跳至正文
MakerGain
← 返回案例列表

AI 答不上來的時候,這段對話摘要關不掉

編輯:MakerGain發布:文章更新:

My AskAI 把 AI 客服轉人工前的對話摘要設為不可關閉,讓接手客服直接取得上下文;共同創辦人 Mike Heap 回憶,公司因客服佔收入 70% 而從通用問答轉向客服。其 Zendesk 遷移強調 24 小時就緒、歷史工單回測與內部備註並行測試,再按等效聊天工單收費;TravelJoy 案例稱解決率從 24% 升至約 80%。

在啟用 AI 直接回覆的聊天或工單裡,轉人工發生時,接手的人看到的不是一張空白工單,而是一段 AI 自動產生的對話摘要。My AskAI 把這段摘要設成不能關閉:AI 答不上來時,客戶不用把剛才說過的話再說一遍。[1]

這是一家做 AI 客服的公司。產品接在 Zendesk、Intercom、Freshdesk、Gorgias、HubSpot 裡,企業不用搬走現有 helpdesk。[2]

圖:來源 My AskAI 實際圖片來源[3],2026-11-10取得,保留原介面。

那個不能關的摘要,是產品裡最值得停一下的設計。它不解釋 AI 多聰明,只把交接時要用的上下文固定下來。支援文件列出的轉人工觸發包括 AI 答不了、使用者要求轉人、使用者沮喪和預設規則;摘要做的是把前面這段對話交代清楚,讓這一棒交得完整。[1]

先做通用問答,被收入數字拽去客服

共同創辦人 Mike Heap 在 Pinecone 的 RAG Brag 訪談裡回憶,公司最早做的不是客服。那是個通用的「輸入資料、問問題」的產品,學生和律師事務所都用過。問題出在兩處:功能優先順序排不明白,行銷也難做。後來他們發現,客服佔了當時收入的 70%,才轉過來,並且把產品重建了一遍。[4]

這個轉向聽起來順理成章,但 70% 是個結果,不是計畫。一個通用工具被不同使用者用著,最後是收入結構替他們做了選擇。我比較信這種被數字推著走的故事,它比「我們洞察到客服痛點」更接近創業真實的樣子。

技術上也能解釋得通。Alex Rainey 在同一次訪談裡說,他們從網站和文件裡檢索相關片段,餵給模型。這解釋了為什麼客服是合適場景:答案本來就在幫助中心裡,檢索得準,回答就有出處。RAG Brag 訪談[4] 他們用 Pinecone 做向量儲存和檢索,PortKey 當 LLM 閘道,負責 fallback 和回應快取。這份技術堆疊是訪談時點的,訪談沒標發布日期。

「fallback」和「快取」這兩個詞值得看一眼:訪談裡,Alex 把 PortKey 的 fallback 解釋成主模型服務故障時的備用,把回應快取當作省時間、省成本的手段。他還把調 LLM 比作對付一頭野獸——有力但不可預測,提示詞改一點,輸出就可能變。這個說法能解釋他們為什麼把測試做得很細。Mike 也提了一句更實在的:OpenAI 模型更新會顯著影響回答品質。產品的一部分品質不在自己手裡。

獲客這塊 Mike 說得挺坦白:早期靠 AI newsletter 和 influencer 帶來客戶,但渠道壽命短;找可重複的分銷渠道很難;AI 領域噪音也大。RAG Brag 訪談[4] 官網 About 頁還寫著,兩位創辦人仍在親自做演示、onboarding 和人工支援,在含人工支援的方案上,客戶直接跟做產品的人合作。[2]

答錯的題,得有人補

客服 AI 的麻煩不只在回答那一下。知識庫裡沒那條,AI 答不上來,工單轉給人工之後,知識庫怎麼補?

Self-Learning 做的是:比較轉人工工單上 AI 的回覆和人工的回覆,自動起草知識文章,補上缺口。About Us[2] 這些草稿是否經過人工審核,About 頁沒提;它把「維護知識庫」從等人寫,變成系統先自動起草。

Tools 走得更遠:連客戶的 API 查訂單、處理退款、取消訂閱、更新帳戶。但它有前提——相應系統得連上,而且必須遵守企業設定的規則。About Us[2] 定價頁的 FAQ 補了一句:技術團隊可能需要建立或更新 API endpoint,Tasks 和 Tools 也需要相應的系統連接和存取規則。定價頁[5] 換句話說,AI 能做什麼,邊界是客戶連了什麼、允許了什麼。

轉人工的觸發條件列得很細:使用者要求轉人、AI 答不了、使用者沮喪、預設的 guidance 規則、標籤主題。Intercom、Zendesk Messaging+Tickets、HubSpot、Freshdesk、Gorgias 支援原生 handover;Freshchat 也能轉人工,但郵件轉交不支援。支援文件[1] 細到某個渠道不支援,這種寫法不像宣傳材料,讀起來像踩過坑之後記下來的。

遷移才是那件髒活

只把 My AskAI 理解成「一個裝進現有 helpdesk 的 AI 客服」,會漏掉它真正要賣的東西。遷移頁寫著:從 Zendesk AI 遷過來,拿到所需存取權限和設定細節後,24 小時內可以準備好測試;保留 Zendesk 的 tickets、macros、views 和 help center;先用歷史工單回測,再在 Zendesk Tickets 裡用內部備註並行測試;Zendesk Messaging 不支援備註模式,得單獨測試和上線。[6]

這段流程裡沒有一句在講模型多聰明。它講的是怎麼在不打斷現有客服運轉的前提下,讓一個新東西進來。對一支正在跑的客服團隊來說,這比任何解決率數字都更有說服力——回測、並行、上線,每一步都留了客戶自己決定的餘地。

三檔的分界線

價格分三檔:Pro 月付 約 NT$6,540.14($199),含每月 1,000 張等效聊天工單;Scale 月付 約 NT$16,399.64($499),含 2,000 張,不限團隊席位;Enterprise 從 約 NT$32,832.14($999)/月起,面向每月 20,000+ 張工單。計價按「等效聊天工單」走:1 個 conversation credit 等於 2 次 AI 回覆,只回一次的工單算 0.5 個 credit。[5]

附加項裡,API、Slack 和 Teams 存取在 Pro 是 約 NT$1,610.39($49)/月的加購,到 Scale 才包含;Tasks、Tools 和圖片回覆按 約 NT$0.66($0.02)/次回覆;AI tagging 按 約 NT$1.64($0.05)/標籤,且在 Zendesk Messaging 和 HubSpot 不可用。定價頁[5] 這些條件會改變實際帳單:需要自動分類的團隊按標籤數付費;要用 My AskAI 的 API、Slack 或 Teams 存取,則 Pro 得加 約 NT$1,610.39($49)/月。

數字與邊界

公司自述是 bootstrapped、已盈利、在增長,不需要外部融資。官網 About 頁還說服務 200+ 家企業、每月處理 20 萬張工單、正常運行時間超過 99.99%,有 SOC 2 Type II,Enterprise 支援 HIPAA;定價頁則寫 250+ 家企業、累計解決 190 萬+ 張工單。[2] · 定價頁[5] 這些都是公司自己說的,沒給統計期間和審計細節。利潤仍然不清楚——模型呼叫、向量儲存、抓取、人力的成本都沒披露,利潤怎麼算也沒說明;「已盈利」仍是公司自述。

客戶案例裡,TravelJoy 的路徑比較典型:先用 Zendesk Advanced AI 試了幾個月,沒達到預期,轉過來。保留 Zendesk Ticketing 和 Messaging,知識來自網站同步和內部 Notion;Messaging 從第一天就開直接回覆,郵件工單用 Copilot 草稿,且只回第一條訊息。上線時 AI 解決率約 76%,現在約 80%,AI CSAT 86%,覆蓋每月 2,500–2,700 張工單,累計解決超過 24,500 張。[7]

同一頁面還有兩個省時口徑:開頭和概覽說每月省 193 小時,後文按每工單 5 分鐘處理時間算,則是 205 小時。兩個數都來自廠商案例,方法、樣本和統計期間沒完整披露。

這份案例由 My AskAI 自己發布,數字得帶著這個範圍看。但至少在這個案例裡,客戶不是從零開始用 AI,而是從另一個 AI 那裡搬過來。

這門生意最難的地方,是讓客戶敢把第一線交出去。My AskAI 把遷移拆成客戶能先回測、再決定是否放開直接回覆的步驟,但換系統的風險仍由客戶自己承擔。

繼續閱讀

AI 客服AI 搜尋AI 電商
訪客點下轉人工時,Chat Data 給同事發了封帶免登入連結的郵件

Chat Data 把企業文件、網頁和檔案訓練成可部署到網站與訊息管道的 AI 客服代理,並用免登入郵件連結把訪客轉人工接起來。它按 message credit 計費,支援自建模型和 Composio 託管的 MCP;TrustMRR 頁面列出 MRR 約 NT$579,902.93(17,645 美元)、304 個活躍訂閱,團隊 2–5 人。

AI 客服AI 效率
先綁卡,再進門:ChatDash 把 AI 語音代理的收款做成了一門年費生意

ChatDash 把面向代理商的白標 AI 代理儀表板做成按年賣客戶槽位的生意:客戶須先綁卡才能進面板,Stripe 自動處理訂閱與按量帳單;SaaS Mode 則限制為 Growth 加購,且只支援 Retell 語音、OpenAI 文字。TrustMRR 頁面截至 2026-11-14 稱其累計收入 約 NT$19,835,506.43($603,545)、MRR 約 NT$564,193.46($17,167)。

AI 客服AI 搜尋AI 電商
客服機器人開始替你查訂單,Chatwith 把「說話」和「動手」分開記帳

Chatwith 將客服回答與外部操作分開計費:訊息用 credits,經 MCP 成功執行的動作另計;約 NT$295.79(9 美元)起,額外 1,000 次 MCP 動作 約 NT$197.19(6 美元)。創辦人自述 2024 年把約 2.1 萬美元 AppSumo 收入投入 Google Ads,一度付不出帳單;TrustMRR 顯示 2026 年 11 月 MRR 約 NT$119,037.03(3,622 美元)、42 個活躍訂閱。

AI 客服AI 搜尋
下午一點上線,三十分鐘後第一筆付款:Chatbase 把公司文件變成了會查訂單的客服

Yasser Elsaid 於 2023 年推出 Chatbase:上傳文件即可得到定製客服機器人,上線 30 分鐘就有首筆付款。產品擴展成跨 chat、email、voice 的客服代理,能查訂單、改記錄、轉人工。公司自籌,套餐 Basic 約 NT$4,929.75($150)/月、Business 約 NT$16,432.50($500)/月;與 SiteGPT 比動作能力和訊息額度。