แม้บริษัทต่าง ๆ จะลงเงินลงทุนมหาศาลเพื่อนำ “AI Assistant” มาช่วยงานในคอลเซนเตอร์ ทั้งในแง่การถอดเสียงพูดเป็นข้อความ สรุปการสนทนา หรือช่วยตรวจจับอารมณ์ของลูกค้า → แต่ผลการศึกษาจากมหาวิทยาลัยจีนและบริษัทพลังงานที่ใช้ระบบนี้จริง กลับเผยว่า AI สร้าง “ปัญหามากกว่าความช่วยเหลือ” สำหรับพนักงานแนวหน้าอย่างแท้จริง

ตัวอย่างปัญหาที่เจอ:
- ถอดเสียงพูดเป็นข้อความแบบผิด ๆ
- อ่านเบอร์โทรศัพท์จากเสียงผิดพลาด
- เข้าใจคำพ้องเสียง (homophones) ผิด
- สรุปบทสนทนาไม่ตรงประเด็น
- ตรวจจับอารมณ์คนผิด (เช่น แค่พูดเสียงดัง → ถูกตีความว่าโกรธ)

แม้จะลดงานพิมพ์เอกสารได้นิดหน่อย แต่พนักงานต้องเสียเวลาตรวจ–แก้เนื้อหาเกือบทั้งหมด บางคนถึงขั้นบอกว่า “AI ไม่ได้ฉลาดอย่างที่คิดเลย” และสุดท้ายต้องทำเองแทบทั้งหมดอยู่ดี

AI Assistant สำหรับคอลเซนเตอร์ ถูกประเมินว่า “ช่วยบางเรื่อง แต่อยู่ไกลจากคำว่าอัจฉริยะ”  
• ประสิทธิภาพยังไม่ถึงขั้นแทนที่การทำงานของพนักงานได้จริง

ถอดเสียง (Speech-to-Text) มีความผิดพลาดสูง  
• ฟังสำเนียงหลากหลายไม่ออก  
• ถอดหมายเลขผิด ทำให้ต้องกรอกเอง

เข้าใจคำพ้องเสียงผิด (เช่น knew vs. new)  
• ทำให้ความหมายในบทสนทนาเพี้ยน

Emotion Detection มีความคลาดเคลื่อน  
• แยกแยะอารมณ์ได้แค่ไม่กี่แบบ  
• เข้าใจผิดว่า “เสียงดัง = โกรธ” ทั้งที่ผู้พูดแค่เสียงใหญ่  
• พนักงานส่วนใหญ่เลือก “มองข้าม” แท็กอารมณ์จาก AI

AI ช่วยลดงานพิมพ์นิดหน่อย แต่ผลลัพธ์ยังไม่พร้อมใช้ทันที  
• ต้องแก้ไขสรุปการสนทนาเยอะ  
• มักพลาดข้อมูลสำคัญจากลูกค้า

การศึกษาชี้ว่า AI เพิ่ม “ภาระการเรียนรู้” ให้พนักงานมากกว่าที่คาด  
• ต้องเรียนรู้วิธีแก้ข้อมูลจาก AI  
• ทำให้ไม่ได้ประหยัดเวลาจริงเท่าไร

Gartner คาดการณ์ว่าเกิน 40% ของโปรเจกต์ Agentic AI จะถูกยกเลิกภายในปี 2027  
• และกว่า 50% ขององค์กรที่ตั้งใจใช้ AI แทนคน จะ “ทบทวนแผน”

https://www.techspot.com/news/108547-call-center-workers-their-ai-assistants-create-more.html
แม้บริษัทต่าง ๆ จะลงเงินลงทุนมหาศาลเพื่อนำ “AI Assistant” มาช่วยงานในคอลเซนเตอร์ ทั้งในแง่การถอดเสียงพูดเป็นข้อความ สรุปการสนทนา หรือช่วยตรวจจับอารมณ์ของลูกค้า → แต่ผลการศึกษาจากมหาวิทยาลัยจีนและบริษัทพลังงานที่ใช้ระบบนี้จริง กลับเผยว่า AI สร้าง “ปัญหามากกว่าความช่วยเหลือ” สำหรับพนักงานแนวหน้าอย่างแท้จริง ตัวอย่างปัญหาที่เจอ: - ถอดเสียงพูดเป็นข้อความแบบผิด ๆ - อ่านเบอร์โทรศัพท์จากเสียงผิดพลาด - เข้าใจคำพ้องเสียง (homophones) ผิด - สรุปบทสนทนาไม่ตรงประเด็น - ตรวจจับอารมณ์คนผิด (เช่น แค่พูดเสียงดัง → ถูกตีความว่าโกรธ) แม้จะลดงานพิมพ์เอกสารได้นิดหน่อย แต่พนักงานต้องเสียเวลาตรวจ–แก้เนื้อหาเกือบทั้งหมด บางคนถึงขั้นบอกว่า “AI ไม่ได้ฉลาดอย่างที่คิดเลย” และสุดท้ายต้องทำเองแทบทั้งหมดอยู่ดี ✅ AI Assistant สำหรับคอลเซนเตอร์ ถูกประเมินว่า “ช่วยบางเรื่อง แต่อยู่ไกลจากคำว่าอัจฉริยะ”   • ประสิทธิภาพยังไม่ถึงขั้นแทนที่การทำงานของพนักงานได้จริง ✅ ถอดเสียง (Speech-to-Text) มีความผิดพลาดสูง   • ฟังสำเนียงหลากหลายไม่ออก   • ถอดหมายเลขผิด ทำให้ต้องกรอกเอง ✅ เข้าใจคำพ้องเสียงผิด (เช่น knew vs. new)   • ทำให้ความหมายในบทสนทนาเพี้ยน ✅ Emotion Detection มีความคลาดเคลื่อน   • แยกแยะอารมณ์ได้แค่ไม่กี่แบบ   • เข้าใจผิดว่า “เสียงดัง = โกรธ” ทั้งที่ผู้พูดแค่เสียงใหญ่   • พนักงานส่วนใหญ่เลือก “มองข้าม” แท็กอารมณ์จาก AI ✅ AI ช่วยลดงานพิมพ์นิดหน่อย แต่ผลลัพธ์ยังไม่พร้อมใช้ทันที   • ต้องแก้ไขสรุปการสนทนาเยอะ   • มักพลาดข้อมูลสำคัญจากลูกค้า ✅ การศึกษาชี้ว่า AI เพิ่ม “ภาระการเรียนรู้” ให้พนักงานมากกว่าที่คาด   • ต้องเรียนรู้วิธีแก้ข้อมูลจาก AI   • ทำให้ไม่ได้ประหยัดเวลาจริงเท่าไร ✅ Gartner คาดการณ์ว่าเกิน 40% ของโปรเจกต์ Agentic AI จะถูกยกเลิกภายในปี 2027   • และกว่า 50% ขององค์กรที่ตั้งใจใช้ AI แทนคน จะ “ทบทวนแผน” https://www.techspot.com/news/108547-call-center-workers-their-ai-assistants-create-more.html
WWW.TECHSPOT.COM
Call center workers say their AI assistants create more problems than they solve
A study carried out by researchers from several Chinese universities and a Chinese power company looked at what impact AI assistants were having on the plant's customer...
0 Comments 0 Shares 33 Views 0 Reviews