Agent Assist 與 GenAI：讓客服建議來得及又可信

課程概述

Agent Assist 會在真人客服與客戶對話時，提供知識、回覆草稿、下一步建議或情緒訊號，通話後也能整理摘要。真正的難點不是讓模型多寫幾句，而是建議要在客服還用得到的時間內出現、引用正確文件、看不到越權資料，而且送出前仍由真人判斷。這篇會把即時與通話後功能分開，帶你從資料準備一路走到小範圍上線與回饋評估。

你將學到

• 分清楚即時輔助、通話後摘要與品質分析的使用時機
• 以 Data Store 與 Generative Knowledge Assist 取代已停用的舊功能
• 設計轉錄、PII 處理、權限感知檢索與真人審核流程
• 用 Conversation Profile 與 Simulator 驗證建議和摘要
• 量測引用佐證度、誤導、延遲、採用／編輯率與客服結果

核心概念

先看清楚 Agent Assist 的位置

Google Cloud 客服產品的名稱與介面持續整合，但幾個工作角色可以這樣分：

表格超出欄寬時，可左右捲動；鍵盤可聚焦表格後用左右方向鍵查看。

自助式虛擬客服這一格，官方文件現在列的是 CX Agent Studio，並說它是 Dialogflow CX 的演進；Dialogflow CX 的主控台名稱是 Conversational Agents。這三項在官方文件裡同屬 Gemini Enterprise for Customer Experience。Agent Assist 的產品名稱仍在使用，2026 年也新增了整合建議與工具的 Companion agent。無論使用哪種介面，客服都應看得見來源、能修改或拒絕建議；退款、身分變更、法規承諾等高風險動作則要有後端規則和核准，不能只靠模型判斷。

知識庫（Knowledge Base）

知識內容要能回答真實客服問題，也要有負責人、版本、適用產品、有效日期與存取範圍。文件放進 Data Store 後仍要檢查切段、檢索與刪除同步；過期的退費規則如果還能被找到，生成得再流暢也會害客服說錯話。

這裡有個一定要更新的版本資訊：Article Suggestion 與 FAQ Assist 已在 2026 年 4 月 1 日停止服務，不能再當成現在可用的方案，詳見官方淘汰清單。現行功能包含 Generative／Proactive Generative Knowledge Assist、AI coach、Smart Reply、摘要與 Sentiment Analysis 等；實際地區、語言和版本仍要查功能與版本說明。

準備知識時可依功能使用非結構化文件或對話資料，但要分清楚用途：

• 知識輔助使用的產品手冊、政策、FAQ 與操作文件
• Smart Reply 訓練所需的歷史對話與 Allowlist
• 摘要（Summarization with custom sections）要準備的是區段定義，可再附少量範例；訓練自訂摘要模型的舊做法官方已不再支援
• PII、兒少資料、付款資訊與錄音同意應在上傳前依政策處理

GenAI 增強功能

不同功能解的問題不同，不必全部打開：

• Generative Knowledge Assist：依 Data Store 內容提供有依據的回答或查詢建議
• AI coach／Companion agent：依情境主動提供回覆、下一步或可用工具
• Summarization：把對話整理成指定區段；應評估正確性、完整性與格式遵循
• Sentiment Analysis：提供訊息層級的情緒分數，是輔助訊號，不是客戶意圖或風險的唯一判斷
• Smart Reply：根據進行中的文字對話提供候選回覆；傳統自訂模型與 Generative Smart Reply 的資料需求不同

對話流程整合

Agent Assist 可以用 API、Backend Modules 或支援的 UI 整合接進客服桌面。語音場景會先做串流轉錄，再將內容送到建議功能；不同整合支援的通道與功能不完全相同，不能假設每家 CCaaS 都有同一套按鈕。正式導入前要量測每一段延遲，並確認錄音告知、資料地區、PII、權限與保存期限。

%%{init: {"flowchart": {"curve": "linear", "nodeSpacing": 24, "rankSpacing": 32, "wrappingWidth": 600}}}%%
flowchart TB
  NEED["先選一個明確問題<br/>即時知識、回覆、摘要或情緒訊號"] --> DATA["盤點對話與知識資料<br/>處理同意、PII、權限和保存"]
  subgraph BUILD["① 建立可驗證的設定"]
      direction LR
      KB["整理有負責人與有效日期的知識<br/>或準備合規對話資料"] --> PROFILE["建立 Conversation Profile<br/>只啟用需要的功能"]
      PROFILE --> CASES["準備正常、模糊、過期政策<br/>越權與敏感案例"]
  end
  DATA --> KB
  subgraph TEST["② 在送到客服桌面前測試"]
      direction LR
      SIM["用 Simulator 驗證<br/>建議、引用與摘要"] --> LATENCY["量測轉錄、檢索、生成<br/>到畫面顯示的延遲"]
      LATENCY --> HUMAN["確認客服能修改、拒絕<br/>高風險動作仍需核准"]
  end
  CASES --> SIM
  subgraph RUN["③ 小範圍上線再擴大"]
      direction LR
      PILOT["先讓少數團隊使用"] --> SCORE["追蹤佐證度、誤導、延遲<br/>採用／編輯與業務結果"]
      SCORE --> IMPROVE["先離線檢查回饋<br/>再更新知識、設定與評估集"]
  end
  HUMAN --> PILOT

實作重點

• 使用 Data Store 與 Generative Knowledge Assist；不要再依賴已停止服務的 FAQ Assist／Article Suggestion
• Conversation Profile 決定建議功能與參數，模型和版本要以目前地區支援清單為準
• 用 Simulator 先驗證引用、過期政策、無答案、PII 與摘要格式，再接正式電話系統
• 分段量測延遲，不替所有場景硬訂一個秒數；以客服是否還來得及使用為準
• 將採用、修改、拒絕與最終結果一起分析，避免只追求「建議被點了幾次」

課程導讀

課程連結：Agent Assist and its Gen AI Capabilities — Google Skills

課程頁目前沒有列出動手 Lab，內容是線上教材與測驗，單元依序是 Agent Assist 介紹、Smart Reply 與 Smart Compose、LLM Baseline Summarization、Agent Assist 功能（Generative Knowledge Assist、Sentiment Analysis），以及 Delivery lifecycle（探索、設計、實作與測試）。其中 Smart Compose 官方已不再支援；若教材還出現 FAQ Assist 或 Article Suggestion，兩者也已停止服務，請對照現行的 Generative Knowledge Assist。想動手的話，可以在 Agent Assist console 建立 Conversation Profile，再用 Simulator 測試，同時記下引用、延遲與客服需要修改的地方。

延伸學習

• Generative Playbooks 建構代理 — 從 Agent Assist 延伸到 Dialogflow CX 的自動化客服
• Data Store Agent 虛擬 FAQ — 另一種知識庫驅動的 Agent 方案
• AI 世界的安全導論 — 客服場景中的 AI 安全考量