顧客為什麼討厭 AI 聊天機器人？（以及如何打造他們不討厭的機器人）

4 月 1 日，CNBC 刊出一篇標題為〈我討厭客服聊天機器人〉的報導。報導中受訪的消費者 Carmen Smith 描述的情況，任何最近向品牌申請退款的人大概都心有戚戚焉：機器人把你導向一篇常見問題，你回覆「這不適用於我的情況」，機器人又把你導向同一篇常見問題。

同一週，Qualtrics 發布《2026 年顧客體驗趨勢報告》，其中一項資料足以讓所有在賣 AI 客服的人心驚：曾使用 AI 處理客服問題的消費者中，將近五分之一表示完全沒有得到任何幫助。這個失敗率幾乎是一般 AI 使用情境的四倍。今年稍早，Klarna——那個曾高調宣布其 AI 客服代理程式已能完成 700 名人力工作量的公司——在認定 AI 單獨處理複雜任務時「品質較差」後，悄悄開始重新聘用真人客服。

這並不代表聊天機器人已經走到盡頭。部署得當的公司，仍然能用 AI 處理 80% 的例行互動，並看到顧客滿意度出現兩位數的成長。這波反彈真正說明的是：優質聊天機器人與劣質聊天機器人之間的差距已經拉得極大——而顧客只要兩則訊息就能分辨出差異。

本篇指南會完整說明：是什麼讓聊天機器人令人抓狂、那些最惹人厭的模式為什麼一再出現，以及打造出訪客真正願意接受的聊天機器人的七項原則。

資料看 2026 年的顧客情緒

聊天機器人採用率的頭條數字看起來很亮眼——直到你依情緒把數字拆開來看。

兩件事同時成立：AI 客服已是半數市場的預設期待，也有半數市場對它不滿意。能在這股張力中勝出的公司，都把「機器人能運作」當成最低門檻，而不是最終目標。

顧客到底為什麼會被聊天機器人惹怒

把 CNBC 的報導、Reddit 上的討論串，以及 CX 產業報告放在一起讀，會發現抱怨都指向同樣七種失敗模式。沒有一項是「AI 不夠聰明」的問題，全都是產品團隊能自行掌控的 UX 決策。

一、常見問題無限迴圈

顧客：「我的訂單 #A1048 被重複收費了。」 機器人：「這是我們的退款政策：[連結]。」 顧客：「我已經讀過了，我需要真人協助。」 機器人：「這是我們的退款政策：[連結]。」

這是被提及次數最多的抱怨。機器人只有一個答案，不管顧客說什麼都反覆給出同樣的回應。這種情況發生在聊天機器人只用行銷頁面與說明文章訓練，卻沒有任何機制能偵測出「這個答案沒有用」的時候。

二、沒有退場機制

第二常見的抱怨，是完全無法聯絡到真人。顧客通常在兩輪對話內就能判斷出機器人是否幫得上忙。當機器人幫不上忙時，還硬要他們再經歷六輪「可以再詳細描述一下你的問題嗎？」的盤問，這不是在解決問題——這是在懲罰顧客。

三、假裝自己是真人

早期的客服機器人會試著隱藏自己是機器人的事實。顧客對這件事的厭惡，甚至超過對機器人本身的厭惡。當使用者發現自己一直把機器當成真人對待時，會感到被欺騙。到了 2026 年，在加州 SB 243 法案與其他州類似法規上路後，不揭露 AI 身分在許多司法轄區也已經成為合規風險。

四、每一輪對話都會忘記前面說過的話

「我的訂單延遲了。」→「是哪張訂單？」→「A1048。」→「問題是什麼？」機器人其實早就知道問題是什麼了。再問一次等於是在告訴顧客：根本沒人真正在聽，也讓每一輪對話都像是從零開始。

五、幻覺答案

一個自信滿滿卻捏造出貨政策的聊天機器人，比一個誠實說「我不知道」的機器人更糟糕。產業資料顯示，答案有內容依據、採用檢索技術的聊天機器人，相較於只憑模型內部知識回答的機器人，幻覺率可降低 60% 以上——但至今仍有大量上線中的聊天機器人，完全略過了這層內容依據。

六、什麼都不肯回答

這是另一個極端的失敗模式：機器人被安全性提示詞綁得死死的，連最基本的產品問題都拒絕回答（「很抱歉，我無法討論價格」）。這通常發生在團隊直接貼上一套通用的護欄設定，卻沒有實際測試它到底擋掉了什麼。

七、繞了一大圈才進入正題

冗長的開場白（「很樂意為你提供協助！讓我先確認幾件事……」）。丟出三個追問，才終於講出一句真正有用的話。會來到你退款頁面的顧客，不是來聊天的，他們是來找答案的。

Klarna 給的一堂課

Klarna 的政策大轉彎很值得研究，因為他們大部分事情都做對了，卻仍然必須踩煞車。他們的 AI 處理了 230 萬則對話，在常見問題上的解決率與真人不相上下，平均解決時間也大幅縮短。就數字來看，這是一次成功。

出問題的是長尾情境。那些複雜的邊緣案例——爭議、詐欺申訴、帳戶問題——在整體對話量中只占一小部分，卻在顧客記憶中占了很大的比重。一次處理不當的爭議案件，造成的口碑傷害可能超過一千次順利的退款。

這裡的教訓不是「不要用 AI 做客服」，而是：機器人是一道前門，不是整棟建築物。 一個能有把握地處理 80% 對話量、並乾淨俐落地將另外 20% 轉接出去的聊天機器人，就是一次勝利。一個硬要處理 100% 對話量的聊天機器人，才是讓你最後上 CNBC 頭條的原因。

打造顧客不討厭的聊天機器人：七項原則

以下是那些讓使用者持續給出正面評價的聊天機器人，共同展現出的模式。

原則一：一開口就表明自己的身分

開場第一句話，就讓使用者清楚知道自己是在跟 AI 對話。「嗨——我是 [公司名稱] 的 AI 助理，可以回答有關 [服務範圍] 的問題。如果遇到我無法處理的情況，會為你轉接真人。」這是投資報酬率最高的單一改動：只要花三十秒加進你的系統提示詞，就能立刻重設使用者的期待，同時滿足美國多數州的合規要求。

想了解我們建議的系統提示詞確切結構，可參閱聊天機器人提示詞工程。

原則二：每個答案都要有你自己內容的依據

聊天機器人應該只根據你建立的文件來源作答。如果答案不在你的說明中心、產品文件或問與答裡，機器人就該說「我沒有這項資訊」，並主動提供轉接選項。這正是有內容依據的聊天機器人，與一個只是拿通用模型隨口談論你事業的機器人之間的差別。

Agentkit 的四種訓練來源，讓這件事變得具體可執行：

問與答的優先順序高於其他所有來源，代表你隨時都能為最常見的顧客抱怨，強制指定一個特定答案。完整流程可參閱如何訓練聊天機器人。

原則三：從第一輪對話就提供退場機制

聊天機器人傳送的每一則訊息，都應該提供一條出路。最簡單的做法：放一個永遠顯示的「與真人對話」按鈕，或是一則建議訊息。使用者只要點下去，機器人就該乾脆地轉接，不要來一段「可以先詳細描述你的問題嗎？」的盤問。

在 Agentkit 中，你可以用三種方式做到這件事：

1. 建議訊息——把「與真人對話」設為隨時可見、一鍵點選的選項
2. 自訂按鈕——連結到你的即時客服、工單表單或電話號碼
3. 潛在客戶收集動作——收集使用者的電子郵件，並將對話轉交給真人後續跟進

原則四：記住整段對話

一個在對話輪次之間會忘記情境的聊天機器人，基本上無法使用。這是平台層級的問題，不是提示詞層級的問題——你的聊天機器人需要把完整的對話歷史傳給模型，而不只是最新的一則訊息。現代的聊天機器人平台預設都會這麼做，但如果顧客反映「機器人一直問我同樣的問題」，就該去檢查你的設定。

原則五：語氣要配合情境

一句開心的「很樂意為你效勞！」用在產品問題上很合適，但用在顧客反映重複收費時就不合適了。語氣的搭配是提示詞層級的問題：你的系統提示詞應該告訴模型要對應使用者的語氣，並在使用者感到不滿時，省略掉那些客套話。

一個大致的範本：

「如果使用者表現出挫折、憤怒或急迫感，請簡短直接地回應。不要以客套話開場。用一句話認同對方遇到的問題，再用一句話給出答案或處理方式，如果根據既有資訊無法解決問題，就主動提出轉接。」

原則六：知道自己不知道什麼

當問題超出訓練資料範圍時，設定讓你的聊天機器人說「我沒有這項資訊——要我幫你轉接給我們的團隊嗎？」這聽起來理所當然，卻經常被忽略。語言模型預設的行為是產生「聽起來合理」的文字；要讓它承認自己不確定，需要在系統提示詞中明確下達指示才行。

原則七：衡量顧客真正的體驗

機器人的「完成率」不等於顧客滿意度。一個機器人可能有 95% 的「對話完成」率，但其中 40% 的對話其實是使用者放棄離開。要追蹤的是能揭露挫折感的指標，而不只是完成率：

聊天機器人 KPI 與指標詳細說明了這些指標，並附上依產業區分的實際基準值。

混合模式才是致勝模式

那些從 AI 客服中獲得正面消費者評價的公司，用的都是同一套模式：聊天機器人處理最常見的 80% 問題，其餘的則乾淨俐落地轉接出去。聊天機器人不是在跟真人客服團隊競爭——它是在分流那些真人客服最不想重複回答的問題，讓真人可以專注在真正需要判斷力的案件上。

這也是聊天機器人與即時客服比較一文從另一個角度得出的相同結論，同時也是 Klarna 在他們的純 AI 實驗之後，重新回歸的結論。

如果你正在 2026 年打造一個客服聊天機器人，該問的問題不是「AI 還是真人」，而是：從使用者的挫折感，到正確答案或正確的真人之間，最快的路徑是什麼？上面這七項原則，最終都回歸到這同一個問題。

如何在 Agentkit 中完成這一切

Agentkit 的設計核心，就是圍繞著能讓顧客不會把你的機器人歸進「討厭」那一類的模式：

• 四種訓練來源，讓你的機器人只根據你能掌控的內容作答
• 問與答，針對風險最高的問題提供優先覆寫
• 建議訊息與自訂按鈕，讓退場機制從第一輪對話就清楚可見
• 涵蓋 OpenAI、Anthropic 與 Google 的多種 AI 模型，讓你能依使用情境搭配合適的模型層級（常見問題用輕量模型，需要細膩判斷則用旗艦模型）
• 支援 95 種以上語言並自動偵測，讓非英語使用者也能享有相同的體驗
• 潛在客戶收集與 Webhook，乾淨俐落地轉交給你的支援團隊
• 每個方案都內建對話記錄與分析，讓你能實際衡量上述的各項指標

這一切都能在 Free 方案（50 則訊息、400 KB 儲存空間）中免費測試；而 Hobby 方案只要 $29.99／月，就能提供 2,000 則訊息與 40 MB 訓練內容，足以應付大多數小型企業的客服需求。

客服聊天機器人指南涵蓋了從頭到尾的完整設定流程，包括轉接邏輯與分流成效衡量。

總結

2026 年 4 月這波聊天機器人反彈聲浪，判的不是 AI 客服的死刑，判的是大家為了快速上線 AI 客服而抄的那些捷徑。顧客討厭聊天機器人，不是因為它是 AI；他們討厭的是劣質聊天機器人浪費他們的時間、對他們說謊，還拒絕讓他們聯絡到真人。

顧客不討厭的那些聊天機器人，具備的特質跟顧客不討厭的那些真人一模一樣：誠實面對自己的身分、認真傾聽、清楚自己的職責，並且在不是對的人選時懂得轉交出去。這個標準對 AI 來說並沒有比較低，是同一套標準，只是靠系統提示詞與內容依據來落實，而不是靠訓練與督導。

免費建立你的聊天機器人 →

不需信用卡。