後自動回覆；（2）能擷取姓名、聯絡方式與意圖的名單分級。其他一切都可以等。這兩個工作流程窄到足以設定得好，又廣到足以展示出立即的價值。

這直接回應了 32% 的企業所指的「缺乏立即成效」——因為成效來自具體、可衡量的工作流程，而不是來自「我有了 AI」這件事本身。想看完整的流程設計方法，可參考〈對話流程怎麼設計才能分級名單、預約、成交〉。

錯誤二：在預算裡漏算了 WhatsApp 的訊息費用

典型情境：一家生意把 AI 平台的月費（US$49–99）算進去了，卻沒把 WhatsApp 商業平台的「每則訊息費」算進去。第一個月的帳單，多出了一筆在免費服務時段之外發送範本訊息的意外費用。

為什麼會發生： 大多數 AI 平台的定價頁面只顯示自己的月費，卻沒有顯眼地說明「WhatsApp 會對某些訊息類型另外收費」。這幾層成本是由不同公司（AI 平台與 Meta）各自管理的，因此很容易被漏掉。

解法： 建一個把所有層級都納入的成本模型。由顧客主動發起的服務對話（也就是 AI 客服的主要使用情境）在 WhatsApp 的 24 小時時段內是免費的。費用來自商家主動發起的外發訊息——行銷、服務時段外的通知、以及再行銷。設計你的 AI 工作流程時，優先在免費時段內回應，並把不必要的外發範本降到最低。

對於採用「單一費率」平台的生意——例如 Omago——月費相對可預測。但無論用哪個平台，WhatsApp 商業平台針對外發範本訊息的每則費用都仍然適用，應該事先把它算進去。

錯誤三：跳過員工準則與訓練

典型情境：老闆設定好 AI，然後跟員工說「我們現在有聊天機器人了」。沒有交接流程的訓練、沒有何時該覆寫 AI 的準則、沒有品質檢核流程。員工要嘛無視 AI、要嘛重複它的工作，要嘛出事時就怪它。

為什麼會發生： 只有 28.6% 使用生成式 AI 的中小企業訂有員工準則，只有 23.6% 回報有員工訓練的參與。大多數生意把 AI 當成一個「不需要改變任何人工流程」的工具——這等同於請了一位新員工卻從不訓練他。

解法： 替你的團隊做一份簡單的一頁式指南。它應該涵蓋：AI 負責什麼（以及不負責什麼）、如何檢視被 AI 分流上來的對話、如何從 AI 手中接管一段對話、以及如何回報 AI 的錯誤以更新知識庫。這只要花 30 分鐘寫，就能消除大部分的員工困惑。

再帶著團隊跑一場 20 分鐘的導覽，展示 AI 後台、對話紀錄與分流流程。這一場會議，就能預防好幾週的摩擦。關於這套訓練的完整做法，可看〈怎麼訓練小團隊與 AI 客服協作〉。

錯誤四：用功能多寡、而非適配度來選平台

典型情境：老闆拿五個 AI 平台排出一張功能對照表——情緒分析、多語言支援、CRM 整合、進階分析——然後選了功能最多的那一個。三個月後，他只用到 10% 的功能，卻付了 100% 的錢。

為什麼會發生： 比功能比工作流程測試容易得多。廠商行銷強調的是「能力的廣度」。中小企業主覺得選打勾最多的那個比較安全。

解法： 用你的真實訊息去測。從你的網頁聊天或既有對話紀錄裡拉出 30 則真實的顧客訊息，在試用期間餵給每一個平台，評分看哪一個 AI 處理得最準。一個能把你 70% 真實訊息正確解決的平台，勝過一個提供 50 項功能、卻只能解決你 40% 實際詢問的平台。

OECD 的資料印證了這一點：57.3% 的「未採用者」表示 AI「不適合他們的工作」。適配度比功能重要。一家名為 Pastreez 的馬卡龍烘焙坊選擇 Tidio，不是因為它功能多，而是因為它把 70% 的聊天詢問轉換成了訂單——這個平台就是比那些「打勾更多」的對手，更會處理他們真實的顧客訊息。

錯誤五：頭 90 天沒有任何衡量計畫

典型情境：生意部署了 AI、跑了三個月，然後才問「這到底有沒有用？」——卻從沒追蹤過任何基準或進度指標。答案通常是「我覺得有吧，大概？」——而這沒辦法支撐續約或擴大使用的決定。

為什麼會發生： 中小企業主很忙。當他們只想要 AI「把訊息處理掉」時，設定追蹤感覺像是多餘的工作。「商業價值／投資報酬不明確」這個障礙（Deloitte–港大指數中的 24%），有一部分是衡量的失敗，而不只是價值的失敗。

解法： 從第一天起就追蹤四個數字。首次回應時間（有了 AI 應該幾近即時）、AI 解決率（無需真人協助就處理掉的訊息比例）、擷取的名單數（AI 收集到的姓名加聯絡方式）、每筆對話成本（每月 AI 總成本除以總對話數）。這四個數字每週只要花 10 分鐘檢視，就能給你足夠的依據，去在第 90 天時決定要維持、調整還是取消這筆投資。

把這四個數字對照基準來看，意義會更清楚：根據前面引用的 Intercom AI 成效數據，跨約 8,000 家客戶的平均解決率約為 67%。如果你導入兩個月後解決率還停在二、三成，那通常不是 AI 不行，而是知識庫太薄、或工作流程根本沒對準你最常被問的那幾個問題——這又繞回錯誤一。衡量的價值，不在於產出一張漂亮的報表，而在於它讓你能「具體指出」哪裡壞了、該修哪一塊。

為什麼這五個錯誤幾乎都不是技術問題？

把五個錯誤擺在一起看，會發現一個共通點：它們全部發生在「你決定怎麼買、怎麼導入」的環節，而不是「AI 模型本身好不好」。這跟開頭引用的 Deloitte–香港大學 2026 年 AI 採用指數完全一致——部門各自為政（33%）、缺乏立即成效（32%）、資料品質（31%）、商業價值不明（24%），沒有一項寫的是「演算法不夠強」。

對台灣中小企業的實務含意很直接：選平台前，先花那 3 小時把工作流程、成本模型、員工準則與衡量計畫準備好，比花好幾天比較功能表更能決定成敗。一個能對你的資料採取行動、把名單擷取與分流做穩的 AI 代理，只有在「被你設定得對準真實問題」時才會發揮價值。換句話說，買得對，比買得貴重要。

快速查閱：錯誤預防檢核表

錯誤	預防方式	所需時間
定義工作流程前就先買	註冊前先定義 2 個具體工作流程	30 分鐘
漏算 WhatsApp 訊息費	建一個四層成本模型	20 分鐘
跳過員工準則	寫一頁團隊指南＋跑一場 20 分鐘導覽	50 分鐘
用功能而非適配度選平台	試用期間用 30 則真實訊息測試	1 小時
沒有衡量計畫	從第 1 天起每週追蹤 4 個 KPI	每週 10 分鐘

總預防時間：大約 3 小時。這筆投資，能預防 AI 專案失敗最常見的那些成因。

常見問題

哪一個是最昂貴的錯誤？

漏算 WhatsApp 的訊息費。平台月費是固定且可預測的，但若工作流程在設計時沒考慮成本控制，WhatsApp 針對外發行銷訊息的每則費用就可能意外暴增。一則促銷廣播發給 2,000 名聯絡人、每則 US$0.07，就要花 US$140——比許多平台的月費還貴。比較安全的做法是：把 AI 工作流程設計成「優先在顧客主動發起的 24 小時免費時段內回應」，把外發範本訊息壓到最低，只在真正必要的再行銷時才動用，這樣每月的變動成本才不會失控。

我選一個簡單的平台，是不是就能避開所有這些錯誤？

較簡單的平台能降低錯誤二與錯誤四（成本複雜度與功能臃腫），但無法預防錯誤一、三、五——那些取決於你自己的準備。就算是最簡單的 AI 平台，少了定義好的工作流程、員工準則與衡量計畫，照樣會表現不佳。

我怎麼知道我的團隊是不是在抗拒 AI？

留意三種行為：員工在 AI 有機會回應之前就搶著回訊息、員工無視後台裡 AI 擷取的名單、員工沒看過對話紀錄就抱怨 AI「沒用」。這三種都指向訓練或溝通的缺口，而不是技術問題。

如果我的生意太小，做不了正式的衡量計畫呢？

追蹤一個數字就好：那些「要不是有 AI、你本來捕捉不到」的名單數。如果你是個人經營者，就數 AI 回應了多少則「本來會無人回覆」的下班後訊息。如果那個數字乘上你的平均客單價超過了每月平台費用，那 AI 就是有用的。

我該買年繳還是月繳？

先月繳。等你 90 天的試行確認投資報酬為正之後，再換成年繳。年繳方案在大多數平台上通常能省 15–20%，但在驗證適配度之前就先綁年約，等於是換了一種形式的錯誤一。要把基本盤先搞懂，可參考〈2026 年 AI 客服能幫中小企業做哪些事〉。

資料來源：Deloitte–香港大學 AI 採用指數 2026、OECD「Generative AI and the SME Workforce」（2025）、WhatsApp 商業平台定價（2026）、Tidio — Pastreez 案例研究。

中小企業買 AI 客服最常犯的 5 個錯誤（以及怎麼避開）？