AI 代理與聊天機械人:分別何在、如何選擇

AI 代理與聊天機械人的分別,歸結為一條實際的問題:您需要的是回答別人的軟件,還是朝著目標工作的軟件?如果您需要快速、有邊界的對話 — 例如常見問題解答、支援回覆或收集查詢 — 選擇聊天機械人。如果工作涉及決策、多個步驟、業務工具、跟進,或聊天視窗以外的行動,就選擇 AI 代理。

重點摘要

• 面對可預測的問題、簡單的導覽及需要嚴格控制的答案,選擇聊天機械人。
• 面對需要規劃、工具使用、記憶及行動的目標型工作,選擇 AI 代理。
• 聊天機械人可以是 AI 代理的一個組成部分,但單獨的聊天機械人通常只會等待使用者的下一句話。
• 評價任何一種系統,都應該看完成的成果、準確度、升級處理質素,以及每個有用結果的成本,而不是回覆聽起來有多厲害。

AI 代理與聊天機械人有甚麼分別?

聊天機械人主要負責進行對話。AI 代理則朝著一個成果工作。聊天機械人收到訊息、辨識對方想要甚麼、找出或生成一個合適的答案,然後等待。代理則能理解一個目標、規劃步驟、使用已連接的工具、核對結果,並持續推進,直至完成或需要人手介入。

這個區分之所以重要,是因為這兩個詞經常被隨意使用。一個回答問題的網站小工具,在銷售冊子裡也可能被稱為「代理」。但這不代表它有自主能力。標籤不重要,重要的是系統實際能做甚麼。

聊天機械人通常遵循這個循環:

1. 使用者發送訊息。
2. 系統辨識意圖。
3. 它搜尋獲批准的資訊,或生成回應。
4. 它送出答案。
5. 它等待下一則訊息。

AI 代理則加上一個工作循環:

1. 它接收一個目標或觸發條件。
2. 它把目標拆解成任務。
3. 它決定需要哪些資訊或工具。
4. 它採取行動。
5. 它核對發生了甚麼。
6. 它繼續、停止,或把工作交給真人。

**核心分別在於理解之後的行動。**聊天機械人可以告訴客戶怎樣預約。AI 代理則可能收集所需資料、透過獲批准的系統查看空檔、完成預約、發送提示,並把它無法穩妥解決的事項標示出來。

這條界線並非完美清晰。有些進階聊天機械人也會調用工具、記住脈絡、完成小型任務。有些 AI 代理主要靠聊天溝通。有用的測試很簡單:這個系統只會回應,還是能夠獨立完成一份界定清楚的工作?

聊天機械人如何運作?

聊天機械人透過意圖辨識、資訊檢索及語言生成,把使用者的訊息轉化為回應。傳統聊天機械人依賴固定規則及決策樹。現代 AI 聊天機械人能理解自然語言並搜尋知識庫,但一般仍以對話為主導,等待使用者引領下一步。

一個基本的聊天機械人不需要宏大的使命,它需要的是清晰的邊界。

例如,一家服務型企業可以訓練它回答:

• 營業時間
• 服務相關問題
• 收費資訊
• 預約方法
• 送貨或取貨詳情
• 基本支援請求

聊天機械人可能使用規則、搜尋系統或語言模型。底層方法可以不同,關鍵在於客戶體驗:對方發問,系統回答,對話繼續。

意圖辨識

意圖辨識,是弄清楚使用者想問甚麼。「我可以改期嗎?」與「我需要另一個時間」措辭不同,表達的可能是同一個意圖。

聊天機械人也能辨識日期、訂單編號、服務名稱或地點等實體。如果問題超出它已知的範圍,它應該坦白說明並提供清晰的轉介,而不是含糊其辭。

知識檢索

聊天機械人往往從獲批准的文件、網站頁面、產品記錄或內部答案中檢索資訊。這能讓回覆有源可依。

但這只在來源資料準確且有人維護時才成立。一個寫得漂亮、卻基於過時政策的答案,依然是一個壞答案。

生成式回應

現代聊天機械人能產出自然的回覆,而不是從預先寫好的句子中挑一句。這令對話不那麼生硬,但語言自然不等於能獨立行動。

**當對話本身就是那份工作時,聊天機械人是很好的選擇。**它可以回答常見問題、引導訪客瀏覽網站、收集查詢,或處理重複的支援對答。如果任務在使用者取得準確資訊那一刻就結束,加入自主規劃可能只會增加風險,而沒有帶來多少價值。

AI 代理如何運作?

AI 代理由一個目標開始,而不是一個單獨的回覆。它理解請求、規劃路線、選用工具、執行行動、核對結果,並在情況改變時作出調整。它的工作可以橫跨多則訊息或多個系統,並在後果需要時加入人手批核。

NIST 詞彙表對「代理」的定義是:代表使用者或另一個系統行事的東西。「代表行事」正是重點所在。

代理可能有權存取:

• 業務知識庫
• 日曆或客戶記錄
• 電郵或訊息功能
• 資料庫
• 支援隊列
• 銷售管道
• 報告系統
• 批核及升級規則

它不需要存取所有東西。事實上,它不應該。

目標與規劃

目標可能是「篩選這位新潛在客戶」,而不是「回答這則訊息」。為了完成它,代理可以提問、把回答對照既定準則評估、記錄結果,並把合資格的查詢轉交合適的人。

規劃可以簡單,也可以複雜。小型代理可能遵循固定次序,較靈活的代理則可能按發現的情況,在幾個可行步驟之間作出選擇。

記憶與脈絡

代理需要工作記憶,以追蹤當前任務。它們也可能使用獲准的長期資訊,例如某位客戶過往的互動,或企業的營運規則。

記憶需要邊界。把每一段對話永久保留,不是一個明智的預設。要決定代理可以記住甚麼、為甚麼需要、以及該資料何時應該移除。

工具使用與行動

當代理能夠把理解付諸行動,它才變得有用。它可能草擬電郵、更新記錄、開立支援工單,或分流查詢。

行動必須受控。一個能發送訊息、修改記錄或作出承諾的系統,需要權限、日誌及清晰的停止條件。

**AI 代理最好理解為一位有明確職責、受監督的數碼員工。**它接收目標、使用獲批准的資訊及工具、完成獲准完成的工作,其餘的則升級處理。它的權力愈大,其權限及覆核節點就必須設計得愈仔細。

AI 代理比聊天機械人更自主嗎?

是。聊天機械人通常是被動的:等待對方的訊息,在既定對話範圍內回應。AI 代理可以是主動或任務驅動的,無需每一步都被提示,就能把工作推進多個階段。這種自主性令代理更有能力,但也令欠佳的指示及薄弱的管控代價更高。

自主性是一條光譜,不是一個一邊寫著「聊天機械人」、另一邊寫著「完全獨立代理」的開關。

一個有用的分級是這樣的:

大部分企業都不需要最後一行。它們需要的,是一個能處理既定工作量、又不會犯下昂貴錯誤的系統。

該問的不是「我們能把它做到多自主?」而是:「哪些決定該由它做、哪些行動該由它執行、哪些下一步必須有人批准?」

關於代理式系統的研究,也反映了這種不確定性。經合組織(OECD)關於代理式 AI 的討論按系統追求目標及以不同程度獨立行動的能力來區分它們。這比把所有對話式系統當成同一回事,是更好的思考框架。

AI 代理能做到甚麼聊天機械人做不到的事?

AI 代理能把一項任務由請求帶到結果,而標準的聊天機械人通常止步於一個答案,或等待另一個指示。代理能統籌步驟、調用獲批准的工具、檢查結果、跟進,並升級例外情況。至於範圍窄、可重複、講求速度與控制多於獨立性的對話,聊天機械人仍然是更好的選擇。

想像一個新查詢。

聊天機械人可能會問訪客的姓名、電郵地址及問題,然後把資料轉發到團隊收件箱。代理則可以問對的篩選問題、評估查詢是否符合既定準則、更新潛在客戶記錄、發送切題的跟進,並在需要人手關注時通知銷售員。

以下是兩者在實際層面的分別:

**當成本落在對話之後,代理就能證明自己的價值。**如果員工仍然要把資料抄進系統、發送跟進、檢查下一步、把事情收尾,那麼聊天機械人只是看住了大門。代理則可以接手大門後面的工作 — 前提是它的權限收得夠緊。

聊天機械人可以使用工具、變成 AI 代理嗎?

可以。當聊天機械人獲得目標、規劃能力、記憶、工具存取權及完成任務的授權時,它就能成為 AI 代理的一部分。調用一個日曆功能並不會自動令它成為完整的代理。系統需要管理整項任務、核對結果,並知道何時停止或交接。

這正是產品標籤造成混亂的地方。

一個透過 API 查詢訂單狀態的聊天機械人,如果只是回答使用者的問題,它主要仍然是聊天機械人。一個查詢訂單、發現派送問題、開立支援個案、發送最新消息並安排跟進的對話式系統,做的就是代理式的工作。

把聊天機械人想成前台,把代理想成被指派去完成那份工作的員工。

兩者可以並存:

• 使用者透過聊天介面溝通。
• 對話層理解請求。
• 代理層規劃並執行工作。
• 工具提供對獲批准系統的存取。
• 規則決定何時需要批核或升級。

邊界取決於工作流程,而不是品牌包裝。

**聊天機械人是靠能力與職責變得像代理,而不是靠改名。**加一個工具調用,您得到的是一個會用工具的聊天機械人。加上目標、多步驟規劃、狀態、受控權限及結果核查,才更接近 AI 代理。最穩妥的設計,是讓這些層次保持清晰可見、可供覆核。

在客戶服務、銷售及營運上,哪個更好?

聊天機械人更適合高流量、可預測的問題。當客戶、潛在客戶或員工需要一項橫跨多個步驟的任務被完成時,AI 代理更勝任。對許多企業而言,合理的配置是一個對話式的入口,背後由專門的代理支援,敏感或不尋常的個案則升級交由真人處理。

以下按工作類型逐一分析。

客戶服務

用聊天機械人處理營業時間、服務資訊、常見故障排解及基本導覽。它能減少重複提問,並在無人當值的時間給客人一個答案。

當支援工作需要個案記錄、跟進、工單更新,或解決前需要多重核查時,就該用代理。例如,AI 支援經理的設計,就是解決查詢、管理工單、升級問題、生成報告及跟進個案。

不要給代理無限的權力。退款、帳戶變更、投訴及受監管事項,需要明確規則,並在適當時加入人手覆核。

前台接待及電話查詢

聊天機械人被綁在數碼對話裡。它可能把網站或訊息查詢處理得很好,但它並不自動涵蓋電話。

AI 接待員是一個負責前線接待工作、以職能為本的代理。在 Sevenfold 公布的團隊中,DESKY 能接聽來電、安排預約、分流查詢、發送提示及轉駁來電。這是一份比在聊天框裡答問題更廣的營運職責。

如果電話工作正是您的樽頸,應該考慮負責處理來電及預約的 AI 接待員,而不是假設一個網站聊天機械人能解決它。

銷售

聊天機械人可以迎接網站訪客、回答產品問題、收集聯絡資料。當下一步屬於真人時,這很有用。

AI 銷售主管或潛在客戶代理,則能把銷售流程推得更遠。Sevenfold 公布的職能中,SALLY 負責銷售通話、潛在客戶跟進、促成交易及重新接觸準客戶,MAX 則負責發掘準客戶、發送開發訊息及篩選潛在客戶。

銷售流程需要的判斷愈多,您的批核規則就愈重要。代理不應該自創折扣、承諾交貨日期,或作出超出其獲批准資訊的聲稱。

內容與市場推廣

聊天機械人回應一段對話。以內容為本的代理,處理的是一項生產任務。

Sevenfold 的 INKY 被描述為一位 AI SEO 內容寫手,能撰寫網誌、撰寫電郵、撰寫廣告文案及改編內容。這是一個有產出、有工作流程的職能,而不只是一個問答框。

對定期發布內容的企業而言,負責網誌及電郵文案的 AI 內容寫手可能比通用聊天機械人更合適。最終選擇,仍取決於發布前是否有人覆核。

行政

如果有適當的存取權,聊天機械人可以回答「我今天的日程是甚麼?」。行政助理代理則可以在更大的任務範圍內統籌會議、管理日曆及處理行政工作。

同一原則適用於社交媒體、客戶支援及潛在客戶開發。讓系統匹配工作。不要買一個通用聊天視窗,然後指望它變成一支可靠的營運團隊。

AI 代理有甚麼限制與風險?

AI 代理的風險比聊天機械人高,因為它能採取行動、存取系統,並在較少提示下延續任務。主要風險包括錯誤決定、權限過大、資料外洩、問責不清及交接失敗。要把任務範圍收窄、記錄行動、限制存取,並要求高影響力的決定必須經過批核。

聊天機械人可以給出一個壞答案。代理可以給出一個壞答案,然後照著它行動。

這個分別,改變了整個管控計劃。

錯誤理解

代理可能誤解目標、選錯路線,或把例外當成正常個案處理。清晰的指示並不足夠。要用真實例子測試,包括資料不全的請求及互相矛盾的資訊。

權限過大

只給代理它需要的存取權。如果它負責處理預約請求,它可能不需要修改客戶帳單記錄的能力。如果它負責草擬電郵,它可能不需要自動發送的權限。

權限設計不是文書工作,而是損害控制。

資料外洩

代理可能處理個人、商業或機密資料。要界定哪些資料進入系統、可以在哪裡使用、誰能查看日誌,以及記錄保存多久。

企業評估供應商時,Sevenfold 信任及安全中心是查閱該公司已公開保安資訊的地方。但不要把一頁保安說明,當成您自己盡職審查的替代品。

升級處理薄弱

交接應該保留有用的脈絡,並說明升級的原因。如果客戶已經把問題解釋了兩次,「請聯絡客戶支援」就是一次糟糕的交接。

好的升級會說明發生了甚麼、檢查過甚麼、還有甚麼未解決,以及需要真人決定甚麼。

隱藏的自動化

當「對方是自動化系統」這件事會影響客戶或員工的期望或選擇時,他們應該被告知。清晰的身份與清晰的邊界,比假裝系統是真人更能建立信任。

**AI 系統能做的事愈多,您就愈要小心控制它可以做甚麼。**聊天機械人通常需要答案質素檢查及可靠的轉介。代理還需要權限管控、行動日誌、批核節點、失敗處理,以及一個能迅速叫停工作的方法。

應該如何量度聊天機械人或 AI 代理?

要量度商業成果,而不只是對話量。對聊天機械人,追蹤答案準確度、自行解決率、轉介質素及使用者所花的工夫。對代理,再加上任務完成率、行動準確度、例外比率、批核比率、節省的時間,以及每個完成成果的成本。一個流暢的回覆,並不能證明系統做好了它的工作。