英國人想看家庭醫生，有一個很有名的痛點。
早上 8 點。
電話一開。
大家一起打。
有人排隊。
有人打不進去。
有人等了很久，最後還是不知道今天能不能看到醫生。
所以當 South Yorkshire 一些 GP 診所開始使用 AI 電話接待員 EMMA 時，這個想法其實非常合理：
既然真人一次只能接一通電話，為什麼不讓 AI 同時接很多通？
開發 EMMA 的 QuantumLoopAI 表示，這套系統就是為 NHS GP 診所設計，可以同時處理大量來電、蒐集病人的需求，再交給診所團隊處理；公司也表示，EMMA 不負責做臨床診斷或醫療決定。
聽起來，
那個最討厭的「請繼續在線等候」，
好像終於有機會消失。
結果真正上線後，
出現了一個很人類的問題。
它會很多語言，卻有人說它聽不懂自己
8 月 20 日，《Guardian》報導 Rotherham 的使用情況時指出，當地健康監督組織 Healthwatch Rotherham 收到一些居民反映，EMMA 在理解 Yorkshire 地方口音時出現問題。
開發公司則表示，EMMA 支援 17 種語言，也設計成可以處理不同口音。
這就產生了一個很奇怪的反差：
AI 可以跨語言，卻不代表它一定聽得懂同一種語言裡的每一個人。
Healthwatch Rotherham 在 7 月公布的使用者回饋中提到，一名居民因為系統一直無法理解自己的說話方式，最後乾脆掛掉電話，不再繼續嘗試預約。
Healthwatch 還特別指出，問題不只可能出現在地方口音，也可能影響有語言障礙、身心障礙，或本來就比較不熟悉數位科技的人。
這件事如果發生在 Siri，可能只是有點好笑
假設你跟手機說：
「幫我播放周杰倫。」
結果它播了一首完全不相關的歌。
你可能笑一笑。
再講一次。
不行就自己按。
但把同樣的「聽不懂」搬到醫療入口，
事情就不一樣了。
因為電話另一端的人可能不是在找歌。
他可能：
身體不舒服。
需要約醫生。
想問檢查結果。
需要處理處方。
甚至本來就因為生病而比較虛弱、焦慮，說話速度和平常不一樣。
這時候，
語音辨識錯誤不只是產品體驗不好，而可能變成「能不能順利進入醫療服務」的問題。
最容易犯的錯，是只看平均成功率
假設一套 AI 接待系統可以順利服務 100 個人中的 95 個。
95%。
看起來很漂亮。
但是剩下那 5 個是誰？
如果剛好是：
年紀最大的。
口音最重的。
有語言障礙的。
不會操作 App 的。
最不知道怎麼繞過系統找到真人的。
那麼單純說：
「95% 的人都可以使用。」
還不夠。
因為公共服務和一般 App 有一個很大的不同。
一個購物 App 不好用，
你可以換另一個。
但你的家庭醫師診所，
不一定有第二個。
真正的問題不是 AI 應不應該接電話
其實 AI 接電話有很明顯的好處。
Healthwatch Rotherham 自己也說，並不是所有人的使用經驗都不好，一些居民確實因為新系統更容易完成電話需求。EMMA 原本的目的，就是降低等待真人接聽的電話排隊。
QuantumLoopAI 也表示，EMMA 可以一次處理大量電話，讓真人櫃檯把時間留給面對面協助、照護導航，以及更需要人類判斷的事情。
所以這不是一個：
「AI 不應該進醫院。」
的故事。
真正的問題是：
AI 進了醫院之後，聽不懂的人怎麼辦？
最重要的功能，可能不是 AI 多聰明，而是「我要找真人」
QuantumLoopAI 在自己的產品說明中表示，病人任何時候如果要求真人，都可以轉給真人接待人員，而且 EMMA 不負責臨床醫療決定。
Healthwatch 給居民的建議也很直接：
如果使用 AI 有困難，
可以要求真人。
可以詢問其他聯絡方式。
必要時也可以直接到 GP 診所尋求協助。
診所對需要合理調整的病人，仍有提供適當替代方式的責任。
這其實說明了一個非常重要的 AI 設計原則：
好的 AI 不是永遠不需要人，而是知道什麼時候必須讓人進來。
AI 最難理解的，可能就是「不像平均值的人」
我們訓練 AI 時，
最容易想的是：
它對大多數人準不準？
但真實世界裡的人，
從來不是同一種模板。
有人講話很快。
有人很慢。
有人有地方口音。
有人會停頓。
有人會結巴。
有人因為生病喘得厲害。
有人中文裡面夾英文。
有人根本不知道該怎麼把自己的需求整理成一句完整的話。
這些人不是：
「例外資料。」
他們就是現實世界的一部分。
就像一間飯店請了一名會 17 種語言的櫃檯
想像一家飯店請了一個超厲害的新櫃檯。
會很多種語言。
24 小時不累。
同時可以服務很多客人。
效率比以前高很多。
結果住在飯店隔壁 40 年的阿伯走進來，
用當地腔講一句英文。
櫃檯卻一直回答：
「我不明白。」
那麼真正該問的就不是：
「這個櫃檯會幾種語言？」
而是：
「它到底能不能服務真正會走進這間飯店的人？」
AI 也是一樣。
Benchmark 很高，不等於服務真的好
AI 公司很喜歡公布：
準確率。
支援語言數。
回應速度。
一次可以處理多少工作。
這些都重要。
但 AI 真正走進醫療、政府、銀行、教育之後，
還需要另一組問題：
老人能不能用？
有障礙的人能不能用？
地方口音能不能用？
聽不懂時能不能立刻找真人？
失敗一次之後，使用者知不知道下一步怎麼辦？
最需要服務的人，有沒有反而被擋在門外？
英國 Healthwatch 在今年更廣泛的醫療報告裡也提醒，數位醫療可以讓部分人更方便，但數位排除與系統整合不佳，也可能造成不平等的醫療入口。
這才是 AI 真正進入日常生活之後的大考
AI 在 Demo 裡，
通常遇到的是：
清楚的問題。
乾淨的聲音。
明確的指令。
正常的網路。
熟悉科技的使用者。
但真實世界不是 Demo。
真實世界裡，
人會生病。
會緊張。
會講地方腔。
會聽不懂操作說明。
會忘記自己到底要按什麼。
也會在 AI 第三次聽錯之後，
直接放棄。
所以真正成熟的 AI 服務，
不能只有一條：
「AI 成功完成。」
還需要另一條：
「AI 做不到時，人仍然進得去。」
這可能才是 EMMA 這個故事最值得留下的地方。
不是因為 AI 接待員失敗了。
也不是因為真人接待員一定比較好。
而是當 AI 開始變成醫療服務的第一扇門，
我們終於必須回答一個以前做聊天機器人時不太需要回答的問題：
如果 AI 聽不懂你，你還有沒有第二扇門？
AI 真正的普及，
不是它能服務多少「標準使用者」。
而是遇到老人、地方口音、障礙或任何不像平均值的人時，
他們仍然能夠得到原本應該得到的服務。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
AI 快問快答｜2026/08/02：AI 語音已經完整聽完並整理，就代表內容一定沒有聽錯嗎？
AI 商業案例｜2026/07/28：牙科診所怎麼用 AI 語音客服？從預約詢問、看診提醒到緊急症狀轉真人，減少櫃檯中斷
AI 商業案例｜2026/08/02：汽車維修廠怎麼用 GPT-Live？從接車描述、技師交接到報價確認，減少聽錯與重複詢問
