AI 客服自建還是外包？2026 費用比較與自建教學｜aicycle

AI 客服自建還是外包？2026 決策框架、三條路徑費用試算與 LINE＋RAG 自建教學

答案不是「自建」或「外包」二選一，而是「哪一段自己養、哪一段外包」。下文提供決策分界線、三條路徑的實際費用，以及一份可照著做的 LINE＋RAG 自建教學。更多 AI 客服導入資源可參考 aicycle 文章專區。

30 秒決策表：你適合自建、SaaS 訂閱還是全外包？

依「每月訊息量／有無工程人力／合規與資安要求／預算」四軸，對應三條路徑：

實際常見的是混合路徑：策略盤點自己做，系統整合交給外包，日常維運再收回來。例如自建核心 RAG 引擎，但 LINE 串接委外；或 SaaS 訂閱標準客服模組，但客製報表與 CRM 串接外包。關鍵是把「哪段是核心 know-how」先想清楚。

三條路徑費用比較：SaaS、自建、外包各要多少錢？

SaaS 訂閱行情（2026 年公開報價，實際以廠商報價為準）

• Kufu 酷服：NT$2,000 起／月，含基礎 FAQ 機器人與 LINE 串接
• BotBonnie：NT$1,500 起／月，以對話量計價，超額另計
• Omnichat：NT$3,000 起／月，含多渠道（LINE／FB／IG）整合

地端一次性授權約 NT$80,000–200,000，適合長期自維運；雲端訂閱三年總成本通常低於地端授權加自管伺服器。建議以三年總持有成本（TCO）比較。想進一步了解各平台功能與適用場景，可參考 aicycle AI 客服工具比較。

兩種計價模式怎麼選

• 對話量計價：AI 自動化比例高（例如 80% FAQ 被機器人解決）者划算，因為真人接手對話不計入
• 功能模組計價：基礎版便宜，但 NLU 意圖辨識、多輪對話、CRM 整合、客製報表通常另計，報價單上的「基礎月費」不等於實際月費

報價單上看不到的隱藏成本

向廠商詢價時，建議逐項確認：

• 建置導入費（一次性，NT$30,000–150,000）
• 系統串接開發費（ERP／CRM／訂單系統 API 對接）
• 模型 token 用量費（每月 GPT-4 級別客服，token 費可達 NT$5,000–20,000）
• 超額對話量單價
• 客製報表開發費
• 知識庫優化人力（內部或廠商代管）

AI 客服自建教學：三種難度路徑 step-by-step

路徑 A｜No-Code 平台（不會寫程式）

1. 註冊 Coze 或 Dify 帳號，上傳既有 FAQ 文件（PDF、CSV、TXT 皆可），平台自動建立 RAG 知識庫
2. 到 LINE Developers Console 建立 Provider 與 Channel，取得 Channel Access Token 與 Channel Secret
3. 在 Coze／Dify 的「發布渠道」中選擇 LINE，貼上金鑰後授權，即完成 LINE 官方帳號串接
4. 在平台內設定 system prompt 與「超出知識範圍時轉真人客服」的回覆規則

路徑 B｜自動化工具（低程式／拖拉式）

1. 在 Make 或 n8n 建立新 workflow，觸發器選 LINE Webhook
2. 將 LINE 收到的訊息送入 OpenAI（或其他 LLM）節點，prompt 中附上企業知識作為 context
3. LLM 回覆內容經由 LINE Reply API 節點送回使用者
4. 加入條件判斷：若 LLM 回覆信心度低（或包含特定關鍵字），自動轉接真人客服通知（Slack／Email）

路徑 C｜自寫 server（完全掌控）

1. 建立 HTTPS server（LINE Messaging API 強制 HTTPS），實作 Webhook endpoint 接收 LINE 訊息事件
2. Webhook 收到訊息後，將使用者問題向量化，查詢向量資料庫（Pinecone、Weaviate 或 pgvector），取回最相關的企業知識片段
3. 將知識片段與使用者問題組裝成 prompt，呼叫 LLM API 生成回覆
4. 透過 LINE Reply API 回覆使用者
5. 硬性限制：Webhook 須在 1 秒內回 200 OK，否則 LINE 會重送；Webhook 需實作冪等（1 分鐘內相同訊息可能重複推送）

三條路徑共用的 RAG 知識庫四步驟

1. 向量化企業知識：將產品手冊、訂單條款、客服 SOP 轉為文字後，用 embedding 模型（如 text-embedding-3-small）轉成向量存入向量資料庫
2. 設防幻覺 system prompt：明確指示 LLM「只依據提供的知識片段回答，不知道就說不知道」
3. 超出知識範圍回「轉真人客服」：設定關鍵字觸發或信心度閾值，自動轉接
4. 上線前 2–4 週內部測試：由客服團隊模擬真實對話，逐筆檢視 AI 回覆品質

什麼時候該選外包？判斷訊號與廠商評估清單

以下訊號出現兩項以上，外包導入通常比自建划算：

• 無工程人力，或工程團隊已滿載
• 需要 SLA 與合約責任（例如 99.5% 上線率保證）
• 合規文件需求：2026 年起 ISO 27001／GDPR 認證已成報價組成的一部分
• 導入時程壓力（例如兩個月內要上線）

評估廠商時，建議確認：串接實績（是否做過同產業案例）、報價是否逐項列出前述隱藏成本、知識庫維運是否代管、資安認證是否為最新有效版本。

常見問題 FAQ

Q1：AI 客服多久能上線？

SaaS 平台搭配既有 FAQ，數小時內可完成設定並開始測試。但上線前建議預留 2–4 週內部測試，讓客服團隊模擬真實對話並修正 AI 回覆。

Q2：AI 會不會亂答？

會。幻覺在客服場景比不回答更傷信任——例如編造退款政策或錯誤訂單資訊。透過 RAG 限定知識來源、防幻覺 system prompt，加上「超出範圍轉真人」機制，可有效控管。

Q3：上線後還要幾個人顧？

知識庫需要持續更新（新產品、新政策）。實務建議每週撥 15–30 分鐘檢視 AI 沒答好的對話記錄，回補知識庫。

Q4：AI 客服能完全取代真人嗎？

不能。定位是分流重複性問題（查訂單、退換貨政策、營業時間），讓真人專注高同理心、複雜案件。業界常見比例是 AI 處理 60–80% 對話量。

Q5：資安與合規要看什麼？

2026 年起 ISO 27001／GDPR 認證已成為廠商報價的常見組成項目。簽約前要求廠商出具最新有效認證，並確認資料儲存地點與存取權限政策。

想了解 AI 客服在你的產業怎麼落地，可到 aicycle 官網 看更多相關文章與資源。