原文標題：How we solve 22,000 support tickets every month with ElevenAgents

ElevenLabs 於 10 月 14 日公開其內部 ElevenAgents 客服系統運作經驗。公司表示，系統每月處理超過 22,000 件客服支援案件，能處理文字、螢幕截圖與 PDF，並與既有客服工單平台整合，查詢帳號資訊、執行授權操作，以及在需要時轉交人工支援。

根據 ElevenLabs 自行公布的上月數據，AI 客服代理有 65% 的案件從開始到結束自行解決，平均首次回應時間約 60 秒，低於過去以小時計算的等待時間。公司另表示，AI 處理的對話有 70% 獲得使用者正面評價。這些數字是該公司的實際部署案例，不應直接推論其他企業導入後能達到相同成效。

在架構上，團隊將原有的客服標準作業程序（SOP）轉成 ElevenAgents Procedures。退款等重要操作透過 Structured Procedures 約束步驟，並用 Webhook 工具查詢訂閱方案、額度與使用者持有的語音資料。這種設計將可重複執行的規則與即時帳戶資料整合到代理流程。

為了改善回覆品質，ElevenLabs 依電子郵件、語音等通路設定不同回覆方式，並使用約 50 種常見客服情境進行模擬測試。團隊在正式上線前先使用 Shadow Mode 觀察代理對真實工單的可能反應，再逐步部署。

官方也介紹 Architect 可分析工單卡關原因、找出知識庫或流程缺口，提出調整建議並產生新的模擬測試，降低修改客服代理後引入回歸問題的機率。公司強調仍保留人工團隊處理政策、流程及升級案件。

發生了什麼事

ElevenLabs 分享 ElevenAgents 內部客服成果，公布每月案件量、AI 自行解決比例與首次回應時間。

為什麼重要

案例展示代理式 AI 不是單靠模型回答問題，而是結合 SOP、工具權限、測試與人工升級機制才能支援企業流程。

影響哪些人

企業客服、資訊部門、AI 代理開發團隊及評估客服自動化成效的管理者，可參考其部署與測試方式。

已確認與未確認

所有績效數字均為 ElevenLabs 自述，官方未提供可獨立稽核的完整資料集、跨產業比較或所有案件類型的分項結果。