不需要多語團隊的多語客服

更新於 2026 年 8 月 2 日

現代 AI 能根據英文知識庫,以數十種語言流暢回答。真正的設計難題是轉接,以及了解您無法驗證的部分。

在客服的大部分歷史中,「我們支援法語」意味著「我們僱用了會說法語的人」,覆蓋範圍就是人力數量。這個等式已經悄悄失效。當前的語言模型能根據完全以英文撰寫的知識庫,以數十種語言流暢地回答:訪客用葡萄牙語提問,AI 讀取您的英文退款政策,然後用葡萄牙語回覆。對於一個網站有國際流量的五人團隊來說,這是 AI 客服技術堆疊中最大的能力解鎖,而且它隨著依據性一起免費到來。

機制本身比界線來得次要,所以要先從有效的做法開始:把知識庫保留在一種您能好好維護的語言中。為每種語言複製文章看似周到,卻會變成同步的負擔:英文文章被修正了,西班牙文版本卻沒有,結果您的機器人會依語言而自相矛盾。一個維護良好的唯一事實來源,由模型負責表達,就能在所有地方同時保持一致。

令人不安的部分在於驗證:如果團隊中沒有人會讀日文,那麼團隊中也沒有人能稽核日文的答案。依據性能降低這種風險,一個限制在您核准文章之內的 AI,可能會誤譯細微語意,但不會憑空編造政策;不過降低並不等於消除。對於您看不懂的語言,範圍要最嚴格:主題更窄、轉接更快,並且定期把幾則外語對話再翻譯回來,抽查語氣與準確度。每月十分鐘,就足以抓出漂移。

轉接,正是多語設定真正會失敗的地方。AI 用土耳其語對話;訪客要求真人;而真人說英文。誠實的做法,是在轉接前就說明,而不是事後才說:訪客應該知道自己即將被轉給一位說英文的人(或者,轉給有翻譯延遲的電子郵件),而他們仍然可以選擇讓 AI 把話說完。升級進行到一半時出現意料之外的語言高牆,比完全不提供聊天還糟。對於簡單的問題,即時真人對話的機器翻譯是可行的,但請加上標示,因為客戶可以原諒笨拙的措辭,卻無法原諒發現那位流暢的客服其實是軟體。

請用與英文相同的指標來觀察,但依語言拆分。如果德文的點踩率或轉接率,明顯高於英文,那您發現的要不是翻譯品質問題,就是一個您的知識庫沒有涵蓋其問題的市場;兩者都值得知道,而且在混合平均值中都是看不見的。依語言拆分的指標,也是您商業論證的依據:某一語言持續的流量,就是判斷聘用該語言人員是否值得的訊號。

策略一句話概括:讓 AI 給您那些您永遠無法配置人力的廣度,保留一個您確實會維護的知識庫,在轉接的接縫處保持誠實,並在您最不了解的地方進行最嚴格的稽核。這樣做,小型團隊的網站確實能服務它本來就已經有的流量,而那些流量本來就是以四十種語言抵達的,不論聊天小工具是否承認這一點。

用您能好好維護的語言保留一個知識庫:模型負責表達,您負責真實性。

在真人轉接之前告知訪客語言的改變,而不是事後。

依語言拆分點踩與轉接的指標,找出您自己無法閱讀的漂移。