AI 客服及 Chatbot 選型指南：香港企業實務比較

過去兩年，香港不少中小企都在官網右下角或 WhatsApp 上加裝了 chatbot。但裝完之後，很多老闆的結論是「無用，客人反而更不滿」。問題很少出在「有無裝」，而是出在三個地方：裝的是第幾代技術、對話流程如何設計，以及何時把對話交回真人。這篇文章用可查證的公開數據與法庭案例，拆解三代 chatbot 的分野、香港市場的真實收費結構，以及最常被忽略的隱藏成本與合規風險，幫你在採購前想清楚自己要買的到底是甚麼。

以下內容由 ADWire Agency 團隊整理，結合香港本地實戰經驗與最新行業數據。

一、為甚麼裝了 chatbot，客人反而更不滿

最常見的場景是這樣：客人問「送不送貨去澳門」，chatbot 回「我不明白你的問題，請重新輸入」。客人再試一次，答案一樣，於是直接關掉對話，轉去競爭對手。這一類體驗的殺傷力，比根本沒有 chatbot 更大——因為客人本來已經準備好自助解決，是系統把他們推走。

Gartner 在 2024 年發表的調查訪問了 5,728 名顧客，結果顯示自助渠道失敗的原因相當集中：45% 顧客認為公司不明白自己的需求，43% 顧客找不到相關內容（Gartner，2024）。換句話說，失敗不是因為客人不願意自助，而是自助工具沒有接住他們的真實問題。

對香港中小企而言，這個落差特別明顯。多數公司人手有限，客服同事同時要處理下單、查詢、投訴與售後，AI 客服往往被當成萬能替代品。結果就是：規則寫得愈死，離題就愈多；離題愈多，客人愈覺得公司不明白自己。

二、三代 chatbot 的分野及各自限制

要判斷一個方案值不值得買，第一步是分清它屬於哪一代。三代技術的原理不同，能處理的問題與限制也完全不同。

第 1 代：規則式（Rule-based）

做法是關鍵字比對加決策樹，只會講預設答案，客人一旦離題就回「我不明白」（Ovox）。優點是完全可控、成本低、不會亂講；缺點是覆蓋率低，而且客人很快會學懂「這個 bot 幫不到手」。它仍然適合用於極窄的場景，例如查營業時間、查分店地址。

第 2 代：意圖識別（Intent-based）

這一類用模型把句子分類到固定的 intent 清單，能處理改寫，例如「想改送貨地址」與「能否更改收貨地點」可以歸入同一個意圖（Ovox）。它的天花板就是那份清單：清單以外的新問題，系統一樣接不住，只是接不住的方式比第 1 代自然一點。維護成本亦不低，因為每次新增業務場景都要補意圖、補訓練語句。

第 3 代：LLM 對話式（Generative）

LLM 對話式逐字生成回覆，支援多輪上下文及工具呼叫，可以回答從來未預設過的問題，語氣亦接近真人（Ovox）。但它同時引入一個前兩代沒有的風險：機率性輸出。同一條問題問兩次，可能得到兩個版本，而其中一個版本可以是錯的。這一點後文會再展開。

三、混合架構才是主流做法

三代不是單純的取代關係。業界目前較務實的做法是混合架構：規則決定「可做甚麼」，模型決定「怎樣講」（Aaron West）。意思是，退款、改單、查庫存這類有明確結果的動作，由規則與後台 API 決定可不可以做、做了會發生甚麼；至於語氣、措辭、追問方式，則交由模型生成。

這樣做的好處是把「不可控」的範圍收窄。模型可以講得自然流暢，但沒有權限自行決定政策；反過來，規則引擎也不會硬繃繃地回一句「我不明白」，而是可以委託模型把同一個事實講得更像人話。採購時值得直接問供應商：政策與金額是由規則決定，還是由模型生成？若是後者，風險等級完全不同。

四、Gartner 數據：14% 這個數字的警示

這個數字值得打算「用 chatbot 減少人手」的老闆細看。它不代表自助渠道無用，而是說明自助渠道能完全收尾的比例有限。配合前文的失敗原因，可得出一個實務結論：AI 客服的價值不在於取代人，而在於把簡單、重複、有明確答案的問題分流，並在接不住時迅速交回真人；衡量成效的指標應是自助解決率與成功轉真人率，而非減少了多少客服。

來源：Gartner Newsroom（2024-08-19）

五、香港企業的實際應用情況

香港生產力促進局（HKPC）的《2025 香港企業 AI 應用趨勢調查》訪問約 800 間企業，結果顯示 88% 員工日常工作會用 AI，而客戶服務是首要應用場景，佔 38%；企業普遍認為 AI 提升了生產力（63%）與減低了生產成本（47%）（HKPC，2025）。

再看早兩年的基數：HKPC 2023 年數碼化指數顯示，43% 企業用過 AI 工具，其中聊天機械人佔 20%（HKPC，2023）。由 20% 到 38% 的變化，反映 chatbot 在香港已經由「試用」走入「常規工具」階段。

但同一份 2025 年調查亦指出一個治理缺口：54% 有 AI 平台的企業暫時沒有完善的治理政策（HKPC，2025）。工具上得快，規則與監督跟得慢，這正是後文失敗風險與 PCPD 框架要處理的。

渠道方面，香港企業以 WhatsApp 作為主要客戶溝通渠道，配合網站對話入口使用（Omago）。這一點直接影響選型：如果你的客人主要在 WhatsApp，平台是否支援 WhatsApp Business API，就是第一道篩選條件。

六、平台選項及真實定價

下表列出香港市場常見的幾個選項，價錢以各平台官方定價頁為準，查證日期為 2026-09-21。留意收費單位並不統一：有些按席位，有些按號碼，有些按訊息量。

來源：Twilio、WATI、Respond.io、360dialog、Omnichat、SleekFlow、HKT Enterprise，查證日期 2026-09-21。

除了上表的平台訂閱費，香港 BSP 平台費的常見區間是 HKD 1,200 至 8,000／月（中小企），企業級方案可達 HKD 20,000 以上。這組數字來自供應商文章估算，並非官方定價，只能作為預算規劃的參考（Imbee，供應商文章）。

七、WhatsApp Business API 的真實收費模式

很多人以為接了 WhatsApp Business API 就要「每則訊息付錢給 WhatsApp」，實際結構比這個講法複雜。按 Meta 官方文件，自 2025-07-01 起，收費按「每則已送達訊息」（delivered）計算，而非按已發送（sent）計算，費率依範本類別（marketing／utility／authentication）及收件人國碼而定（Meta 官方文件）。

幾個對成本影響很大的規則：

一、非範本（service）訊息自 2024-11-01 起免費——客人先開口問，你回覆他，這一段通常不產生 Meta 訊息費。

二、回應用戶的 utility 範本自 2025-07-01 起免費。

三、在免費進入點（free entry point）時段內，全部訊息免費 72 小時。

四、Meta 每季最多調整定價一次（1、4、7、10 月 1 日），價目表更新最少 1 個月前通知，定價模式變更則 6 個月前通知。

五、每則訊息費由 BSP 代收，BSP 另外收取平台費（Twilio）。接入本身免費，但必須經由 BSP 連接（Meta 官方文件）。

八、隱藏費用：報價單上通常不會寫的部分

WhatsApp 相關方案的收費是兩層結構：BSP 平台訂閱費，加上 Meta 每則訊息費（FavCRM）。但真正令預算失準的，往往是第二層以外的項目。以下區間來自供應商文章估算，並非官方定價（Imbee，供應商文章）：

一、號碼託管：部分平台把 WhatsApp 號碼託管列為獨立收費項。以 SleekFlow 為例，官方定價頁列明號碼託管 US$15／月（SleekFlow）。

二、客服席位：常見估算為 HKD 200 至 600／席／月。團隊人數愈多，這筆費用愈顯著。

三、AI 附加功能：常見估算為 HKD 1,000 至 5,000／月。要問清楚是「AI 回覆」還是「AI 只在人工接手前做初步分類」，兩者工作量差很遠。

四、CRM 或後台整合：一次性估算 HKD 8 萬至 20 萬，或每月 HKD 2,000 至 6,000。這一項最常被低估，因為涉及現有系統的欄位對應與權限設計。

五、合規與數據存放：常見估算 HKD 2,000 至 10,000／月。若涉及個人資料，這一項不能省。

六、失敗訊息：Twilio 對失敗訊息另收處理費 US$0.001／則（Twilio）。量小時影響不大，但名單質素欠佳時會反映出來。

採購時的實務建議：要求供應商提供「全包價」試算，把席位、號碼、AI、整合、合規五項分開列出，並註明哪幾項會隨用量或人數變動。

九、失敗風險：chatbot 講錯話，公司要負責

這一段是全文最值得管理層細看的部分。2024 年加拿大 BC 民事解決審裁處審理 Moffatt v. Air Canada（2024 BCCRT 149）一案：航空公司的 chatbot 誤述了恩恤機票政策，法庭裁定公司須賠償 CAD 812.02，並駁回了「chatbot 是獨立實體」的抗辯（CanLII，2024 BCCRT 149）。

這個案例的意義不在賠償金額，而在責任歸屬：法庭不接受「那是 chatbot 講的，不是公司講的」這種講法。公司在網上發出的資訊，包括由自動系統發出的，都由公司承擔。對香港企業的啟示很直接：chatbot 講錯了退款條件或送貨政策，客人可以主張那是公司的正式表述。

技術層面的風險，OWASP LLM Top 10 列出提示注入、敏感資料洩露、過度自主等項目（Social Intents）。提示注入的意思是，用戶可以透過精心設計的輸入，誘使模型偏離原本的指令，例如要求它忽略限制、扮演其他角色，甚至套出系統提示內容。過度自主則是模型被賦予太多可執行權限，在無人確認下完成不應由它完成的動作。

另一項被低估的風險是幻覺與數據管理的關係。香港個人資料私隱專員公署（PCPD）明言，數據管理不善會引致生成式 AI 幻覺（PCPD）。換句話說，幻覺不只是模型能力問題，很多時候是餵進去的資料本身有錯、過期或互相矛盾。如果你的知識庫有兩份版本的退貨政策，模型會替你選一份，而它選的可能不是最新那份。

十、PCPD 的 AI 個人資料保障框架要求

PCPD 在 2024 年發表《人工智能（AI）：個人資料保障模範框架》，對使用 AI 處理個人資料的機構提出幾項核心要求：進行風險評估、設立人為監督（human-in-the-loop）、落實資料最少化，以及保留可審核的輸出記錄（PCPD 模範框架，2024）。PCPD 另有一份《使用 AI 聊天機械人「自保」十招》，從使用者角度列出注意事項（PCPD）。

需要說明的是：模範框架屬指引性質，並非強制法律要求，但它是目前香港最直接的參考標準，亦與前文提到的治理缺口互相呼應——HKPC 2025 年調查指 54% 有 AI 平台的企業暫無完善治理政策。

落地時，這四項要求可以對應到很具體的動作：風險評估對應「這個場景會接觸哪些個人資料、最壞情況是甚麼」；人為監督對應「低信心或敏感對話必須有人接手」；資料最少化對應「知識庫不要塞入不必要的客戶資料」；可審核輸出對應「保留對話紀錄與模型版本，出事時查得到」。

十一、如何設計人工升級機制

實務上，升級機制可以用信心分數做閘門：信心分數低於 0.6 時自動交接真人；另外在低信心、出現敏感詞（例如退款、法律）或偵測到負面情緒時觸發人工介入。條件成立就交人，不必等客人自己打「我要真人」。

交接不等於單純轉接。如果客人要向真人重複一次剛剛講過的所有內容，體驗會比一開始就沒有 chatbot 更差。正確做法是把上下文一併交過去：對話摘要、已確認的訂單編號、客人表達過的情緒，以及 chatbot 曾經講過的政策內容。最後一項特別重要：如果 chatbot 講錯了政策，真人同事需要立即知道，才可即時糾正。

十二、常見問題

十三、總結

回到最初的問題：為甚麼很多企業裝了 chatbot，客人反而更不滿？答案通常不是技術不夠新，而是三個判斷做錯了。第一，買的是哪一代——第 1 代規則式只講預設答案，第 3 代 LLM 對話式能答未預設問題卻有幻覺風險，而目前較務實的做法是混合架構：規則決定可做甚麼，模型決定怎樣講。第二，有沒有設計人工升級機制——Gartner 2024 年的 14% 完全解決率說明，自助渠道接不住是常態，流程必須假設「會接不住」。第三，有沒有把成本與責任算清楚——兩層收費之外還有號碼託管、席位、AI 附加、CRM 整合與合規存放，而 Moffatt v. Air Canada 一案已清楚說明，chatbot 講錯政策，責任在公司。

對香港中小企而言，可執行的起步方式是：先盤點過去三個月最常見的客服問題，只把有明確、不會變的答案那批交給 AI，其餘一律交真人；知識庫先清理到只有一個版本，再談上線，並在第一天就設好信心分數門檻與敏感詞清單。

ADWire 為香港企業提供 AI 應用與工作流程自動化的落地服務，包括對話系統設計、知識庫整理、人工升級流程，以及與現有後台系統的整合。如果你的團隊正準備評估 chatbot 方案，可以先參考我們的 AI 應用服務，以及 工作流程自動化服務，了解實際可以做到甚麼程度，再決定買哪一種工具。

最後提醒一句：本文的定價資料查證日期為 2026-09-21，平台價格與 Meta 費率都可能變動，下單前請以供應商官方頁面與 Meta 官方 rate card 為準。本文不構成任何成效承諾，實際效果視乎你的業務場景、知識庫質素與人手配置而定。