Lyft 如何讓 87% 的客服時間消失？揭開 Lyft 的 Intent Agent 數據讀心術
-
DIGITIMES
/
台北
- 2025-12-15 00:00:00
當司機在深夜詢問「我的收入怎麼沒顯示？」，傳統客服系統會回答「讓我幫您查詢」，但 Lyft 的人工智慧 (Artificial Intelligence, AI) 代理已經讀完後端數據，知道這位司機剛完成三趟行程，並且準備好解決方案。這不是科幻情節，而是 Lyft 在 AWS re:Invent 2025 大會上展示的真實成果：平均解決時間減少 87%，超過半數問題在三分鐘內解決，70% 司機增加使用 AI 代理。
這場客服革命的核心，是 Lyft 稱為「Intent Agent」的代理式 AI 系統——它不只回答問題，更能主動理解意圖、讀取數據、協調解決。
從被動回應到主動洞察的典範轉移
傳統客服系統的運作邏輯是「接收問題→查詢系統→提供答案」，每個環節都需要人工介入或多輪對話確認。當司機或乘客提出問題時，客服人員需要在多個系統間切換、手動搜尋資訊、理解上下文，才能給出答案。這個流程不僅耗時，更容易因為資訊不完整而延長解決時間。
Lyft 透過
Amazon Bedrock 部署的 Intent Agent 改寫了這個劇本。這個 AI 代理使用 Anthropic 的 Claude 模型，具備理解自然語言、讀取後端數據、主動推理的能力。當司機提出問題時，Intent Agent 不需要逐步詢問細節，而是直接存取相關系統數據——行程記錄、收入狀態、帳戶資訊——在理解問題的同時已經掌握解決問題所需的所有背景資訊。
這種從「被動查詢」到「主動洞察」的轉變，正是代理式 AI 與傳統自動化的本質差異。
三分鐘解決問題背後的技術架構
Lyft 選擇透過
Amazon Bedrock 建構 Intent Agent，這個決策背後有清晰的技術考量。
Amazon Bedrock 是全代管的 AI 平台，提供來自領先 AI 公司的高效能基礎模型，並具備安全性、隱私保護、負責任 AI 的企業級功能。
Lyft 的 Intent Agent 利用 Anthropic Claude 模型處理司機和乘客的詢問。這個模型不只理解問題的字面意思，更能解析背後的意圖——當司機說「我的收入沒顯示」，系統理解這不只是技術問題的回報，更可能涉及行程結算、付款流程、帳戶狀態等多個面向。
在理解意圖的同時，Intent Agent 主動讀取後端數據。這個能力讓 AI 代理從「對話機器人」進化為「問題解決者」——它不需要詢問「您最近有完成行程嗎？」「收入顯示是在哪個頁面？」這些確認性問題，而是直接看到司機剛完成三趟行程、系統正在處理結算，並且能夠協助解決相關問題。
87% 時間消失的真實意義
Lyft 在 AWS re:Invent 2025 的發表中揭示了具體成果：平均解決時間減少 87%，這個數字代表的不只是效率提升，更是客戶體驗的質變。
當超過半數問題能在三分鐘內解決，司機不需要在路邊等待客服回應、乘客不需要在 App 中反覆查詢，問題在提出的當下就得到處理。這種即時性對共享經濟平台至關重要——每一分鐘的等待都可能影響司機的收入、乘客的行程。
更值得關注的是 70% 司機增加使用 AI 代理這個數據。這代表 Intent Agent 不只是技術展示，而是真正獲得使用者信任的工具。當司機願意主動使用 AI 代理而非傳統客服管道，證明系統提供的解決方案確實有效、可靠。
Lyft 的成功案例被視為企業 AI 代理從概念驗證邁向可測量商業影響的真實驗證。這不是實驗室裡的完美測試，而是每天處理數萬次真實詢問的生產環境成果。
從概念驗證到商業影響的關鍵路徑
Lyft 與 AWS 的合作獲得
AWS Generative AI Innovation Center 的支援。這個創新中心協助企業加速 AI 應用開發，提供從技術架構設計到實際部署的專業指導。
對 Lyft 而言，選擇代理式 AI 而非傳統聊天機器人或規則式自動化，是基於對客服本質的重新思考。客服的核心價值不在於「回答問題」，而在於「解決問題」。Intent Agent 的設計理念正是圍繞這個洞察——讓 AI 具備理解意圖、存取數據、協調系統的能力，才能真正解決問題而非只是回應查詢。
這個轉變帶來的不只是效率提升。當 AI 代理能夠處理大量常見問題時，真人客服團隊得以專注於更複雜的情境、建立更深層的客戶關係。Lyft 展示了代理式 AI 如何實現「人機協作」而非「人機替代」的願景。
代理式 AI 時代的企業啟示
Lyft 的 Intent Agent 案例揭示了代理式 AI 在企業應用的三個關鍵要素：
第一，問題理解能力。AI 代理需要理解的不只是字面問題，更是背後的意圖與情境。Anthropic Claude 模型透過
Amazon Bedrock 提供的自然語言理解能力，讓 Intent Agent 能夠解析複雜的客服詢問。
第二，數據存取能力。主動讀取後端數據是 Intent Agent 的關鍵特性。這需要安全的系統整合、適當的權限控制、即時的數據處理——
Amazon Bedrock 的企業級安全性與隱私保護功能在此發揮作用。
第三，可測量的商業成果。Lyft 不只展示技術可行性，更證明了明確的投資報酬——87% 時間減少、70% 使用增加、三分鐘內解決過半問題。這些數據讓代理式 AI 從「創新實驗」轉變為「業務必需」。
當企業思考如何部署代理式 AI 時，Lyft 的經驗提供了清晰的參考路徑：從真實業務痛點出發、選擇適合的基礎模型平台、設計以問題解決為核心的系統架構、持續追蹤可測量的業務成果。
下一個三分鐘革命在哪裡
Lyft 在客服領域的突破只是代理式 AI 浪潮的開端。當 AI 代理能夠理解意圖、讀取數據、協調系統時，這個能力可以延伸到供應鏈管理、財務分析、人力資源、產品開發等各個領域。
關鍵在於重新思考「自動化」的定義。過去我們追求的是「讓機器執行重複性任務」，現在我們追求的是「讓 AI 理解問題並找到解決方案」。這個轉變需要的不只是更強大的模型，更需要企業級的 AI 平台——提供安全性、可擴展性、整合能力。
Amazon Bedrock 正是為這個需求而設計。它讓企業能夠像 Lyft 一樣，專注於設計解決業務問題的 AI 代理，而不需要從零建構 AI 基礎設施。當技術門檻降低、部署時間縮短、成果可測量時，代理式 AI 就能從少數先行者的實驗，轉變為各行各業的標準配備。
下一個讓 87% 時間消失的故事，或許就發生在您的企業中。
聯絡 AWS
想了解如何將代理式 AI 應用於您的業務場景？AWS 團隊隨時準備協助您探索最適合的解決方案，從技術架構規劃到實際部署，讓 AI 代理為您的客戶體驗帶來突破性改變。
無法去拉斯維加斯親自體驗？歡迎報名參與Best of AWS re:Invent (AWS 雲端科技發表會) 線上參與，一樣精彩！
https://go.aws/48uR2Tx參考資料
AWS 服務
新聞來源
