洞察：他看到什麼問題
大部分組織導入 AI 客服的做法，是做一個什麼都要會的大模型。愛沙尼亞反過來：每個部會養自己的小 Bot，前面只放一個統一的入口。
我自己覺得這個選擇的價值不在技術，在組織。單點失敗的風險降低了，各部會可以自己迭代不用等中央，而且哪個 Bot 答不好，責任歸屬很清楚。這是把「AI 架構」當成「組織設計」在處理。
做法拆解
- 市民端只有一個聊天入口，不用知道該找哪個部會
- 後端是各部會自己維護的 AI 子代理人，不是單一巨型模型
- 功能逐步深化：先做 FAQ，再做表單填寫，最後才是自動辦理
- 整套架構開源，讓第三方可以審視與研究
- AI 不確定或處理不了時自動轉真人，不硬撐
為什麼有效
- 分散式架構讓各部會能自己迭代，不必等中央排程，推進速度快很多
- 開源在 AI 焦慮的時代是信任機制，程式碼可被外部審視
- 「AI 不確定就轉真人」讓失敗有出口，使用者不會被困在機器人迴圈裡
你可以怎麼抄
Takeaway
這則對台灣中小企業的意義，我覺得不在「也來做 AI 客服」，而在那個架構選擇。
多數老闆導入 AI 的第一個念頭是做一個什麼都會的萬能助理，然後訓練資料東拼西湊，最後每一題都答得七零八落。愛沙尼亞的做法是拆開：客服一個、庫存一個、行銷一個，各自餵各自的資料，前面用一個窗口整合。
我自己做 AI 工具也是這樣才走順的。一開始想做一個什麼都能問的機器人，結果每個領域都半調子。拆成一個一個小工具之後，每個都變得好用。
還有一條一定要抄：答不出來就轉真人。這是最便宜也最常被省略的設計。把客人困在答非所問的機器人裡，比沒有機器人更傷。
- 第一步把你想讓 AI 做的事列出來，超過三種就拆成三個獨立的助理，不要做一個萬能的。
- 第二步每個助理只餵它該領域的資料，範圍越窄答得越準。
- 第三步設一個明確的轉真人條件(連續兩次答不出、客人講到退款或客訴)，一定要有人接。
跨產業借鑑
「多個小 AI 勝過一個大 AI」對任何規模都成立，而且規模越小越明顯，因為你沒有資源把一個大模型調到全能。
成效數據
| 指標 | 之前 | 之後 | 來源 |
|---|---|---|---|
| 人口 | 約 130 萬 | 何佳勳整理(未經品牌證實) | |
| 公共服務線上化 | 99%(結婚、離婚、買房除外) | 何佳勳整理(未經品牌證實) | |
| 架構 | Open source，多代理人網路 | 何佳勳整理(未經品牌證實) | |
標示「未經品牌證實」者為媒體報導或公開資料引用之數字，本站未能獨立查證。