依 2026 年 4 月下旬公開可檢索到的多篇社群貼文，這波與 SABON 有關的爭議，核心敘事相當一致：消費者指稱品牌疑似以 AI 生成客訴回覆，後續又把原本要提供給 AI 的提示內容誤傳給當事人；轉貼與討論也反覆把這件事解讀成一種「原來前面的安撫不是對話，而是模板」的感受。就目前可以公開檢索的資訊來看，這波事件的主要擴散場域仍是社群貼文與其二次轉述，因此較嚴謹的寫法應是：社群指控已引爆信任危機，而不是把所有細節直接當成完整定論。
這件事之所以會從「客服失誤」快速升級成「品牌失真」，關鍵不只在於用了 AI，而在於 AI 介入的是一個高度依賴真誠感的接觸點。服務研究顯示，當受眾知道某個服務溝通內容是由生成式 AI 產出時，對品牌的信任與態度可能下降；而且當 AI 介入的是「人本身」這類偏無形、偏關係性的元素，而不是設備、空間或流程等較具體的元素時，這種負面效果更明顯。換言之，客訴場景最敏感的，從來不是文字是否通順，而是消費者是否相信眼前真的有人在理解他。
品牌客訴到底適不適合交給 AI
如果把問題改成「AI 能不能讓客服團隊更有效率」，答案其實偏向肯定。一項以 5,179 名客服人員為樣本的實證研究發現，生成式 AI 輔助工具使平均生產力提升 14%，對新手或低熟練客服的提升更達 34%，同時也改善了顧客情緒與員工留任。公開企業案例也顯示，AI 用在知識檢索、來電原因預測、路由與摘要等工作時，能顯著縮短前線處理時間，幫大型客服團隊把人力從重複性任務釋放到更高價值的互動上。
但如果把 AI 放進「安撫、道歉、補救、責任判斷」這類服務補救情境，研究結論就明顯保守得多。多項實驗研究指出，相較於真人，聊天機器人處理客訴時的象徵性補救通常帶來較低滿意度，因為它的道歉更容易被感知為不自然或不真誠；另有研究發現，當任務需要的是同理、安撫與情緒修復時，顧客會把 AI 視為較不具顧客導向。最新研究甚至指出，在客訴情境裡，人類道歉通常比 AI 道歉更有效，而 AI 在否認式回應上反而相對沒那麼吃虧，因為消費者本來就不太期待機器擁有真正可被歸責的道德主體性。
更細緻的答案因此不是「AI 可以」或「AI 不可以」，而是：AI 可以處理客訴中的資訊層，卻不適合獨自承擔客訴中的情緒層。 一方面，近期研究確實發現，具備暖度、能力感與較佳互動品質的聊天機器人設計，可以提升使用者的信任與體驗；另一方面，心理學研究也出現所謂的「AI 同理悖論」：第三方評分常認為 AI 的安慰話語更周到，但當人真的要選擇傾訴對象時，仍普遍更願意找人類。這意味著 AI 的文字表現可能很像同理，但品牌若要的是「被信任」、而不只是「看起來會說話」，就不能把兩者混為一談。
顧客為什麼會把 AI 回覆解讀成敷衍
從消費者調查來看，這種不安並不是少數人的情緒。一項 2024 年調查顯示，64% 的顧客寧可企業不要把 AI 用在客服，53% 表示若知道企業要用 AI 做客服，會考慮轉向競品；另一份 2024 年的消費者調查則指出，75% 仍偏好與真人互動，48% 不信任 AI 機器人提供的資訊，56% 經常因 AI 客服聊天機器人感到挫折。到了 2026 年，跨英美的研究也顯示，64% 對企業如何用生成式 AI 與自己互動「沒有信心」，66% 偏好人類主導的支援，只有 2% 想要純 AI 聊天機器人。這些數字共同說明：在客服領域，多數人並不反對 AI 存在，但反對自己被困在只有 AI 的現場。
真正讓顧客覺得被敷衍的，通常不是「你用了工具」，而是「你把我交給工具就不再出現」。顧客最擔心的問題，一直是找不到真人、得到錯誤答案，以及被系統當成流程節點而不是一個有情緒的人。這正好和客訴的本質衝突，因為客訴的核心不是單純索取資訊，而是在確認品牌是否理解、承擔並願意修補關係。一旦回覆露出模板痕跡、機器語感、甚至內部提示詞，顧客讀到的就不只是失誤，而是品牌把效率擺在關係前面。
當品牌失去人性會付出什麼代價
當品牌在高情緒場景裡失去人性，後果往往沿著三層擴散。第一層是單一互動惡化：研究顯示，服務補救若缺乏可信度，會降低滿意、寬恕與再購意願，並增加負面口碑的傾向。第二層是公開場域放大：社群上的客訴研究顯示，回應速度與最終解決速度都會直接影響消費者對客訴處理的滿意度。第三層才是品牌層級的傷害：品牌危機在社群媒體上會被放大，並改變品牌平時經營顧客關係時能否成功累積信任。
這也是為什麼很多品牌以為自己只是在節省一點客服成本，最後卻可能付出更高的公關、CRM 與再行銷代價。更深層的風險在於，對許多服務品牌來說，溢價並不只來自產品本身，而是來自被重視、被理解、被妥善對待的整體感受。當消費者不再感受到這層關係價值，品牌差異化就更容易從「我信任你」退回「我只比較價格、功能與促銷」。這一段屬於基於服務品牌研究所做的合理推論，而不是單一實驗直接量出的因果值；但它和現有研究的方向一致，也最接近品牌在市場上會實際遇到的後果。
更穩妥的人機協作做法
較穩妥的做法，不是完全禁用 AI，而是把 AI 放回它最擅長的位置：整理資訊、預測問題、生成初稿、補全知識庫、協助分流；把最需要承擔情緒與判斷責任的部分，留給真人。研究顯示，聊天機器人結合輕量的人類介入，可以在多數結果上接近真人客服；而且當系統能清楚承認限制、順暢轉接真人時，使用者對其誠實度與可信度反而更高。AI 真正有價值的姿勢，不是站在顧客前面，而是站在客服旁邊。
若把這件事落地成 SOP，最實際的分法是按風險，不是按渠道。像 FAQ、訂單進度、物流查詢、預約改期、會員權益、付款狀態等「thinking skills」導向問題，適合 AI 先處理；像退款爭議、產品異常、情緒激動、重複抱怨、牽涉公平與責任判斷的案件，則應快速升級到真人；至於公開社群客訴，AI 最多負責摘要、整理脈絡與起草，不應自行定稿，更不該直接輸出內部提示詞、判斷邏輯或未驗證事實。這樣的分流方式，正好符合客訴研究對「思考型任務」與「感受型任務」的區分。
從治理角度看，品牌若想把 AI 用得可持續，至少要把四件事制度化：明確角色責任、先做風險盤點、提供透明資訊、持續監測與修正。這也是目前國際 AI 風險管理框架與管理標準的共同方向；歐洲的 AI 監理框架同樣把可信任、人本與風險分級放在核心位置。對客服團隊來說，最重要的不是「能不能自動回」，而是「這句話如果被截圖公開，我們願不願意為它負責」。
