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
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
0 ความคิดเห็น
0 การแบ่งปัน
25 มุมมอง
0 รีวิว