所有 GEO 指南

如何用實際運作證據說明 AI 輔助服務

「如何用實際運作證據說明 AI 輔助服務」的概念示意圖:買家需要看懂服務如何運作,而不只是知道它用了 AI。
「買家需要看懂服務如何運作,而不只是知道它用了 AI」概念示意圖。查看完整尺寸示意圖

買家需要看懂服務如何運作,而不只是知道它用了 AI

「AI 驅動」只表示服務涉及這類技術,卻沒有說明它能為客戶團隊做甚麼、系統遇到不確定情況時會如何處理,或誰要為重要決策負責。這些才是影響服務是否可信、是否切合需要的問題。

有用的服務介紹會把三件事連繫起來:

  • 工作內容: 接收甚麼資訊、系統如何處理,以及最後產出甚麼。

  • 運作界限: 哪些工作可以自動進行、哪些環節由人員覆核或介入,以及客戶保留甚麼控制權。

  • 成效證據: 觀察到甚麼結果、適用於哪些工作,以及採用甚麼比較方式或基準。

這讓買家得到比技術標籤更有價值的資訊:他們可以想像服務如何融入實際運作,也有助市場推廣、銷售和交付團隊傳達一致的說法。醒目的標題可以吸引注意,但工作流程和決策界限才讓潛在客戶有條件評估服務承諾。

目的不是不惜代價把技術實作說得很厲害,而是把實作轉化為清晰的服務說明,並保留它能證明和不能證明的內容。如果自動化只負責整體服務的一部分,或其權限取決於客戶偏好,這種準確表達尤其重要。

資料來源: Singapore Airlines elevates travel & work with OpenAI technology | OpenAI

把工作流程說成一連串任務和交接

由輸入資訊一路追蹤到下一步行動,服務介紹就會變得具體。說明服務採用甚麼資訊、執行哪些步驟,以及在哪個節點由人員或客戶接手。不要把「代理」一詞當成對工作內容的解釋,而要說明它負責甚麼。

OpenAI 發布的 Sophos 案例提供了一個實例。Sophos 表示,調查代理會為每宗個案整理客戶背景、偵測結果、入侵指標及相關威脅情報。接着,規劃模型採用「規劃、執行、檢視」循環:建立調查計劃、執行步驟,再產生摘要和建議應對措施供分析人員覆核。其他代理也可以執行部分應對工作。

OpenAI 發布的 Qodo 案例則展示另一種交接方式。Codex 編寫程式碼前,Qodo 的 Codex 外掛會擷取相關程式碼庫規則及拉取請求歷史。修改完成後,Qodo 會覆核程式碼,並在同一工作階段把結果交回 Codex,時間早於開發人員開啟拉取請求。Qodo 表示,剩下的問題由人員專業判斷處理。這個例子清楚展示背景資料整理、創作、獨立覆核和人員判斷各自可以負責不同工作。

Cloudflare 的另一個例子,展示其早期開放使用的漏洞服務如何把分析連繫到建議的下一步。Cloudflare 表示,服務會使用即時流量和安全訊號,調查客戶授權檢查的程式碼,準備建議的緩解措施和修補程式,並在交給客戶前先檢查和覆核這些建議。客戶保留決定是否實施變更的控制權。對買家而言,這清楚交代了優先處理工作的依據,以及建議與獲批准變更之間的界限。

這些例子都說明,工作的先後次序很重要。潛在客戶可以分辨資料收集與規劃、執行與覆核,以及建議採取的行動與實際執行的行動。這比只說服務使用先進 AI 處理工作,資訊豐富得多。

把技術設計轉化為服務頁面、提案或客戶簡報時,要清楚展示交接點。每個階段都回答:

  1. 輸入甚麼資訊或要求?

  2. 系統執行甚麼任務?

  3. 產生甚麼結果或建議?

  4. 誰會檢查、批准或執行?

  5. 個案超出系統處理範圍時會怎樣?

如果運作中有例外情況或不同客戶設定,就不要暗示每宗個案都走完全相同的流程。適當的細節,應足以讓買家理解服務實際交付甚麼,以及責任如何在系統、服務供應商和客戶之間轉移。

資料來源: Sophos cuts threat investigation time by 96% with OpenAI Daybreak | OpenAI; Qodo builds context into AI code review with Codex | OpenAI; Cloudflare links vulnerability discovery to defense with OpenAI | OpenAI; Singapore Airlines elevates travel & work with OpenAI technology | OpenAI; JioStar’s chief architect on AI discovery at 500M-user scale | OpenAI; Stack Overflow for Agents triples signups with ChatGPT plugin | OpenAI

在服務說明中交代人員判斷和客戶控制權

單說「有人員參與」不足以讓買家安心。要解釋人員會覆核甚麼、可以作出哪些決定,以及哪些行動必須得到客戶授權。這樣才會把監督由口號轉化為實際運作界限。

在 Sophos 案例中,客戶可以選擇三種模式:Notify 模式下,Sophos 負責調查和提出應對建議,由客戶採取行動;Collaborate 模式下,Sophos 和客戶先共同商議再行動;Authorise 模式下,Sophos 可代表客戶直接應對。案例指出,不論工作由人員還是代理執行,都適用相同界限;可能造成破壞的行動須有適當的人員監督。案例亦說明,若代理不適合處理某項工作,便會交由人員判斷。

對市場推廣人員而言,重點不是把這些模式名稱照搬到其他服務,而是清楚呈現實際控制方式。說明系統可以提出建議、準備行動、執行行動,還是作出最終決定。交代哪些情況需要客戶批准、由員工覆核,以及甚麼情況會觸發升級處理。如果客戶可以選擇不同運作模式,也要說明選擇會如何改變服務。

草稿可以用一個簡單問題檢查:在某項行動影響客戶業務時,買家能否指出誰要負責?如果不能,應先釐清交接,再考慮突出自動化宣稱。這些細節能幫助買家按實際需要比較服務,尤其當宣傳重點是速度,而工作本身亦涉及營運風險。

資料來源: Sophos cuts threat investigation time by 96% with OpenAI Daybreak | OpenAI; Qodo builds context into AI code review with Codex | OpenAI; Cloudflare links vulnerability discovery to defense with OpenAI | OpenAI; Singapore Airlines elevates travel & work with OpenAI technology | OpenAI; JioStar’s chief architect on AI discovery at 500M-user scale | OpenAI

讓每項成效都清楚交代適用範圍

有力的指標不只是數字大。買家需要知道統計了甚麼、涵蓋哪些工作,以及比較基準代表甚麼。缺少脈絡時,某項數字可能聽起來像普遍承諾,實際上卻只是特定運作下的結果。

OpenAI 發布的 Sophos 案例報告,使用 AI 代理的個案平均回應時間約為 89 秒。案例亦提到,使用 OpenAI 模型前,調查和應對個案的平均時間約為 38 分鐘,並另外報告調查時間減少了 96%。案例對這些數字使用了不同的指標名稱,因此應把 89 秒的平均回應時間,與調查時間減幅清楚區分。案例亦報告,AI 端到端處理了 52% 的 MDR 個案;這個數字指 MDR 個案,並非整項服務的所有工作。這些是案例報告的成效,不是其他機構的通用基準或保證。

OpenAI 發布的 Singapore Airlines 案例提供另一個客戶服務例子。Singapore Airlines 表示,Kris 聊天機械人由傳統對話流程系統轉為以大型語言模型驅動的對話體驗後,客戶滿意度得分增加一倍。該公司亦表示,使用 AI 輔助工具(包括通話摘要)的客戶服務代表,平均處理時間減少約 10%。這些數字衡量不同的指標和工作流程:聊天機械人的 CSAT,以及代表的處理時間。案例亦報告,Flight Recommender 過去一年每月用戶數接近增長三倍;這是使用量指標,不是服務品質或收入的直接衡量。保留各項結果所指的工作流程和衡量方式,不要把它們當作其他機構的成效預測。

無論成效出現在標題、銷售簡報、案例摘要、提案還是廣告,都要保留這些分別。如果「使用 AI 代理個案的平均回應時間」簡化為「回應時間」會令人以為數字涵蓋所有個案,就不要這樣寫。不要把報告中的調查時間減幅 96% 改寫為回應時間減少 96%,也不要把「52% 的 MDR 個案由 AI 端到端處理」說成「快了 52%」,或當作整體服務的每項工作都已自動化的證據。

有用的成效陳述會在同一脈絡中回答四個問題:

  • 改變了甚麼? 說明衡量的結果,例如回應時間、調查時間或已處理個案的比例。

  • 涵蓋哪些工作? 指明該數字描述的個案類型、流程、客戶群或服務範圍。

  • 比較基準是甚麼? 解釋基準或先前流程;如果資料沒有說明是同類比較或受控比較,就不要暗示如此。

  • 這項宣稱不涵蓋甚麼? 清楚說明指標不能證明甚麼,例如普遍適用的服務成效、對個別客戶的保證,或 GEO 曝光提升。

也要區分營運指標與買家及業務成效。在 OpenAI 發布的一篇訪談中,JioStar 的首席架構師談到如何平衡準確度、延遲和成本,並指出生產環境的監察應涵蓋模型效能。他亦提醒,程式碼產生量等活動指標,不能說明是否創造了實際價值。為客戶匯報時,應標明每項指標反映甚麼:營運表現、服務或客戶成效,還是業務影響。說明所涵蓋的工作流程和期間;用營運指標找出可能需要改善的環節,不要暗示指標未能證明的收入或客戶影響。如有生產環境的回饋或失誤,團隊亦可用來完善評估案例,並由領域專家協助判斷良好表現的標準。

目的不是用一堆限定語削弱好成績,而是讓買家知道這項結果可以合理地幫助他們判斷甚麼。精確的宣稱往往能讓銷售對話更有價值:潛在客戶可以進一步了解自己的工作是否與被衡量的流程相似,以及哪些運作條件會影響結果。

資料來源: Sophos cuts threat investigation time by 96% with OpenAI Daybreak | OpenAI; Qodo builds context into AI code review with Codex | OpenAI; Cloudflare links vulnerability discovery to defense with OpenAI | OpenAI; Singapore Airlines elevates travel & work with OpenAI technology | OpenAI; Stack Overflow for Agents triples signups with ChatGPT plugin | OpenAI

把技術細節整理成買家看得懂的證據簡報

對代理商團隊而言,實際交付不只是文字修飾,而是共同確認服務如何運作,以及證據支持哪些宣稱。先與最熟悉交付的人員整理說法,再用於統一網站、提案、銷售對話和成效報告。

先選一項重要服務流程,請交付團隊由接收個案到完成處理逐步說明,包括例外情況,再把答案整理成簡短的工作簡報:

  • 服務承諾: 用買家熟悉的說法,指出服務旨在解決甚麼問題。

  • 流程: 按運作次序列出輸入、系統任務、產出和交接。

  • 決策權: 說明系統可執行甚麼、人員覆核甚麼、客戶批准甚麼,以及何時升級處理。

  • 證據: 記錄成效、被衡量的群體或工作、比較方式,以及會影響解讀的條件。

  • 宣稱界限: 說明不應從流程或結果推斷甚麼。

  • 證據負責人: 指定交付或營運團隊中能確認說明仍符合現況的人員,尤其在服務改變時。

這份簡報有助團隊避免兩種常見的內容問題。第一是過於抽象:只稱服務智能或自主,卻不解釋它實際負責甚麼。第二是過度延伸:把真實成果說成所有客戶、個案或任務都會得到相同結果。

按買家當下的決策需要,用這份簡報製作不同內容。服務頁面可能需要淺白的流程說明和清楚的控制界限;提案可能要把流程連繫到潛在客戶的營運模式;案例研究可以突出實際衡量的成效,但必須同時交代適用範圍;銷售團隊則可能需要簡潔回答「系統不確定時會怎樣」。這些是同一套營運事實的不同表達方式,不是彼此獨立、需要另行編造的故事。

發布前,請交付負責人覆核系統行動、人員覆核和客戶控制權的描述。再由市場推廣團隊確認成效保留了衡量範圍,文案也沒有把案例中的已報告結果寫成承諾。當潛在客戶能用自己的話說明服務做甚麼、哪些環節仍需判斷,以及證據實際說明甚麼,這份內容才算完成。如果做不到,就先簡化說明或釐清交接,再補充更多技術細節。

資料來源: Sophos cuts threat investigation time by 96% with OpenAI Daybreak | OpenAI; Qodo builds context into AI code review with Codex | OpenAI; Cloudflare links vulnerability discovery to defense with OpenAI | OpenAI; Singapore Airlines elevates travel & work with OpenAI technology | OpenAI; JioStar’s chief architect on AI discovery at 500M-user scale | OpenAI; Stack Overflow for Agents triples signups with ChatGPT plugin | OpenAI

把 GEO 曝光視為另一項獨立觀察

實際運作證據可以令服務更容易理解和評估,但單憑這些證據,不能證明 AI 答案引擎會引用、推薦或顯示該服務。Sophos 案例描述了工作流程並報告成效,卻沒有證明這種介紹方式會增加 AI 引用或推薦。

為客戶匯報時,要分開處理三個問題:

  1. 服務是否清楚? 買家能否理解工作內容、交接方式和界限?

  2. 營運宣稱是否有依據? 現有證據是否與成效的措辭和範圍相符?

  3. 觀察到甚麼曝光? AI 答案有否提及或引用品牌?是在甚麼脈絡下出現?

這些訊號可協助作出不同決策。流程說明更清晰,買家可能更容易理解服務包含甚麼,令銷售對話更有基礎。有明確範圍的成效,能讓案例更可信、更有參考價值。AI 提及或引用則是另一項觀察,不能證明內容改動促成了答案,也不能證明提及帶來了需求。

如果有監察 AI 答案,應在自己的匯報流程中記錄提示或問題、答案措辭、來源參照,以及觀察日期。可以比較不同時間的觀察結果,但不要把少量答案擴大成整個市場的曝光宣稱。合資格查詢、銷售對話和可歸因的業務成果,應各自按其業務脈絡匯報。

下一步可以先選一項潛在客戶經常誤解的服務流程,畫出流程圖,指出人員和客戶的決策點,並只加入真正描述該項工作的成效。然後請交付和銷售團隊一同覆核。這本身就是有用的市場推廣改善:讓買家更清楚地判斷服務是否適合,而不是要求一個指標或 AI 系統代替你解釋服務。

資料來源: Sophos cuts threat investigation time by 96% with OpenAI Daybreak | OpenAI; Stack Overflow for Agents triples signups with ChatGPT plugin | OpenAI

資料來源

延伸閱讀

意見回饋