不只回答問題，還能主動解決：Amazon Connect 的代理式 AI 如何重新定義客服智慧

「您的訂單編號是多少？」客服 AI 問道。客戶提供編號後，AI 回答：「查詢到您的訂單，目前狀態是處理中。」對話結束。客戶掛上電話，問題依然沒有解決——他想知道的是「為什麼延遲」、「何時能收到」、「能否加速處理」。傳統 AI 客服的致命弱點在此顯露：它們能回答問題，卻無法解決問題。

這不是技術能力的問題，而是架構設計的限制。傳統客服 AI 被設計為「資訊查詢系統」——接收輸入、檢索資料、輸出回應。它們缺乏三個關鍵能力：推理複雜情境的能力、主動採取行動的權限、跨系統整合資訊的脈絡。結果是大量簡單問題得到解答，但稍微複雜一點的需求就必須轉接真人客服，造成人力資源的浪費與客戶體驗的斷裂。

2025 年 12 月，AWS 在 Amazon Connect 導入的「代理式 AI」(Agentic AI) 能力，標誌著客服智慧的典範轉移。這些 AI 不再只是「會說話的資料庫」，而是能夠推理、規劃、執行多步驟任務的智慧代理。它們能夠理解客戶真正的需求、主動存取多個系統、協調複雜流程、在背景處理繁瑣事務——同時讓真人客服專注於建立關係與處理複雜情境。

代理式 AI 的三大核心能力

「代理」(Agent) 一詞來自拉丁文 “agere”，意為「行動」。代理式 AI 的本質是自主行動的能力——不需要逐步指令，而是理解目標後自主規劃與執行。這需要三個核心能力的整合。

1. 推理能力：理解意圖背後的需求
   當客戶說「我的包裹還沒到」，傳統 AI 會查詢物流狀態並回報。代理式 AI 則會推理：客戶為什麼關心包裹？可能是禮物即將過期、可能是重要文件急需使用、可能只是好奇進度。根據對話脈絡與歷史資料，AI 推斷客戶的真實需求。
   
   如果客戶語氣焦急且提到「明天要用」，AI 推理出這是緊急需求，不只查詢狀態，還會主動評估是否能加速配送，並檢查附近門市是否有存貨可供自取。此外，AI 也能即時計算改用快遞所需的額外成本，甚至預先準備好補償方案，以防無法準時送達時能立即安撫客戶情緒。
   
   這種推理不是預先編程的決策樹，而是基於大型語言模型的深度理解——分析對話、連結知識、評估選項、預測結果。
    
2. 行動能力：跨系統執行複雜任務
   推理出需求後，AI 需要執行能力。代理式 AI 能夠主動存取多個後端系統——訂單管理、庫存系統、物流平台、客戶關係管理 (CRM)、支付系統——讀取資料、執行操作、協調流程。
   
   以「訂單延遲」為例，AI 的行動序列將從訂單系統讀取詳細資訊開始，接著查詢物流系統確認當前位置與預計送達時間。若發現延誤，AI 會進一步檢查庫存系統確認附近門市是否有貨，並評估改派快遞的可行性與成本。最後，AI 會在 CRM 系統記錄客戶偏好與本次互動，如需補償，甚至能直接在優惠券系統自動發放折扣，完成完整的服務流程。
   
   這些工具可以是 API、AWS Lambda 函數、Model Context Protocol (MCP) 伺服器、或熱門第三方服務如 Salesforce 與 Slack。關鍵在於 AI 能自主決定何時使用哪些工具、以什麼順序執行、如何處理異常狀況。
    
3. 脈絡感知：維持完整情境理解
   代理式 AI 在與客戶對話的同時，能夠感知完整脈絡——不只是當前對話，還包括歷史互動、客戶偏好、業務規則、政策限制。這種脈絡感知確保每個決策都是情境適切的。
   
   想像客戶來電詢問退貨。AI 不只查詢退貨政策，還會檢視客戶的購買歷史以判斷是新客戶還是忠實顧客，並分析過往退貨記錄是否有濫用跡象。同時，AI 也會考慮產品是否屬於特殊商品類別，評估客戶終身價值是否支持更具彈性的處理方式，並結合當前對話情緒，判斷客戶是不滿還是僅為正常詢問，從而做出最適切的決策。
   
   基於這些脈絡，AI 的處理方式會有所不同。對於高價值客戶遇到的問題，可能提供更寬鬆的退貨條件與額外補償。對於可疑的退貨模式，則會更嚴格審查並可能轉接人工。

人機協作的新模式：AI 處理流程，人類建立關係

代理式 AI 最重要的價值不是取代人類客服，而是重新定義分工。AI 擅長的是流程性任務——查詢資料、執行標準操作、協調系統、處理規則導向的決策。人類擅長的是關係性任務——同理心、判斷特殊情境、處理模糊問題、建立信任。

AI 的背景任務處理

在與客戶對話的同時，AI 代理在背景執行繁雜任務。例如在文件準備方面，當客戶需要特定報告或證明時，AI 能自動從多個系統彙整資料、生成文件並準備下載連結。在流程協調上，AI 可處理跨部門的審批流程、多系統的資料同步及時效性的通知發送。此外，AI 也能進行即時資料分析，從歷史記錄中提取模式、計算統計數據，並生成個人化建議，讓服務更精準。

這種分工讓真人客服專注於高價值互動：處理需要細膩判斷的特殊情境，或安撫情緒激動的客戶。真人客服可以將時間投入於需要深度諮詢的複雜討論，從中發現業務機會並進行向上銷售，進而與客戶建立更深厚的長期關係。

無縫的人機協作流程

當 AI 代理遇到超出能力範圍的問題時，能夠智慧轉接——不是簡單地「轉給人工」，而是將完整脈絡傳遞給真人客服。客服人員接手時，已經掌握完整對話歷史與客戶情緒狀態，了解 AI 已執行的操作與查詢資料，以及目前未完成的任務與遇到的障礙。搭配客戶的歷史互動與偏好資訊，客服人員無需重新詢問，即可無縫接續服務。

客戶不需要重複說明問題，真人客服可以直接接續 AI 的工作，這種連續性大幅提升體驗品質。

可觀測性：建立對 AI 決策的信任

企業部署代理式 AI 最大的顧慮是控制性——當 AI 能夠自主採取行動時，如何確保它的決策符合業務規則、不會造成損失、維持服務品質？這正是「可觀測性」(Observability) 功能的價值。

AWS 為 Amazon Connect 導入的 AI 代理可觀測性提供透明化的監控與追蹤：

完整的決策追蹤

每一個 AI 決策都被完整記錄——理解了什麼、使用了哪些工具、如何做出決策。企業可以透過透明化的介面查看 AI 如何解讀客戶需求的意圖識別過程，了解為何選擇特定工具或資料來源。系統同時呈現中間步驟與邏輯鏈的推理過程，以及操作是否成功、遇到什麼問題的執行結果。

這種透明度讓企業能夠驗證正確性，確認 AI 的理解與行動符合預期，並在發生異常時快速定位錯誤決策的根本原因以發現問題。基於這些實際表現，企業可調整提示詞或政策來持續改進系統效能，最終讓管理層與客戶建立對 AI 可靠性的信任。

效能最佳化與異常偵測

可觀測性不只是事後分析，更是即時監控。系統持續追蹤關鍵指標，包括首次解決率 (First Call Resolution)、平均處理時間 (Average Handle Time) 與客戶滿意度 (Customer Satisfaction Score)，同時監控轉接人工的頻率與原因，以及各類工具的使用效率。

當指標出現異常時——例如特定類型問題的解決率突然下降——系統主動觸發警報。管理者能夠快速介入調查，防止問題擴大影響。

合規性與稽核追蹤

對於受監管產業 (金融、醫療、保險)，完整的稽核追蹤 (audit trail) 至關重要。可觀測性確保每個 AI 互動都有完整記錄——符合監管要求、支持合規審查、保護企業免於法律風險。

當客戶提出爭議時，企業能夠提供完整證據——AI 提供了什麼資訊、基於什麼資料、遵循什麼政策。這種透明度既保護企業，也保護客戶權益。

實際應用案例：從理論到實踐

司開發的 AI 代理管理司機與乘客詢問，運用 Anthropic 的 Claude 模型透過 Amazon Bedrock 部署。成果令人矚目：平均解決時間減少了 87%，從數小時縮短到僅需數分鐘；司機使用率提升了 70%，顯示司機更願意使用 AI 客服；且超過半數的問題在三分鐘內即獲得解決。

關鍵在於 AI 的「理解 + 行動」能力。當司機反映「我的收入沒顯示」時，AI 不只查詢帳戶狀態，還會直接讀取後端數據確認司機剛完成三趟行程，並檢查系統處理狀態確認收入正在計算中。接著，AI 會主動說明預計何時顯示並提供收入明細，最後在 CRM 記錄此次互動以便追蹤。

這種主動性大幅減少來回溝通次數，讓司機快速獲得答案並恢復工作。

其他產業的應用場景包括：

金融服務：處理帳戶查詢、交易異常、貸款申請進度。AI 能同時存取帳戶系統、風控平台、審批工作流，提供即時狀態更新與個人化建議。

電商零售：管理訂單修改、退換貨、促銷查詢。AI 協調訂單系統、庫存管理、物流平台、優惠券系統，提供一站式解決方案。

醫療保健：協助預約管理、保險理賠查詢、用藥提醒。AI 整合電子病歷、預約系統、保險資料庫，在符合隱私規範的前提下提供個人化服務。

電信業：處理帳單問題、方案變更、網路故障排除。AI 存取客戶資料、網路監控、工單系統，快速診斷問題並執行解決方案。

從輔助工具到戰略資產

代理式 AI 不只是提升客服效率的工具，更是企業的戰略資產。它解放人力資源投入高價值活動、提升客戶體驗創造競爭優勢、累積互動資料支持業務洞察、建立彈性架構因應未來需求。

當 AI 能夠處理 70-80% 的常見問題時，真人客服團隊的角色徹底改變——從「問題處理者」轉變為「關係建立者」、從「成本中心」進化為「價值創造者」。這種轉變讓客服中心從必要開銷變成競爭優勢的來源。

可觀測性則確保這種轉變是可控且可信的。企業不需要盲目信任 AI，而是透過完整的監控與追蹤，逐步建立信心、發現問題、持續改進。從試點到規模化部署，整個過程透明且可預測。

智慧不只是回答問題，而是解決問題

代理式 AI 標誌著客服智慧的質變——從「被動回應」到「主動解決」、從「資訊提供」到「任務完成」、從「單點工具」到「協作夥伴」。當 AI 能夠推理複雜情境、主動採取行動、感知完整脈絡時，客服體驗的本質改變了。

客戶不再需要在層層選單中迷航、不需要重複說明問題、不需要等待轉接。AI 理解需求、執行任務、提供解決方案。人類客服專注於建立關係、處理複雜情境、創造超越期待的體驗。這是人機協作的最佳典範——各自發揮優勢，共同創造價值。

您的企業是否希望提升客服效率並同時改善客戶體驗？想要部署能夠自主推理與行動的智慧 AI 系統？需要透明化的可觀測性來建立對 AI 的信任？

立即聯絡 AWS 台灣團隊，了解如何運用 Amazon Connect 的代理式 AI 能力，讓您的客服中心成為競爭優勢的來源。

參考資料

•    Amazon Connect
•    New Amazon Bedrock AgentCore capabilities power the next wave of agentic AI development
•    Amazon Bedrock AgentCore adds quality evaluations and policy controls for deploying trusted AI agents
•    AWS and Lyft: Bringing Agentic AI to Life for Riders and Drivers

無法去拉斯維加斯親自體驗？歡迎報名參與Best of AWS re:Invent (AWS 雲端科技發表會) 線上參與，一樣精彩！

本文章內容由「Amazon Web Services (AWS)」提供。