解析：
人工成本：600 x 50 = 30,000 元/月。API 成本：600 x 2000 / 1000 x 0.8 = 960 元/月。每月節省：30,000 - 960 = 29,040 元。回收期：200,000 / 29,040 ≈ 6.9 個月，約 7 個月。
你跟客服機器人對話時，它怎麼理解你的意圖並接話？ 你可以把 對話系統 想成一個會理解意圖、再組織回應的對話引擎。 它其實就是先判斷你在問什麼，再決定要回答、追問，還是幫你完成任務。 對話系統是一種能與人類進行自然語言互動的AI系統，目標是理解使用者意圖並提供適當的回應，完成特定任務或提供資訊。如果少了這個中介，聊天機器人很容易只會接詞，不會接意圖。
容易混淆
vs 傳統搜尋引擎 搜尋引擎像一本巨大的百科全書，你輸入關鍵字它給你一堆連結；對話系統則像一個會回答問題的專家，直接給你精準的答案，甚至能跟你來回互動。
聊天機器人 vs 對話式人工智慧 聊天機器人 比較像同一類問題裡的近鄰參考，對話式人工智慧 則更像把資料或結構往更深一層整理，兩者的用法不一樣。
最關鍵的區別： 先看它是在做「理解、生成、分組、保護」哪一件事，再看細節。
記住這句就好
先懂意圖，再決定下一句怎麼回
實際案例
案例一：對話系統 做客服問答 使用者只打「我要改地址」，系統先判斷是訂單、收件資訊還是帳號設定，再把流程接下去。
案例二：對話系統 做訂票助理 當使用者說「下週五晚上」又補一句「台北到台中」，系統要把時間、地點和任務一起整理好。
深入了解
對話系統通常由理解、管理和生成三部分串起來 它不只是回一句話，而是要根據上下文持續判斷任務是否已完成 使用者一句話裡若有缺漏，系統還要學會追問或補齊資訊
對話系統 真正重要的，不是名詞本身，而是它幫你解決的是哪一類問題。
情境判斷
Q1（直覺題）： 客服機器人收到一句不完整的話，第一步通常是什麼？ → 先判斷使用者想做什麼，也就是先抓意圖，再決定怎麼接話。
Q2（判斷題）： 只要模型會回話，就算對話系統做得好嗎？ → 不一定，還要看它能不能維持上下文、完成任務、在模糊輸入時追問補齊資訊。
常見問題
對話系統如何理解使用者的意圖？
對話系統通常使用自然語言理解（NLU）技術來理解使用者的意圖。NLU模組會分析使用者的輸入，提取關鍵詞、短語和語法結構，並將其映射到預定義的意圖和實體。常用的NLU技術包括基於規則的方法、基於統計的方法和基於深度學習的方法。
對話系統如何處理模糊或不完整的輸入？
對話系統可以使用多種策略來處理模糊或不完整的輸入。例如，它可以詢問使用者更多資訊，使用上下文資訊來推斷使用者的意圖，或者提供多個選項供使用者選擇。此外，一些對話系統還可以使用容錯機制來處理拼寫錯誤或語法錯誤。
如何評估對話系統的性能？
評估對話系統的性能可以使用多種指標，包括：意圖識別準確率、實體提取準確率、對話成功率、使用者滿意度等。此外，還可以通過人工評估來評估對話系統的自然性、流暢性和有用性。常用的評估方法包括：使用者測試、專家評估和自動評估。
範例考題
某機構計畫導入生成式 AI 旅遊資訊服務對話系統自動生成多語言對話。目前每月需人工翻譯 600 則訊息，每則成本 50 元；若改用 ChatGPT API，每則訊息需 2000 Tokens，而 Token 成本 0.8 元/1000 Tokens，但需額外投入系統整合費用 20 萬元。關於投資報酬率（Return on Investment, ROI）評估，下列何者最為正確？
- A. 每月節省成本 29,040 元，系統整合成本約 7 個月回收 ✓ 正確答案
- B. 每月節省成本 30,000 元，系統整合成本約 7 個月回收
- C. 每月節省成本 28,040 元，系統整合成本約 8 個月回收
- D. 每月節省成本 25,000 元，系統整合成本約 8 個月回收