做電商後我越來越怕一句話：客服 AI 直接上線試試看。它答錯一次，省下的人力可能還不夠拿來處理退款、安撫客人和補救評價。

最近看到 Nubank 在 arXiv 分享的做法，倒是很像小生意該學的路線。他們先用假想客戶和模擬工具，讓客服 agent 在離線環境跑過各種情境，再決定哪個版本值得進真實 A/B test。16,000 多段模擬對話拿來比模型、推理設定和 prompt，結果模擬分數和四個正式部署版本的表現高度相關。最後經過篩選的版本，讓自助服務率多了 8.82 個百分點；另一次調整還讓交易 NPS 增加 36.69 點，沒有明顯犧牲整體滿意度。

140M 規模聽起來離我們很遠，但原理一點都不遠。小店不需要先養一個模擬團隊，可以從「收集 30 個最常出事的對話」開始：催貨、改地址、缺貨、退款、優惠券失效、情緒很差的客人。把每題的可接受答案、絕對不能承諾的話，以及何時轉真人寫清楚，讓 AI 在草稿模式先跑。

我會把上線門檻訂得很現實：它不能只回答得漂亮，還得少讓真人收拾爛攤子。先模擬再上線，表面多花一點時間，實際是在把最貴的錯誤留在沒人看見的地方。對預算有限的商家，這往往比追最新模型更有 CP 值。