FAQ Bot vs AI 同事：同樣是自動回答，差在哪？
很多品牌裝了「AI 客服」，但其實裝的是 FAQ Bot。兩件事看起來很像，底下邏輯完全不一樣。大部分品牌抱怨「AI 客服很笨」，其實用的根本不是 AI。
很多品牌裝了「AI 客服」，但其實裝的是 FAQ Bot。
這兩件事看起來很像——都是客戶問、系統答——但底下的邏輯完全不一樣。分清楚你裝的是什麼，才知道出包的時候問題出在哪裡。
TL;DR
- FAQ Bot：把問題對到答案，靠關鍵字或規則觸發，答案是人工寫死的
- AI 同事：用語言模型理解問題、根據知識庫生成答案，沒有固定腳本
- FAQ Bot 的問題：客戶問法一偏就答不到；維護是填答案的無底洞
- AI 同事的問題：比較貴、會幻覺、需要知識庫設計
- 大部分品牌抱怨「AI 客服很笨」，其實用的是 FAQ Bot
從一個你可能很熟悉的場景開始
你的客服系統上線了。
客戶問：「退貨要怎麼辦？」
系統答出了退換貨政策。
你很滿意。
但兩週後，客服後台出現一堆「未匹配」的問題： - 「我不想要了」 - 「能退嗎」 - 「寄回去怎麼弄」 - 「我昨天買的可以換嗎」
系統一個都答不到。
你以為是 AI 不夠強。
其實你裝的不是 AI。你裝的是 FAQ Bot。
FAQ Bot 是什麼？
FAQ Bot 的邏輯很直接：
問題 A → 答案 A 問題 B → 答案 B
靠的是規則匹配或關鍵字觸發。有些做得精緻一點，加上了同義詞庫——「退貨」和「退款」都能觸發同一個答案。
但它的本質沒變：答案是人工寫好的，系統的工作是找到對應的答案。
不理解問題，只找答案。
AI 同事是什麼？
AI 同事的底層是語言模型（LLM）加上知識庫（RAG 架構）。
客戶問了一個問題，系統做的事是： 1. 理解這個問題的意思 2. 在知識庫裡找最相關的內容 3. 根據那些內容，生成一個回答
沒有固定腳本。客戶怎麼說都能接。「我不想要了，怎麼退？」和「退貨政策是什麼？」，AI 同事知道這是同一件事，都能回答。
更重要的是：它不只是在找答案，它在理解問題。
兩個的差距，在真實使用上長什麼樣？
給你幾個常見場景：
場景一：客戶說法不一樣
客戶問「我買了一週，還可以換嗎？」
FAQ Bot：找不到「換」和「一週」的組合，答不到，轉真人或說「我不明白您的問題」。
AI 同事：理解這是在問退換貨期限，找到相關政策，告訴客戶 14 天內可以辦理。
場景二：問題帶著情緒
客戶說「你們的產品壞掉了，我很不高興，怎麼辦？」
FAQ Bot：抓到「壞掉」，觸發產品問題的流程說明，忽略情緒。
AI 同事：先回應情緒，再說明處理流程。
場景三：問題是複合的
客戶問「我想退貨，但是我用了一半，還能退嗎？另外我的運費要怎麼算？」
FAQ Bot：通常只能回答第一個問題，或者兩個都答不到。
AI 同事：拆解兩個問題，分別回答。
FAQ Bot 的真實成本
很多品牌選 FAQ Bot，是因為它看起來便宜。
但有一個成本沒算進去：維護成本。
每增加一種問法，就要增加一條規則。
每出現一個新的產品、新的政策，就要手動加進去。
一年之後，你有一個幾百條規則的系統，沒有人敢動，因為動了不知道會不會壞掉其他東西。
然後你發現，這套系統能回答的問題還是那幾個。
這不是 FAQ Bot 的問題，是它的設計本質就是如此。它不會因為你加了更多規則就變聰明，它只會變複雜。
AI 同事的真實限制
AI 同事不是沒有問題。
會幻覺。 知識庫裡沒有的資訊，AI 可能會用聽起來合理的答案填補。這件事可以靠 RAG 架構和 Prompt 設計大幅降低，但沒辦法歸零。（這篇說得更細。）
知識庫需要設計。 把一堆文件丟進去就期待 AI 答得好，這個期待通常會讓你失望。知識庫的結構、切段方式、更新機制，都影響回答品質。
成本比 FAQ Bot 高。 每次對話都在消耗 token，知識庫越大、對話越長，費用越高。對於查詢量很大、問題很簡單的場景（比如「你們幾點開門？」），FAQ Bot 反而更合適。
那，你現在裝的是哪一種？
有幾個問題可以幫你判斷：
問你的工程師或服務商：「客戶如果用沒見過的說法問問題，系統怎麼處理？」
如果答案是「會觸發通用回覆」或「會轉真人」——很可能是 FAQ Bot。
如果答案是「會用語意相似度去找最接近的內容來回答」——比較接近 AI 同事。
另一個測試方式：去你的系統問「我不想要了怎麼辦」。如果它說「我不明白您的問題」，你知道答案了。
什麼時候用 FAQ Bot 就夠？
FAQ Bot 不是爛東西，是適合特定場景的東西。
如果你的客服問題高度重複、客戶用語很固定（例如政府服務、工廠報修、內部 IT 支援），FAQ Bot 穩定、便宜、好維護。
如果你的品牌需要溫度、客戶問題多元、客訴場景多——這時候 FAQ Bot 很快就會變成你的客訴來源。
小結
| FAQ Bot | AI 同事 | |
|---|---|---|
| 回答方式 | 找對應的答案 | 理解問題、生成答案 |
| 問法限制 | 要符合預設問法 | 客戶怎麼說都能接 |
| 維護方式 | 手動加規則 | 更新知識庫 |
| 適合場景 | 問題固定、用語一致 | 問題多元、需要溫度 |
| 成本 | 建置便宜，維護累積貴 | 每次對話有費用 |
| 幻覺風險 | 沒有（答案是寫死的） | 有，需要設計降低 |
大部分品牌說「AI 客服很笨」，問題不是 AI 不夠強，是他們裝的根本不是 AI。
搞清楚自己裝的是什麼，才能知道要怎麼修。
相關文章： - 把 ChatGPT 直接拿來當客服，會出什麼包？ - AI 幻覺是什麼？ - RAG 是什麼？
FAQ
Q：LINE 官方帳號的自動回覆算 FAQ Bot 嗎？
大部分是。LINE OA 內建的關鍵字自動回覆，就是最基礎的 FAQ Bot——你設定「退貨」這個關鍵字，客戶訊息裡有這個詞就觸發固定回覆。要升級成 AI 同事，需要另外接語言模型。
Q：FAQ Bot 可以升級成 AI 同事嗎？
可以，但通常是重建而不是升級。FAQ Bot 的答案庫可以轉換成知識庫的基礎素材，但架構是換掉的，不是在上面加功能。
Q：AI 同事上線後，還需要 FAQ Bot 嗎？
有些場景兩個並存是合理的。比如「營業時間」「門市地址」這類問題，FAQ Bot 觸發既快又便宜。複雜的問題才交給 AI 同事。這叫分層處理，不是非此即彼。