先分清楚：这是通路选择，不是技术高下
两者底层都是「理解使用者、查资料、执行动作」的流程，差别在入口。语音客服活在电话里：即时、免打字、对长辈与行动中的使用者友善，但每一秒都在计费、听错就要重来。文字机器人活在网站与 LINE 里：可以慢慢回、可以贴连结图文、对话纪录天然留存，但接触不到只打电话的客群。所以第一个问题永远是：你的客户现在都从哪里来？
AI 语音客服与文字客服机器人的差别
语音与文字客服的差别不是技术高下，是通路差异：你的客户习惯打电话，还是习惯用 LINE 与网站？选错通路，再强的 AI 也接不到人。本页把两者的成本结构、失败模式与量测方式摊开比较。
| 面向 | AI 语音客服（电话） | 文字客服机器人（网站／LINE） |
|---|---|---|
| 互动通路 | 电话进线与外拨 | 网站对话框、LINE 官方账号 |
| 典型使用者 | 习惯打电话的客群、开车或不便打字的情境 | 习惯传消息的客群、可非同步往返 |
| 成本结构 | 建置＋电信线路＋语音辨识合成＋模型用量 | 建置＋模型用量（少了电信与语音层） |
| 整合需求 | PBX／SIP、代表号、录音政策、并发容量 | 网站或 LINE 入口、知识库、后端 API |
| 主要失败模式 | 辨识错误、噪音口音、通话中断 | 意图误判、模型幻觉、答非所问 |
| 量测指标 | 接通与完成率、栏位取得率、转人工率 | 解决率、对话轮次、转人工率 |
| 隼讯起价 | 需求与环境盘点后报价 | TWD 30,000 专案起（AI 客服 MVP） |
成本结构差在哪？
文字机器人的成本结构比较单纯：一次性建置加上模型 API 用量。语音客服在这之上多了三层：电信层（号码月租、通话分钟）、语音层（辨识与合成按音讯计费）、以及并发容量（尖峰同时来电数决定线路与运算配置）。这也是为什么我们的文字客服 MVP 有公开起价（TWD 30,000），语音专案却坚持先盘点环境再报价——没看过 PBX、并发与录音需求就报的价格，多半不含你真正需要的范围。
失败模式不同，安全网设计也不同
文字机器人的主要风险是理解层面：意图误判、模型幻觉、答非所问——补救靠知识库品质、回答限制与转真人机制。语音客服除了这些，还多了声音层面的风险：辨识错误、背景噪音、口音、通话中断。所以语音流程必须设计重述确认（重要栏位让使用者确认一次）、低信心转人工、断线后的状态保存。评估厂商时，直接问「听错的时候会发生什么事」，答不清楚的展示都只是理想情境。
怎么选：从客群行为回推，不从技术出发
判断方式很务实：翻你现在的客服纪录。进线电话占大宗、客群偏好口语沟通（例如在地服务、年长客群）——语音优先；询问集中在 LINE 与网站表单、问题适合图文回覆（例如电商、预约服务）——文字优先；两边都有量，先做量大的那一边，验证流程后再扩充另一边。预算有限时，文字机器人是比较低门槛的起点，因为少了电信与语音层的复杂度。
两者并用：共用后端，通路只是入口
成熟的架构是把语音与文字当成同一套系统的两个入口：知识库共用（维护一份）、后端动作共用（查订单、建工单、转人工走同一套 API）、对话策略依通路调整（语音要简短口语、文字可以贴连结）。我们公开的 GoGoCha 案例就是这个思路——电话、网站、LINE 三个入口接到同一套派单后端。先做哪个入口都可以，重点是后端设计时就预留多通路，避免之后重做。
常见问题
可以先做文字客服，之后再加语音吗？
可以，这也是常见路径。知识库与后端 API 可以直接沿用，语音阶段新增的是电话集成与语音处理层。前提是文字阶段的后端有预留扩充空间——这点在第一次规划时就要提出来。
语音跟文字，哪个建置比较便宜？
文字。语音多了电信、语音辨识合成与并发容量三层成本，持续费用也较高（通话分钟与音讯处理都计量）。这是通路价值的代价：有些客群就是只打电话。
LINE 上可以做语音客服吗？
常见做法是 LINE 走文字机器人（可含语音消息的辨识），即时语音对话则属于电话通路。两者可以接同一套后端，让客户自己选择习惯的入口。
两种都想做，预算怎么分配？
先做客群量大的通路并完成验证，再扩充第二通路。共用后端的架构下，第二通路的增量成本低于重新开案——所以顺序影响的是风险，不是总成本。