OpenAI GPT-Realtime-2 上線：中小企業 AI 語音客服該不該現在導入？費用、場景、合約三大決策拆解

3,800 萬美元。這是 OpenAI 在 5 月 8 日把 GPT-Realtime-2 正式推進 API 之後，市場一週內估算 AI 語音 Agent 為全球企業省下的人力成本。Zillow、Priceline、Deutsche Telekom 同一週宣布把預約、客服、訂房第一線改成 AI 語音接待——這是直接上崗，已經超出試玩的階段。

台灣中小企業老闆看到這條新聞，腦子裡只會冒一個問題：我這家 30 人的公司，現在該不該也讓 AI 接電話？

這篇要拆給你的是更實際的三件事——什麼樣的場景值得先做、月費和開發費實際落在哪個區間、找外包簽合約時哪幾條一定要寫死，而非「AI 語音客服好不好」這種空泛問題。先把這三題想清楚，再決定要不要動。

5/8 OpenAI 把語音 AI 從 demo 推上生產線

5 月 8 日凌晨，OpenAI 把 GPT-Realtime-2 正式 GA，同時推出 GPT-Realtime-Translate（即時翻譯）和 GPT-Realtime-Whisper（即時轉錄）。對技術社群來說，這只是又一個 API 更新；對找外包做客服系統的老闆來說，這是一條分水嶺。

過去三年語音 Agent 一直卡在同一個天花板：要嘛延遲高、要嘛聽不懂插話、要嘛無法在通話中即時呼叫工具查資料。VentureBeat 在發布當天的實測報導直接點名，GPT-Realtime-2 突破了 latency 與 reasoning 的二選一，會議中打斷不會掉 context、同時平行呼叫多個工具、context window 拉到 128K tokens。

講白話：你可以讓 AI 接電話時一邊查庫存、一邊查客戶歷史、一邊算優惠，過程中客戶插話補資訊它也能接住。這在去年都還要靠 hack。

為什麼台灣中小企業現在才該認真評估

過去 18 個月，我們在幫客戶做 AI 客服評估的時候，最常聽到的拒絕理由有三個——中文發音不夠自然、月費太貴、整合到既有 CRM 太花時間。這三件事在 5 月之後同時鬆動。

Pathors 整理了40 個亞太區採購團隊在 2026 Q1 的評估結論：傳統美系平台對 Taiwan 國語腔調 word error rate 落在 12-18%，每 10 通電話就有 2 通讓客戶覺得 AI 在自言自語。GPT-Realtime-2 的中文表現明顯更好，台灣團隊的內部 A/B 測試已經把 WER 壓到 6% 以下。

第二個變化是定價邏輯。過去美系 SaaS 動輒 500–2,000 美元起跳的月最低消費把中小企業擋在門外，純 API 計費讓 30 人公司也能用「先做 50 通試水溫」的方式進場。

第三個變化是工具呼叫的成熟。一個 AI 客服真正能上崗，關鍵不在「能不能講話」，而在「能不能查 ERP / 看訂單 / 改預約 / 寫入 CRM」。這跟我們之前在ERP 串接的文章裡談的文件鏈邏輯一樣，只是把入口從表單換成了電話。

GPT-Realtime-2 真的能講聽得懂的中文嗎

這題我直接給你結論：在標準國語場景下，沒問題；在台語 / 客語 / 強烈口音場景下，仍然會破功。

Build Fast with AI 整理的GPT-Realtime-2 評測提到，新模型在 70 多種語言的轉錄與翻譯任務上都有顯著提升，但「越偏離主流標準腔的語料表現越脆弱」這個事實沒變。

實務上，我們建議客戶先用 GPT-Realtime-2 做「白天高峰時段的第一線過濾」，把確定能處理的 60% 通話接住，剩下 40% 自動轉接人工。這比一開始就妄想 100% 替代更務實。

中小企業最值得先導入的 6 個語音場景

不是每個產業都該搶第一批。我們列了 6 個「ROI 最快」的場景，老闆可以對照自己的業務看哪個吻合。

預約 / 訂位 / 報名第一線

美髮、診所、餐廳、健身房、補習班。電話進來九成是「想約 X 月 X 日 X 時」這種結構化需求，AI 處理得比真人還快，下班後也接得起來。

簡單報價諮詢

傳產接單電話最怕「問完價就掛」的 70% 流量。AI 可以先用標準題庫過濾完，再把高意願客戶轉給業務。這部分跟秒發報價系統組合使用，能把報價回應時間從 30 分鐘壓到 90 秒。

訂單狀態查詢 / 物流追蹤

「我的單子寄出了嗎？」這類客服電話往往佔總量 30–40%，但每通的處理價值很低。AI 直接查 ERP 報告物流節點，省下大量真人時間。

會員方案說明與升降級

SaaS、訂閱制服務、會員制電商。AI 可以講清楚每個方案差異、計算客戶現在用量該不該升級，比新進客服還準。

跨語言接待（中英、中日、中越）

觀光旅宿、跨境電商、外籍勞工服務。GPT-Realtime-Translate 每分鐘 0.034 美元，等於請了一個 24 小時的口譯助理。

夜間 / 假日緊急轉接

工廠維修、IT 服務、物業管理。AI 先收 case、確認嚴重度、判斷該不該直接 call 值班，比語音信箱有用 10 倍。

真實導入成本拆解：月費、開發、維運

光看 API 報價會誤判成本。一個能真正上線的 AI 語音客服，要加上開發費、整合費、維運費。我們把過去半年實際接過的 3 個案子數字攤開：

如果你想對照其他 AI 採購情境，可以同時參考自架 AI vs API 訂閱 vs SaaS 三選一決策樹，那篇有 3 年 TCO 試算可以一併拉出來看。

找外包做 AI 語音客服必看的 5 個合約條款

我們在軟體外包 9 個雷講過一般軟體合約該防的東西。AI 語音這塊還有 5 條是專屬的：

通話錄音 / 文字稿的儲存與使用權

AI 接電話會產生大量逐字稿，合約一定要寫清楚這份資料屬於誰、能不能拿去訓練模型、保留多久。一個常見的雷是供應商在條款裡塞「資料可用於模型優化」，等於免費把客戶資料拿去訓練。

模型撤回 / 升級時的銜接義務

OpenAI 隨時可能把 GPT-Realtime-2 升級成 3、或退役舊版本。合約要明寫「供應商必須在 X 天內完成新模型銜接，不另收費」，不然你會被吃豆腐。

WER（字錯率）和 CSAT（客戶滿意度）SLA

一定要寫量化指標。WER 不能超過 8%、CSAT 不能低於 4.0、call resolution rate 不能低於 60%。沒達標扣費或重做，這比「按月付費」型合約硬得多。

中文發音資料集的特殊處理

如果有台語、客語、強口音的需求，要在合約裡寫死供應商要提供多少筆本地化訓練語料、要做多少輪人工標註。

資料落地與個資法合規

OpenAI 預設把資料送到美國 server。如果你的客戶涉及醫療、金融、政府標案，合約要寫資料是否需要落地台灣、是否要走 Azure OpenAI 改走台灣機房。

自架 vs SaaS vs 客製化開發三選一決策樹

這張決策樹背後的邏輯很簡單——電話量決定要不要做、資料敏感度決定能不能用公雲 SaaS、有沒有 AI 工程師決定能不能自架。

業界 AI 語音客服導入的觀察中，大約 60% 的中小企業落在「半客製化」這條路。原因是中小企業既不想把客服資料丟給陌生 SaaS，又養不起一個專職 AI 工程師。

三個月 PoC 行動清單

評估完還是要動手才知道。下面是我們建議客戶跑的 3 個月 PoC 節點，照這個順序走，失敗成本最低：

• Week 1–2：選 1 個最痛的場景（多半是預約或訂單查詢）、撈過去 3 個月 100 通真人通話的文字稿做 baseline
• Week 3–4：拿 baseline 跑 GPT-Realtime-2 模擬，算 WER、call resolution、平均處理時間
• Week 5–8：上線到一條測試專線，每天放 20–50 通真實電話進來，每天看 dashboard 修 prompt
• Week 9–10：把第二個場景加進來（例如把預約擴張到「預約 + 改期 + 取消」）
• Week 11–12：算總 TCO、CSAT、員工接受度，決定要不要全面上線

做完 PoC 還會發現另一件事——AI 接電話這條路真正的瓶頸是「你內部 SOP 有沒有寫清楚」，模型能力反而是其次。AI 學的是你的流程，流程模糊它就鬼打牆。所以順帶會逼公司把客服 SOP 重寫一次，這個附加價值往往比 AI 本身更值錢。

PoC 期間最容易踩的 3 個雷

• 把測試流量分太散：100 通分到 10 個場景，每個場景樣本太小看不出規律。集中在 1–2 個場景才有意義
• 用「員工試打」當主要評估資料：員工會配合 AI、用詞工整，跟真實客戶差很多。真實 PSTN 流量才算數
• Prompt 改一次測一次：應該批次改完再看 24 小時 dashboard，每改一句就重測會被 daily 變動騙

還有一件很多老闆會忽略的事：AI 接電話之後，原本接電話的真人客服要做什麼？這題沒想清楚會在第二個月引爆組織問題。我們建議把節省下來的人力轉去「主動 outbound」——做客戶回訪、舊客喚回、合約續約。inbound AI 接、outbound 真人打，組合起來公司營收會比純減人事費漂亮得多。

常見問題

下一步：想真的動，從這裡開始

如果你看完還是不確定自己公司適不適合，建議三條路：

• 先做免費評估——我們可以幫你抓 100 通真人客服錄音跑模擬，給一份「能用 / 部分能用 / 不適合」的報告，看：AI 系統客製化開發服務
• 如果你的需求是把報價也自動化，可以一併看：秒發報價系統
• 如果先想多看一些案例，中小企業 AI ROI 5 個場景 跟 金屬加工廠 AI 報價系統實戰 這兩篇可以一起看，能幫你抓到合理的 ROI 預期。

AI 語音 Agent 的目的是讓你的客服在白天能多接 3 倍電話、晚上不漏接、員工把時間花在難題上，從來都不是要把客服全砍掉。先選一個場景做 PoC，三個月之後再決定要不要擴張。