滴滴出行（DiDi）近期與 AWS 合作，為其國際事業部（IBG）建立了一套基於 Amazon Bedrock 的智慧客服質檢（QA）系統。這項合作主要針對拉丁美洲等海外市場，涵蓋西班牙語與葡萄牙語，應用於叫車、外送及金融服務三大業務線。長期以來，滴滴依賴第三方的外包解決方案來處理每月龐大的客服工單，但過去的系統存在「黑箱作業」的問題，透明度不足且難以根據業務需求彈性調整，導致意圖識別的準確率僅有 38%。
為了解決這些痛點，滴滴決定將技術架構轉向自主開發，利用 Amazon Bedrock 提供的基礎模型能力，建構出包含「意圖驗證」、「合規評估」以及「客戶聲音（VOC）分析」三大核心管線的系統。這套系統最關鍵的設計在於「精確的上下文管理」，確保模型在處理每一通電話或每一則對話訊息時，都能接收到最精準的業務背景資訊。根據實際生產環境的驗證，這套新系統將意圖識別準確率從原本不及四成的水準，大幅拉升至 86%；合規性評分準確率更是超過了 90%。此外，過去需要人工耗費數小時整理的客戶聲音摘要，現在僅需幾分鐘即可完成。
這項發展對產業具備高度參考價值。首先，它展示了企業如何從單純的「模型使用者」轉變為「系統建構者」。透過 Amazon Bedrock 這類平台，企業能快速整合多種大型語言模型，並在確保資料隱私與透明度的前提下，開發出符合自身邏輯的 AI 應用。對客服產業而言，這代表傳統仰賴大量人力的質檢流程正被高效的自動化系統取代，且這種系統能跨越語言障礙，處理複雜的多國語言環境。
最值得關注的是，這項案例說明了生成式 AI 在處理特定業務邏輯時，不再只是回答問題的聊天機器人，而是能深入核心流程的生產力工具。滴滴的成功不僅在於技術轉型，更在於透過 AI 強化了與用戶之間的信任。當客服系統能更精確地理解用戶需求，並縮短問題回饋的時間，品牌的競爭力便能轉化為真實的用戶留存率。對於正考慮進行數位轉型或海外擴張的台灣企業來說，如何將 AI 技術落實於垂直領域的細節中，滴滴的經驗提供了非常務實的藍圖。