AI 工作實務
餐廳電話一直響,客人卻訂不到位?餐飲業 AI 導入如何接住漏接訂位、減少爽約與人力浪費
餐廳電話漏接,AI 語音訂位能接住多少?從來電盤點、訂位系統寫入確認、真人轉接、防爽約到用毛利估算效益,拆解餐飲業 AI 導入的驗收重點。

本文目錄
重點速覽:導入前先釐清的六件事餐廳電話一直響,問題卻不只是沒有人接先做 7 天電話盤點,才能知道值不值得買 AI訂位成功只有一種定義:權威系統已經確認寫入餐廳訂位與餐點預訂,系統架構不能照抄哪些情況一定要轉給真人?防爽約不是靠 AI 主動打電話就一定有效一套讓店長看得懂的 ROI 試算餐飲 AI Agent 的 4 週導入驗證現成產品、客製整合與自建,該怎麼選?餐飲 AI 導入 FAQ附錄:一通電話經過 AI 後,真正的驗收路徑兩個門市的比較,不能直接套用同一種成本模型以「顧客可感受的品質」驗收,而不是只看語音模型指標營運資料如何回饋菜單與排班,但不把 AI 變成萬用顧問?交付驗收清單:門市主管要親自抽查什麼?來源與說明延伸閱讀與企業實作餐廳電話漏接,AI 語音訂位能接住多少?從來電盤點、訂位系統寫入確認、真人轉接、防爽約到用毛利估算效益,拆解餐飲業 AI 導入的驗收重點。
尖峰時段電話一直響,店員忙著帶位、出餐,漏接的可能就是一組訂位。AI 語音訂位能補上這個缺口,但「接起電話」不等於「訂位成功」。本文從 7 天來電盤點開始,說明如何確認訂位真的寫進系統、哪些情況必須轉給真人、怎麼處理爽約,以及如何用毛利而不是營收估算效益。
重點速覽:導入前先釐清的六件事
來電不是等於訂位
漏接來電可能是外帶、營業時間詢問、客訴、供應商或訂位;不能把所有未接電話都乘客單價當損失。先分類原因,才能估算真實可挽回機會。
訂位系統需要一個可信的狀態
座位數、可併桌規則、用餐時長、特殊需求與候位邏輯都必須以訂位系統作為權威資料;AI 對話若未完成寫入,不得告訴客人訂位成功。
人工轉接不可省略
過敏資訊、特殊宴會、多人訂位、口音誤辨、客訴及系統故障都應有清楚轉人工流程。要防止重複訂位和同桌位過售。
AI 語音代理人的五層架構
話務與 SIP/門號、語音辨識與合成、對話狀態管理、訂位 API、稽核與人工接管。採用市話、網路電話或雲端代理人的部署方式不同,必須確認電話轉接、錄音告知與個資處理條件。
先從觀察再到寫入
試點先分析來電類別與漏接原因,再由 AI 提供可查詢的空位,通過驗證後才開放正式下訂;每筆訂位需回傳單號並能取消、修改、稽核。
用毛利而不是營收估 ROI
計算可挽回有效訂位的實際到店率、桌次毛利與系統費用;若部分顧客本來會改由網路完成訂位,要扣除原有替代管道。

餐廳電話一直響,問題卻不只是沒有人接
週五晚上,外場同仁正安排入座、結帳與協助上菜,代表號電話響了幾次無人接聽。經營者可能直覺認為「每通漏接電話都等於流失訂位」,但實際上來電可能是問營業時間、停車資訊、外帶餐點、客訴、供應商或找員工。如果把所有未接來電都乘以平均客單價,估出來的營收損失就會高得不可信。真正值得改善的是:在客人有訂位意圖、餐廳有可售桌位、也能接待的情況下,因為沒接起電話或流程斷裂而流失的有效訂位機會。
本文不把 AI 語音助理當成一個會說話的電話機,而是分析餐廳從來電、意圖辨識、查詢空位、登記訂位、傳送確認、到店核銷、變更取消與人工接管的整條資料流程。餐飲現場的人力成本很難只靠「減少接電話」衡量;若 AI 讓人員減少中斷、提高訂位正確性與尖峰服務品質,價值可能落在更穩定的營運,而不只是少排一名員工。
2026 年 9 月,台灣大哥大公布與三商餐飲的 AI 語音接單概念驗證合作,描述使用語音、AI Agent 與簡訊串接來電訂餐與確認。[1] 這是供應商發布的特定案例,不能直接推論所有餐廳可用相同成本達到同等結果;而且「訂餐」與「訂位」的後端資料模型不同,不能混為一談。餐廳若希望 AI 承接訂位,必須更嚴格處理時間、桌次、同行人數、預留時長與訂位狀態。
先做 7 天電話盤點,才能知道值不值得買 AI
最小盤點不必馬上錄下所有通話。可以先從電話系統的來電時間、已接與未接狀態、尖峰時段、是否轉接,以及人工可安全紀錄的來電目的開始;若需要處理錄音或語音資料,必須先審查告知、個資、保存期間與資料使用範圍。店長應同時觀察訂位系統的可售桌次與候位紀錄,才能判斷未接的電話是否有真實承接空間。
例如假設某餐廳一週有 420 通來電,其中 50 通未接。經後續分類與抽樣追蹤,只有 18 通可能與訂位有關,而當中又只有 10 通對應可售時段;剩餘客人可能已有網路訂位或改期。這些都是教學數字,不能當成一般餐廳平均值。即使 AI 能接起全部 50 通,也不能直接宣稱挽回 50 筆訂位。要避免高估,還應排除原本就會透過線上訂位完成的顧客,並觀察真正到店、未取消及每桌實現的貢獻。
建議以「漏接率」「有訂位意圖來電比例」「可承接空位」「訂位完成率」「到店率」「取消與爽約率」「人工覆核工時」建立基線。沒有可售桌次的餐廳,增加接電話不會憑空創造桌位;真正瓶頸可能是候位通知、用餐時長或桌位組合。先看資料,可以避免買到功能很多卻不解決主要問題的系統。

訂位成功只有一種定義:權威系統已經確認寫入
語音助理在電話裡說「好的,已為您預訂」,不代表訂位真的成功。系統可能尚未接收到資料、時間被辨識錯誤、桌位已被其他通路占用,或者訂位 API 在最後一步逾時。AI 應在取得訂位系統成功回應與唯一訂位編號後,才對客人確認;若寫入結果不明,應表示正在查詢或轉交人工,不能猜測成功狀態。
實作上,可把訂位流程拆成查詢空位、暫留、收集必要資料、最終提交與回傳確認。暫留只代表一段短時間的保留,不等於正式預約。客人如果中途改變時間或人數,原有暫留要正確釋放或重新驗證。當客人說「我們可能會多兩位」,系統不能因為原有四人桌可以訂,就直接承諾六人座位。對輪椅座位、兒童椅、包廂、寵物或特殊活動等需求,也要先確認店內政策與實際配置。
防止重複訂位,要管理的不只是對話
語音服務和訂位 API 之間可能發生網路重試。若第一次提交已成功,只是回應封包遺失,第二次直接重送可能建立兩筆相同訂位。建議每次正式提交帶有 idempotency_key,讓後端可辨認同一個操作,並且在查詢結果不明時先查原狀態,而不是盲目重送。訂位資料應保留請求時間、客人確認的資訊、系統回應、修改與取消紀錄。這能減少客服糾紛,也讓門市在 AI 停用後仍可接手。
| 訂位狀態 | 系統應做的事 | 對顧客的說法 |
|---|---|---|
| 查詢中 | 讀取指定時段可售容量 | 「我先查詢可訂時段」 |
| 暫留中 | 保留限時席位 | 「正在為您保留,尚未完成」 |
| 已確認 | 已取得成功回執與編號 | 「訂位完成,編號為……」 |
| 狀態未知 | 查詢回執/轉人工 | 「目前無法確認,請不要重複預訂」 |
| 已取消 | 保留取消紀錄與通知 | 「已完成取消」 |
這個狀態表看似簡單,卻是 AI 訂位和只會聊天的語音機器人之間的重要分野。門市、網站、第三方訂位平台若同時接收預約,更需要定義單一權威庫存或可同步的容量控制,否則每一個介面各自顯示空位,最終可能產生超賣。
餐廳訂位與餐點預訂,系統架構不能照抄
餐點預訂主要涉及菜單、品項、口味、數量、價格、取餐時間、付款與庫存;訂位則涉及日期、時段、桌位、可併桌規則、同行人數、用餐時間、取消條件與特殊需求。兩者可共用電話入口與語音基礎,但不能共用完全相同的交易驗證。若同一支電話同時服務兩種需求,AI 必須先辨識意圖,再選擇對應流程,避免把「訂明天晚上四份餐」誤當成四人訂位。
核心架構可以分成五層:第一層是電話線路、SIP/PBX 或雲端話務平台;第二層負責語音辨識、合成與中斷處理;第三層管理對話狀態與工具呼叫;第四層透過受控 API 查詢並更新訂位系統;第五層負責紀錄、監測、人工轉接與資料刪除。每層都有可觀察的失敗原因,才知道客人訂不到位是因為聽錯、查不到、寫不進去,還是店內規則本身無法接待。
既有市話或類比電話若要串接 VoIP,可能需要對應閘道、PBX、門號轉接與電信供應商設定;不能只把 USB 麥克風插到電腦,就假定餐廳代表號能由 AI 接聽。語音識別也要考慮台語、國語、英語夾雜、周遭背景音、餐廳名稱與日期格式。例如「下禮拜三晚上七點半」需要解析為具體日期與本地時區,並回讀給客人確認。涉及電話錄音與個資,更需要對應的告知、保護與刪除機制。
哪些情況一定要轉給真人?
人工轉接不是系統失敗的羞辱,而是負責任的營運設計。客人提到嚴重食物過敏、行動不便、特殊宴席、婚宴包場、跨多店活動、取消費爭議、客訴或付款異常時,AI 應依店家政策轉交有權決策者。若 AI 多次聽錯姓名或電話,應提供安全的文字確認管道或人工協助,而不是不斷重複詢問造成顧客挫折。
轉接時應附上客人已同意傳遞的必要摘要、目前確認的日期、人數及系統狀態,避免顧客再從頭描述。對門市而言,轉接量也不能只當成壞指標;若高風險情境都正確轉人工,代表系統遵守邊界。真正需要追蹤的是不必要轉接比例、轉接後是否完成服務,以及未處理的訂位是否持續積壓。
防爽約不是靠 AI 主動打電話就一定有效
減少爽約可以從訂位確認、行前提醒、變更取消入口、候位補位及店家政策著手。AI 可以協助以適當管道詢問客人是否保留訂位,但對於提醒頻率、通知目的、個資使用、推播或簡訊成本,仍須依相關規範與店家政策控制。過度提醒可能傷害顧客體驗,沒有充分授權的外撥也可能引發客訴。
對某些餐廳,訂金或取消規則可能比語音 AI 更直接影響爽約;但這些規則涉及消費者權益與實際商業條款,不能讓模型自行決定是否收費、扣款或修改規則。比較導入前後時,應按星期、時段、桌型與活動日區分,避免因旺季或節日效應而把所有到店率變化歸因於 AI。若 AI 提高訂位總量但也增加錯誤訂位,淨效益可能不如預期。
一套讓店長看得懂的 ROI 試算
請先把每月新增且實際到店的有效桌次與每桌可實現的邊際貢獻相乘,再扣除 AI 系統、電話、簡訊、維運、轉人工和錯誤處理成本。這裡使用「邊際貢獻」而不是營收,是因為每筆新增來客仍有食材、支付及其他變動成本。假設每月有 40 筆被 AI 承接的訂位,其中 20 筆原本會自行改用線上管道,另有 5 筆取消或未到店,真正新增到店只有 15 筆;這是示意演算,不是供應商保證。
如果每桌平均實現可用來吸收固定成本的貢獻是 NT$800,15 桌就是 NT$12,000 的月度理論新增貢獻,之後還要扣除相關系統與服務成本。若實際沒有空位、桌型不符或高峰根本客滿,AI 接更多電話也不能形成同樣增量。應按平日、假日與不同門市分別試算,檢查流量究竟被新增承接、重新分配,還是只是從別的訂位通道移過來。
同時觀察人員中斷次數、電話處理工時與顧客滿意度,因為某些效益可能難以立刻換成現金。經營者應接受「降低繁忙時段混亂」也是可觀察價值,但不能在財務報告中直接把釋出的人力分鐘當成薪資已經下降。只有排班、加班或服務能力產生實際變化時,才把相應金額計入財務成果。
餐飲 AI Agent 的 4 週導入驗證
第一週盤點通話、訂位與桌次資料,建立現有漏接與訂位完成基線,同時確認錄音、告知及客戶資料處理原則。第二週讓 AI 在模擬訂位系統執行查詢、暫留、確認、取消與轉接,特別測試重複送出與同時預訂同一桌。第三週在門市人員監督下處理有限場景,必要時僅給查詢而不寫入,保存人工覆核與錯誤原因。第四週分析真實可確認的新增訂位、實際到店、錯誤訂位、轉人工與成本,決定是否擴大時段或門市。
四週僅為試點節奏,不代表所有餐廳都能四週正式上線。若既有訂位系統沒有公開 API,還要由供應商評估合法、安全的整合方法,不宜以螢幕自動點擊假裝資料寫入具交易可靠性。對雙向電話與簡訊服務,需確認電信供應商、通訊品質、流量與月租成本。沒有通過高風險失敗案例,就應保留人工流程。
試點不能只測 AI 能不能聊天
至少用以下情境進行逐筆測試:客人指定已客滿時段、客人中途修改人數、同時有兩通電話搶同桌、預約提交後 API 逾時、第一次已成功但第二次重試、客人要求取消、不同語言說日期、客人提出過敏或包場需求、門市暫停接客、第三方訂位平台同步延遲。每筆測試要有預期狀態和最終訂位系統回執。測試通過才表示該組條件可用,不代表餐廳全年所有客人話術都已驗證。
測試初期可以先用模擬案例,依「是否有空位」「訂位系統是否回報寫入成功」等欄位,判斷結果應為「已確認」或「未確認」,藉此驗證交易狀態的基本規則。這類規則測試既不接電話,也不寫入真實訂位平台,不能當作可直接對外營運的語音訂位系統。進一步實作時,應先建立可回復的模擬 API,再由負責人核准實際串接。
現成產品、客製整合與自建,該怎麼選?
現成語音訂位 SaaS 的優點可能是部署速度與成熟的話務介面,但前提是它真的支援你現有的電話與訂位平台;客製整合適合有多門市、會員、特殊桌型或複雜營運規則者;完全自建則需要持續承擔語音品質、電信介接、資安與維運責任。比較時應使用相同的電話樣本、相同座位庫存與營運政策測試,而不是只看產品 Demo。
採購清單至少應詢問:每月包含多少來電分鐘、尖峰同時通話能力、中文及台語處理、電話號碼是否保留、API 寫入回執、資料保留與刪除、轉人工費用、故障轉接、停用與轉出流程。若廠商說可「串接所有訂位平台」,應要求具體列出已支持的 API、資料限制、實際測試與未支援情況,不應把行銷字句視為整合證明。
餐飲 AI 導入 FAQ
餐廳只有一支傳統市話,可以做嗎?
可能可以,但要先盤點電信門號、交換機與轉接方式。類比電話通常需要適當閘道或電信提供的轉接服務,且要處理斷線、轉人工與電話費率。並非購買一個聊天機器人帳號就完成市話接聽。
AI 接電話會不會訂錯日期?
有這個風險。日期應轉成具體年月日與時區,再以語音或簡訊向客人確認,最後仍須看訂位平台回執。對辨識不清、同音字與模糊時間表述,應追問或轉人工,不能讓模型自行猜測。
多門市該共用一個 AI Agent 嗎?
可以共用某些語音及系統能力,但每家門市的營業時間、可售桌次、桌型、取消政策、客人資料與管理權限必須隔離。跨店查詢和改訂需要顧客確認及正確寫入,不能讓同一模型在未獲授權時讀到其他門市敏感資訊。
AI 可以保證降低多少爽約?
不能在沒有同類型門市、相同時段的對照資料前保證數字。實際效果取決於提醒策略、取消政策、客群、天候、季節、訂位管道與門市接待能力。應先設定基線,試行後再確認真正變化。
附錄:一通電話經過 AI 後,真正的驗收路徑
客人說:「我想下週五晚上七點訂四位。」系統第一步需要確認客人的本地日期與時間,而不是把「下週五」當成一個永遠固定的日期。若來電時已過午夜,或電話從國際門號打來,解讀還可能不同。AI 應回讀具體日期、時間與人數,接著向訂位系統查詢對應門市、桌型及可售狀態。在查詢結果前,不能先說「有位子」。
假設系統查到 19:00 已滿,但 18:30 與 20:00 可訂。AI 應提供實際取得的可用時段,而不是根據「平常七點還有位」自行推薦。若客人接受 20:00,系統需要確認四位是否包含兒童、是否需要特殊設施,以及店家是否要求留電話或其他資料。資料蒐集應符合必要性原則,不因模型能問很多就要求客人提供生日、身分證或與訂位無關的資料。
當客人說「我們可能會多兩個人」,系統需要分辨「現在確定六位」和「可能六位」的不同。若系統只收到四位的確認,不得直接承諾六位;可以詢問是否先確認四位,並告知後續更改需再查可售桌位。若餐廳用併桌規則安排空間,這個決定應由既有訂位邏輯或授權人員控制,不宜讓模型自行計算任意桌型組合。
提交時訂位 API 回傳唯一 ID,系統再告訴客人完整訂位資訊與修改取消方式。若提交前網路中斷,可以保留尚未完成狀態並轉人工;若提交後回應遺失,要先用同一請求 ID 查詢是否已成立。只有確認沒有重複寫入,才可嘗試重新提交。這些交易細節通常比 AI 語音有多像真人更能避免店家賠償與顧客不滿。
兩個門市的比較,不能直接套用同一種成本模型
一家有大量平日商務午餐的餐廳,尖峰來電可能集中在 11:00 前;一家以假日晚餐為主的餐廳,主要問題可能是週五、週六短時間大量候位變更。前者若有穩定商務客群,快速確認桌次可能最重要;後者若長期客滿,接起更多電話未必增加訂位,反而需要改善候位通知與取消補位。評估 AI 時,應分門市、時段、桌型及營業模式建立基線,不應只複製總店的導入數字。
例如 A 店平均每月漏接 200 通,B 店只有 40 通;若 A 店大部分來電是外帶,B 店大部分是訂位,適合的工作流可能完全不同。同樣地,若 A 店已經使用線上訂位平台並有相當高的自然轉換,AI 電話可能只是便利的新入口,不能把所有電話訂位都視為新顧客。B 店若有傳統市話與高齡常客,可能更重視口音、轉人工與清楚的語音回讀,而非複雜的推薦功能。
以「顧客可感受的品質」驗收,而不是只看語音模型指標
辨識準確率重要,但餐廳真正的服務結果包括客人能否訂到符合需求的桌位、多久完成、是否收到正確確認,以及取消時是否順利。團隊應將來電總數、有效訂位意圖、可售時段、成功寫入、到店、取消與轉人工串成漏斗。不能把「語音接起率 99%」直接翻譯成「訂位成功率 99%」,因為兩者分母與業務意義不同。
對於顧客體驗,還要注意 AI 是否清楚告知機器人身分、發生錯誤時是否有求助管道、轉接是否丟失上下文,以及反覆確認是否過度拖長通話。可在測試中加入背景很吵、客人語速快、連續更改需求、朋友代訂、未知字詞與口音的情況。若測試發現 AI 反覆錯誤理解,應停止自動確認並轉人工,而不是繼續聊天增加通話費。
營運資料如何回饋菜單與排班,但不把 AI 變成萬用顧問?
當訂位資料與來電意圖已經穩定,門市可分析哪個時段常被問到、哪些 FAQ 重複、哪些時段有空桌、哪些特殊需求最常需要人工確認。這些資訊可以改善營業時間公告、網站常見問答、外場排班或候位安排;但若要進一步預測備料,還需要餐點銷售、季節、活動與庫存資訊。僅憑電話訂位量,通常無法可靠推算每道菜的需求,尤其外帶、臨時來客與取消都會影響實際消耗。
因此,建議把第一階段限定為「電話訂位流程可靠」,第二階段才評估顧客經營與營運分析,第三階段再看與 POS、會員、排班及備料的資料串接。每新增一個資料用途,重新檢查權限、告知、保存期限與效益,不要因為系統已經蒐集到資料,就假設可以毫無限制地拿去做其他用途。餐廳需要的是可管理、可控制的營運能力,而不是功能越多越好的單一巨型 AI。
交付驗收清單:門市主管要親自抽查什麼?
至少抽查十筆已確認訂位,逐筆核對來電對話、訂位系統的日期人數與狀態、是否收到通知,以及門市能否修改取消;再抽查五筆被轉人工的案例,確認摘要是否正確、是否包含不必要的敏感資訊。另安排尖峰同時來電、電話中斷、API 失敗與人工接管演練。若沒有真實寫入回執或測試結果無法重現,就不能把「語音對話完成」當成 AI 訂位系統正式可用的證據。
門市測試的最後一個問題:AI 停掉怎麼辦?
如果網路中斷、語音供應商服務異常,或門市臨時停止接待,代表號仍必須能採取符合營運需要的備援策略,例如導回人工、播放清楚告知或使用既有訂位管道。停用後已確認的訂位紀錄要能在原系統查到,不能因為 AI 平台關閉就失去顧客資料。店長應親自完成一次停用與重新啟用演練,並確認無法接通、錯誤轉接與資料不同步如何向顧客說明。這些是營運穩定性的核心,不是上線後才補的附加功能。
來源與說明
[1] 台灣大哥大,2026/09/07,三商餐飲 AI 語音接單 PoC 官方公告:https://corp.taiwanmobile.com/press-release/news/press_20260907_751683.html 。
[2] 台灣大哥大 OP 開市網,AI 智慧餐飲方案介紹:https://www.opbiz.tw/solutions/restaurant_ai_agent_solutions.html 。頁面功能敘述屬供應商宣稱,是否符合某餐廳須個別驗證。
[3] ECHOAi,零售/餐飲場景指標與整合要點:https://echoai.saysing.com.tw/zh/scenarios/retail 。僅作市場產品功能對照,非獨立成效證明。
全部統計與營收試算均為模擬教學。電話、錄音、通訊、個資及消費者權益請依最新適用規範由具權責人員審查。
封面主視覺為 AI 生成概念圖,內文流程圖與決策圖為原創示意資訊圖,均非真實企業或現場照片。
延伸閱讀與企業實作
一通沒接到的電話,可能就是一張訂單:AI 電話客服值得導入嗎?
服務業 AI 導入,別只算客服省多少時間:顧客等待、服務一致性與回訪才是成效
人力有限、需求每天不同,AI 排班如何兼顧營運需求與員工限制?
AI 系統停一天,公司還能接單嗎?主管如何準備人工備援與營運復原?
先做 7 天的來電盤點,帶著漏接時段與訂位系統的串接條件,與天地人評估語音訂位是否值得導入、該從哪個時段開始。 企業 AI 導入顧問|企業內訓與實作安排
本文由 TARAISG(TIANDIREN AI SOLUTION GROUP)使用 AI 模型產生正文、整理來源並設計實務工具。方法依據與限制列於文末;案例為明確標示的教學假設。未有具名紀錄時,不宣稱經人工或專家審核。
查看內容製作與更正說明