新加坡航空採用 OpenAI API 提升客服滿意度並縮短處理時間

文章摘要

新加坡航空透過整合OpenAI API,顯著提升了顧客服務效率與滿意度。在將客服聊天機器人Kris由傳統對話流轉型為大型語言模型驅動的互動體驗後,顧客滿意度提升了兩倍。同時,針對客服代表導入的AI輔助工具(如通話摘要功能),使平均處理時間縮短了約10%。過去舊版機器人需手動映射對話路徑,擴充性受限,現今Kris則能解讀自然語言,並根據知識庫處理多重話題,必要時還能將上下文完整交接給人工客服。除了自動化服務,新航亦推出利用自然語言描述行程的「航班推薦系統」,該功能透過串接票價與機位資料,讓使用者無需頻繁調整搜尋篩選器,過去一年使用率成長了近三倍。在企業內部,新航也將OpenAI模型應用於名為Jarvis的治理平台及軟體開發流程中,旨在強化員工生產力。為了確保技術應用符合規範,新航採取將模型與自動化編排層、內部數據控制及人工審核機制結合的策略,以維持AI落地後的可靠性與生產力表現。

AI 大叔解析

【核心判斷】
新加坡航空把客服系統從死板的腳本樹抽換成大型語言模型,直接證明企業級 AI 的真正價值在於流程交接與後端資料串接,而非單純讓機器人陪聊。根據官方數據,將聊天機器人 Kris 升級為 OpenAI API 驅動後,顧客滿意度達到原本的 2 倍;輔以客服通話自動摘要工具,使人工客服的平均處理時間(AHT)縮短了約 10%。

【毒舌吐槽】
以前那些寫滿 if-else 的按鈕式客服機器人,本質上只是把使用者逼瘋的語音總機翻版;新航這次學聰明了,沒把 LLM 當成萬靈丹直接裸奔上線,而是乖乖在背後補上資料驗證與人工作業交接機制。要是沒有背後的即時票價與機位資料串接,聊得再自然也不過是個講話好聽卻查不到座位的數位花瓶。

【為什麼重要?】
傳統對話流程最致命的痛點在於擴充性極低,每個意圖都得工程團隊手動拉路徑,漏掉一個情境就只能把使用者踢給真人客服。新航這套架構示範了生成式 AI 切入核心業務的正確姿勢:外層由模型負責理解旅客雜亂的自然語言描述,中間透過自動化編排層去打票務與機位系統的 API,底層再設下個資(PII)過濾與幻覺防護欄。這種設計讓「航班推薦系統」在過去一年的使用率成長近 3 倍,證明旅客討厭的是填表與拉篩選器,而不是討厭自動化查詢。

此外,AI 的效益也延伸到了內部研發與營運鏈。新航在名為 Jarvis 的內部受治理平台上運行模型,並將工具灌入軟體開發生命週期(SDLC),涵蓋需求規格梳理、邊界條件識別到測試案例生成,在特定研發環節換來了最高 20% 的生產力提升。工程師的角色正從逐字產出文件與程式碼,轉向架構審查、驗證與治理等需要高度判斷力的工作,這才是大型企業消化生成式 AI 的標準落地路徑。

【影響對象與建議】
- **企業系統架構師**:揚棄以死板腳本為基礎的對話引擎,導入 LLM 時務必建立獨立的編排層、輸出入防護欄及真人交接機制,避免模型幻覺直接衝擊生產環境。(69字)
- **客服營運主管**:評估 AI 工具時應鎖定通話摘要與上下文傳遞等後處理環節,以縮短平均處理時間(AHT)為具體指標,而非盲目追求百分之百的無人化服務。(71字)
- **軟體工程團隊主管**:將生成式模型前移至需求梳理、邊界條件定義與測試案例生成,利用 AI 降低規格模糊度,將人力聚焦於架構設計與程式碼審查。(67字)

想更了解這個話題?