你打電話問客服，最怕遇到兩種：一種是聽不懂人話的機器人，一種是把你晾在那邊轉來轉去的排隊音樂。這幾年大家都在問「AI 到底能不能真的接客服」，OpenAI 在 2026 年 7 月 22 日 給了一個蠻具體的答案：他們推出一個叫 OpenAI Presence 的企業產品，重點不是「AI 會不會講話」，而是「怎麼讓 AI 可靠到敢真的放上線做事」。我把官方那篇讀完，用人話整理給你，順便講一下對我們做企業內部 AI 導入的人，這件事的意義在哪。
先講清楚：Presence 是什麼、誰講的
這是 OpenAI 官方 2026 年 7 月 22 日發的產品公告《Introducing OpenAI Presence》。他們自己下的定義我覺得很到位：
「對企業來說，現在的難題已經不是證明 AI agent 能動，而是讓它可靠到能在正式環境做高價值的工作。」（原文：The challenge for enterprises is no longer proving that AI agents can work, it's making them reliable enough to do high-value work in production.）
簡單說，Presence 是一個「幫企業把可信任的 AI agent 放上線」的產品。這個 agent 可以回答問題、處理問題、去操作公司的系統、做「事先核准過」的動作，搞不定的時候再交回給真人。它不是一個新模型，而是把模型的推理，套上一整套政策、防護欄和交接規則，讓它不會亂來。
為什麼 AI agent 這麼難真的上線？
這題其實不是模型不夠聰明。OpenAI 點出三個真正的卡點，我覺得每個做導入的人都會點頭：
第一，會動跟可靠是兩回事。Demo 跑得漂亮，跟每天接幾千通客戶電話都不出包，中間差了十萬八千里。
第二，公司的產品、政策、客人的問法一直在變，agent 也得跟著調整，不能上線一次就當它永遠對。
第三，光有一個厲害的模型不夠，你還需要評估工具、部署方法、還有「隨時能踩煞車」的控制權，這一整套系統才是真正難補的那塊。
Presence 一次部署，其實在做五件事
官方講的部署流程，我把它拆成五步，這其實跟我平常教「怎麼把一個流程交給 AI」的邏輯幾乎一樣：
- 鎖定一個具體工作：每次部署都從一件明確的事開始，例如「處理重複扣款」「協助保險理賠」「解決員工的 IT 報修」，不貪心。
- 只給這個工作要的知識和權限：這個 agent 只拿到這件事需要的資料跟系統存取，其他碰不到。這點很重要，等於先畫好它的活動範圍。
- 公司自己訂政策：它能做什麼、什麼動作要先核准、什麼情況該交回真人，全部由公司決定，不是 AI 說了算。
- 上線前先模擬測到過關：用一堆常見情境、邊角案例、高風險狀況去模擬，還有評分機制檢查它有沒有照政策走、工具用對沒、該轉人有沒有轉。
- 上線後持續驗收改進：正式跑之後，真實對話會露出破綻。OpenAI 的 Codex 會去分析這些訊號、提出修改建議，團隊測過、人核准了才更新上去。
你發現了嗎？靈魂不是那個模型，是「範圍、權限、驗收、交接」這四件事。這也是我一直跟同仁講的：導入 AI 不是買一個工具，是把一套規矩建起來。
數字會說話：Presence 的真實成績單
OpenAI 沒有只講理論，他們拿自己開刀。Presence 現在正在跑 OpenAI 自己的英文電話客服專線（1-888-GPT-0090），成績是這樣：
- 幾週之內，就達到甚至超過他們用來評鑑「第一線真人客服品質」的標準。
- 目前 75% 的來電問題，不需要真人接手 就能解決。
- 靠 Codex 驅動的改進機制，10 天內 就把「轉真人」的比例降了 15 個百分點。
除了自家，官方也點名幾個正在導入的大企業，蠻多是我們熟悉的產業：
- BBVA（西班牙的大型銀行）正在墨西哥試 AI 語音，處理日常銀行需求。
- SoftBank（軟銀，日本電信）在測用自然的日語跟客戶對話。
- IAG（航空集團）想用它在暴雨這種高需求時段，即時支援旅客。
電信、銀行、航空這種「客服量爆炸、又不能出錯」的產業排在最前面，其實很合理。這些場景的共同點就是：問題量大、規則多、還特別怕答錯。
換成我的視角：這件事對第一線的意義
我在台灣大哥大做教育訓練，這幾年最大塊的工作就是帶門市同仁跟公司內部同仁導入 AI，把原廠冷冰冰的規格翻成客人聽得懂的人話。看 Presence 這套，我最有感的不是那個模型多強，而是它把「怎麼安全地把工作交給 AI」講得很清楚。
我常跟同仁講一個觀念：會操作 AI，跟會交辦 AI，是兩種能力。很多人卡在「我把整個工作丟給它，結果它給我一坨不能用的東西」。Presence 的做法剛好是反過來——先挑一件最單純、最常發生的事，給足脈絡、劃好紅線、測過再上，出事有人接。這跟我自己用 AI 的習慣一模一樣：先跟它聊計畫、確認方向，再讓它動手，最後驗收時一定要它指出「這個數字是哪來的」。
對門市或客服的場景更是直接。與其喊「AI 要取代客服了」，不如先問一句：你們最常被問、又最花時間的那一種問題是什麼？那一種，就是最適合先交給 AI 試的。先解掉那 75%，把真人留給真正需要判斷、需要溫度的那 25%。這不是誰取代誰，是把力氣花在對的地方。
導入前，先想清楚這幾件事
話講回來，這東西不是拿來就能用。有幾個前提要先想：
- Presence 目前不是自助上架的產品。官方說它還在「限量正式供應」階段，要靠 OpenAI 的前線工程師（FDE）跟指定的系統整合商帶著部署，還不能自己點一點就開通。
- 成績單是 OpenAI 自己的場景。75%、15 個百分點都是漂亮數字，但那是他們自家客服跑出來的，換到你的產業、你的客人、你的系統，得重新驗證，不能直接照搬。
- 把客戶對話交給 AI，責任邊界要先畫。哪些動作它能自己做、哪些一定要人核准、客戶資料怎麼保護，這些是導入前就要談好的，不是上線後再補。
但我覺得方向是對的。它把大家對「AI 客服」的想像，從「一個會聊天的機器人」，拉到「一套可以被管理、被驗收、隨時能踩煞車的系統」。這一步，比模型又升級了幾分更重要。
小結
OpenAI Presence 給我最大的提醒是這句：AI 能不能上線，關鍵不在它多聰明，而在你有沒有幫它把範圍、權限、驗收、交接這套規矩建好。先挑一件事、劃好紅線、測過再上、出事有人接——這套邏輯不只適用 AI 客服，其實你要把任何工作交給 AI，都是同一套。今天就可以先想想：你手上那個最煩、最重複的流程，是不是就是第一個該試的？
本文整理改寫自 OpenAI 官方公告《Introducing OpenAI Presence》（2026 年 7 月 22 日）。原文連結：openai.com/index/introducing-openai-presence。文中數據與案例（75% 自動解決、10 天降 15 個百分點、BBVA／SoftBank／IAG）均引自官方原文；配圖除官方截圖外為本站自製資訊圖。
留言
張貼留言