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。