根據亞馬遜網路服務（AWS）內部數據，傳統客服中心導入對話式AI系統後，平均能減少約40%至60%的錯誤轉接電話，每年為單一大型企業節省數十萬美元的營運成本。但你知道嗎？這套技術的早期原型，其實出自一位印度出生的工程師之手。

Dipkumar Mehta，現任AWS自然語言人工智慧（Natural Language AI）首席交付顧問，他的職涯路徑從印度蘇拉特的電機工程學士出發，一路穿越電信工程、金融科技，最後在矽谷落地。2002年從C.K. Pithawalla工程技術學院畢業後，他在HCL Infosystems從電信工程師做起，負責企業電信系統設計。但真正讓他打開AI之門的，是2016年加入舊金山LendingClub Corporation的那一刻。

語音AI的技術拐點：從樹狀選單到自然語言理解

Mehta在LendingClub設計並推出了美國金融服務業最早的對話式人工智慧系統之一。這套系統解決了一個極度現實的工程矛盾：傳統電話網路是同步且嚴謹的，但雲端AI服務是非同步且相對較慢的。他建立了一個即時音訊串流層，讓系統能在真人可接受的毫秒級時間內完成語言推論。

結果是：錯誤轉接的電話大幅減少，大量合規請求無需人工介入即可完成，公司每年省下數十萬美元。這種將語言推論直接嵌入即時通話路徑的架構，如今已成為全球企業對話式AI的主流設計。

從產業面來看，Mehta的貢獻不只是技術創新，更在於他證明了「AI語音客服不是奢侈品，而是成本中心的最佳解方」。台灣金融業與電信業近兩年紛紛導入類似系統，但多數仍停留在「語音機器人+轉接真人」的階段。真正的價值在於讓AI直接完成請求，而不是幫客戶找到真人。這中間的落差，就是數十萬美元與數百萬美元的差距。

從對話式AI到代理式AI：信任，才是下一個戰場

2020年加入AWS後，Mehta將重心轉向「代理式人工智慧（agentic AI）」。這類系統不再只是被動回答問題，而是讓自主軟體代理人規劃並執行多步驟任務。他開發的平台能將傳統耗時多年、耗資數百萬美元的客服中心遷移專案，壓縮至數週內自動完成。

這項技術已被AWS Professional Services採用，應用在醫療、保險、金融服務及公共部門客戶的標準加速器。不僅如此，他還開發了另一套配套平台，透過自主代理人驗證AI代理行為，將原本數週的人工品保測試週期縮短至數小時。

據AWS內部數據，這類自動化遷移與驗證工具，能讓企業客服中心上雲的時間成本壓縮到原來的十分之一以下。對台灣的中大型企業而言，這意味著過去因為「太貴、太複雜」而不敢動的客服系統升級，現在有了更務實的選擇。

學術與實務的交會：論文背後的工程思維

Mehta同時在學術界發表多篇同儕審查論文，主題從強化學習適應性雲端安全政策，到放射學中保護隱私的分散式機器學習。他的研究路徑反映了一個趨勢：AI的安全性與隱私保護，正在從「附加條件」變成「核心架構」。

根據Gartner 2025年預測，到2028年，超過60%的企業AI專案將把「可解釋性」與「安全性驗證」列為採購條件，而非單純比拼模型準確率。Mehta的論文方向，恰好踩在這一波需求的前緣。

對於今日古吉拉特邦的工程系學生，Mehta給出的建議很直接：「我當年並沒有學習人工智慧，因為那時它還不是一門學科。但我具備的習慣是仔細觀察系統如何失敗，以及是什麼阻礙了它們成長。這種習慣適用於任何技術，包括那些尚未發明的技術。」

數據背後的啟示

Mehta的職涯軌跡，其實揭示了三個殘酷且真實的產業現狀。第一，AI客服的價值不在於「對話」，而在於「完成」——客戶不想要聊天，他們想要問題被解決。第二，代理式AI的市場規模正在以每年超過35%的速度成長，但多數企業連基礎數據治理都還沒做好。第三，未來的AI工程師不會被AI取代，但不會使用AI代理人的工程師，會被同儕取代。

Mehta說得坦白：「現在，有趣的問題已不再是機器能否理解一個句子，而是它能否被信任來依據這個句子採取行動。這是一個更困難的工程問題，也是未來十年工作的重點。」

這不是技術問題，這是信任問題。而信任，從來都是最貴的。

編輯觀點：從印度到矽谷，Mehta的故事不只是勵志，更是一個清晰的產業風向球。當台灣還在討論「AI會不會取代客服人員」時，全球一線企業已經在用代理式AI把客服成本結構打掉重練。對企業決策者來說，真正的問題不是「要不要導入AI」，而是「我們的客服流程，有沒有設計成可以被AI執行的樣子」——如果沒有，導入再貴的系統也只是浪費。

行動呼籲：如果你正在規劃企業的AI客服藍圖，不妨先做一件事：打開你最近的客服通話記錄，數一數有多少通電話是在「轉接」與「等待」中結束的。那些數字，就是你該開始著手代理式AI的第一個證據。

本文改寫整理自公開新聞來源，原始報導由Yahoo奇摩新聞發布。

常見問題 FAQ

代理式AI和對話式AI有什麼不同？

對話式AI專注於理解人類語言並給出回應，而代理式AI則能自主規劃並執行多步驟任務。前者是「聽懂你在說什麼」，後者是「幫你把事情做完」。

導入Mehta這類AI客服系統需要多少成本？

導入成本依企業規模與既有系統架構而異，但根據AWS的案例，傳統耗時數年的遷移專案可壓縮至數週完成，總成本約為傳統模式的十分之一至三分之一。建議先進行客服流程盤點與評估。

台灣企業適合導入代理式AI嗎？

適合，但先決條件是企業內部已有完整的客服流程紀錄與數據治理基礎。沒有乾淨的數據，導入再強的AI也只是裝飾品。建議從單一業務線先做POC（概念驗證）。

AI會取代客服人員的工作嗎？

不會完全取代，但會大幅改變工作內容。客服人員將從「回答問題」轉變為「管理AI代理人」與「處理例外狀況」。未來客服團隊的結構會更像「AI營運中心」，而非傳統的電話接聽中心。

※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。