1950年時，英國數學家艾倫．圖靈（Alan Turing）提出了電腦科學界很有名的「圖靈實驗」，用來驗證機器是否具有智慧。數十年來，許多工程師不斷設計各種電腦軟體程式，試圖挑戰這個實驗，以便實現機器具有智慧的夢想。然而，一直要到近十年來AI對話機器人的出現，才有了比較實質的突破。
正港不眠不休的客服人員
最近市面上炒得火熱的生成式AI與ChatGPT，或是個人智慧助理如Siri、智慧音箱Alexa或Google Home的流暢對話，都令人印象深刻，不但能聽取使用者的指令回應答案，甚至如查詢火車班次、行事曆等，也使用了對話機器人的技術。但是，雖然被稱為「對話機器人」，但這些AI的功能並不只限於聊天，舉凡任何能以自動對話方式提供服務的程式，都可以算是對話機器人。
網路上，已有許多電子商務平台的類似客服應用，是以對話機器人提供服務，讓使用者能更自然地提出需求了；而且，對話機器人一旦理解需求，就能夠快速提供服務以節省彼此的時間。常見的應用如銀行智慧客服，就是由銀行客服中心建立對話機器人，來協助客戶處理一些簡易的銀行業務流程問題，減少客服人力的負擔；或是因應金融科技興起，AI理財機器人也如雨後春筍般出現在生活中，光是台灣島內，就已經有好幾十家金融機構推出了理財機器人服務。
讓聊天機器人順暢地與真人對話，是人工智慧領域中最困難的一件工作，江湖上號稱，不管你是只有八歲還是已經八十歲了，都可以輕易考倒這種AI的對話能力。讀者只要想想小學生的對話用字和成人落差有多大，就可以理解對話機器人現今的人工智慧水平了；也就是說，截至2023年底，世界上還沒有大家都能夠滿意的對話機器人。
儘管如此，以對話機器人實現聊天服務、24小時不眠不休地隨時與客戶互動，卻仍然是一個很有發展潛力的服務產業；從另一個心理學的角度來看，人類對於人工智慧的微妙心理，也讓對話機器人似乎扮演了一個緩衝的安撫角色。
善用優化互動客服，提升對話機器人服務品質
傳統的客服資訊不外乎手機簡訊或email，不僅回覆不夠即時，也因為看不到顧客表情及環境而無法作出適當的判定。在網路普及與社群媒體當道的現在，產業客服利用機器人或視訊，除了可以即時回覆外，更可以根據顧客的表情和環境給予更正確的回應。
想要成功打造任務型的對話機器人，首先當然必須由建立對話機器人的團隊事先定義許多領域知識，例如模板、關鍵字資訊、對話的階段等，設計時自然要花費許多時間；而因為自然語言處理技術與對話之間有很緊密的關係，導致改變某一個部分就會牽動整個系統，因此建置和更動的成本可能會比想像中高得多。
相對於任務型對話機器人來說，閒聊型對話機器人需要事先定義的部分比較少，但是回話的領域通常較廣，要產生順暢合理的回覆是有一定難度的，所以在資料蒐集的部分需要多下工夫，因為如果使用者所說的話無法在回覆集找到恰當的回覆，可能就會產生不符合使用者期待的回覆，容易被看出破綻；要是資料不夠多，使用者也有可能經常會得到相同的回覆。另外，神經網路的語料和訓練方式也會決定生成出來的回覆品質，如果學習得不夠好，就可能會有答非所問、或者產生的句子不符合邏輯語法的問題。
生成式AI演算法實現客服數位轉型的夢想
近年來，AI深度學習的方法應用在電腦理解人類語意上的突破，已為對話機器人的研究與應用帶來許多新的可能性，例如金融業的理財機器人、企業官網的客服機器人、智慧醫療設計的網路衛教機器人，或是醫院的出院準備衛教機器人等。
在線上服務需求快速竄起的現在，企業甚至可能得24小時隨時回應顧客，所以，有些企業已開始建置能處理常問問題（FAQ）的AI客服機器人，再加上透過線上互動管道的數位行銷已經愈來愈多元，有些品牌電商或雲端平台服務商都迫切需要提供多元管道的線上客服，包含官網、FB 粉絲團、Line官方帳號等。
光有客服機器人還不夠，不少服務業更需要人機協同作業，讓機器人自動處理大部分最常問的問題，機器人無法處理的就由真人接手；比較常見的情境是，導入客服機器人後，一般顧客可以透過線上管道直接與客服機器人互動，常見問題應可立即解決，客服機器人同時會累積失敗對話串及用戶偏好資訊，以此學習改善對話成功率，當然了，較複雜問題就交由真人處理。
這一類的AI線上服務，在人力成本高的先進國家中已經十分普及，以行銷目的或關鍵字觸發的形式展開，針對企業需求與消費者接觸並進行互動，以此提供AI客服機器人服務，而且一邊互動、一邊將蒐集的語料交由客服機器人後台引擎運算與學習。當然，部署完成的系統應提供管理後台，並提供關鍵Q&A問答集及最頻繁客服問題分析，甚至歸類，同時能進行知識點維護，以及相關報表資料之管理 （圖27）。
生成式AI在產業數位轉型上的切入點，可以是企業內部自建大型語言模型，以積極發展產業專用型應用，也可以聚焦在例如企業客服互動系統、公司內部資料庫運用，或是場域的數據出現異常時的自動示警。
在AI技術上，則是只要能滿足自然語言對話功能、以自然語言即問即答互動即可，至於後端的詞庫管理，則必須具備辨識關鍵詞、同義詞、同音異字、敏感詞、錯別字、甚至行銷詞識別等功能。智慧對話引導方面，系統則要能具備上下文關聯、反問引導、知識推薦、建議問題、甚至近似比對的功能。
像真人一樣理解客戶的問題內容甚至意圖
即使已有大量的資料可用，目前為止，像是ChatGPT在回答提問、產生內容時，仍可能出現邏輯或常識方面的錯誤；所以，另一個可以著墨的功能可能是多元答案的呈現，像是能支援答案的圖片、影片、連結、圖文、檔案等，以提供多重回應答案及知識的方式。現今大部分的系統設計，已都具有機器學習機制，亦即透過演算法推薦答案。簡單說起來，就是客服機器人能夠像真人一樣理解客戶的問題內容甚至意圖，給予正確答案或進一步提供相關資訊。
對企業自身而言，客服機器人當然只是一種加值服務，協助企業及時回答客戶購買時遇到的問題，以及提供售後服務，像是簡易版的商品指南、銷售資訊查詢，以及針對產品的相關問題；其中可能有很大部分是相近的，可以由提供服務的業主──比如電商平台業者──事先彙整，好讓系統透過客服機器人明確回答這些常被問到的問題，讓消費者可自助式、即時地取得相關資訊，例如：商品詳細介紹、保固條款、銷售門市、維修據點查詢等，最少讓過去偶有客戶遲遲等不到客服人員協助的問題不再發生。
目前會使用客服機器人的企業目標客群，主要以行銷類、客服類為主；例如擅長推廣行銷的自媒體，就可以透過官網、部落格或粉專經營，與目標用戶溝通其品牌之服務理念和優勢，一方面可以增加市場能見度，另一方面當然就是提升品牌價值。
客服機器人當然也可以配合數位行銷工具來推廣促銷活動，或是主動推播有利行銷之資訊。如果是特定客服類，還可以更積極蒐集領域內之語料（例如旅遊用語），整合進語意分析之中，也可以根據實際客服對話內容進一步擴增連續對話情境，確保頻繁客服問題能有更高的成功對話率，當然還可以搭配即時滿意度調查，使消費者得到更好的服務體驗。
