星期一早上九時，茶餐廳的 WhatsApp 積存了週末八十多條訊息：有人訂枱，有人投訴凍奶茶太甜，有供應商發來發票，還有十多條推銷廣告。在任何人回覆之前，總得先有人把這堆訊息分好類。
過去六星期，市場上湧現了一種專門處理這一步的新 AI。它不寫回覆，只負責閱讀每條訊息，從你預先設定的選項中選出答案，並附上一個表示把握程度的數字。本文會說明這種「決策模型」是什麼、如何運作、成本多少，以及香港中小企可以怎樣應用。
什麼是 AI 決策模型？
AI 決策模型是一種只做選擇題的 AI：你給它一條訊息和幾個選項，例如「訂座、投訴、發票、廣告」，它會為每個選項計算機率，而不是寫出一段文字。它擅長快速分類和分流，再把結果交給同事處理。
這個類別非常新。根據客服軟件公司 eesel 的整理，TypeSafe 在 2026 年 9 月 15 日推出 Jev 模型，正式掀起這股潮流；到 10 月中旬，Cloudflare、Amazon 旗下的 Strands Labs、Microsoft、Liquid AI 和 Perplexity 都已推出各自的決策模型。
決策模型如何運作？
決策模型需要兩樣輸入：一是要判斷的內容，例如一條訊息或一張訂單；二是幾條問題及其可選答案。它把內容讀一遍，便同時為所有答案評分，輸出「帳務 0.98」這類數字，而不是句子。由於不需要逐字生成文字，它的速度極快。
Cloudflare 的技術文件舉過一個例子：訊息是「我被扣了兩次錢，請退回多收的款項」。模型判斷應交帳務部處理，機率為 0.981；需要退款的機率為 0.996。系統再根據這些數字自動分派。
常見的三種題型
--- 是非題：「這是投訴嗎？」模型回覆答案為「是」的機率。
--- 選擇題：「應交哪個部門處理？」模型為每個選項給出機率。
--- 評分題：「緊急程度由 1 至 4 屬哪一級？」模型給出加權分數。
為什麼 2026 年 10 月突然出現大量決策模型？
開發 AI 助手的企業發現，助手內部大部分步驟其實是細小的判斷，而不是寫作。Jev 推出後，各大科技公司爭相提供更快、更便宜的版本，Cloudflare、AWS Strands Labs、Microsoft、Liquid AI 和 Perplexity 均在 10 月 1 日至 16 日期間發布決策模型。
根據 No Code MBA 的發布紀錄，Cloudflare 於 10 月 1 日推出 Clef 及較小的 Clef-flash，並開放下載；Strands Decider 2B 同日推出，小到可在普通手提電腦上運行；Microsoft-Decision-1 於 10 月 9 日面世。OpenAI 雖然在 9 月 29 日的開發者大會上宣布了 Decisions API，但截至 10 月下旬仍未公布說明文件和價格。
速度是各家爭奪的焦點。InfoQ 引述 Cloudflare 自家測試，Clef-flash 的中位回應時間為 38.8 毫秒，Clef 為 209.3 毫秒，而 Jev 為 524.1 毫秒。
決策模型與 ChatGPT 有什麼不同？
ChatGPT 是通才，能寫作、解釋和推理；決策模型是專才，只會在你設定的選項中作答。後者每次處理的速度更快、成本更低，結果也更容易核對和統計，但它不能草擬回覆，也不能處理需要逐步推理的複雜問題。兩者各有分工，並非互相取代。
決策模型可以為中小企做什麼？
凡是員工需要反覆分類、標記或核對的工作，都適合交給決策模型，例如分流 WhatsApp 和電郵查詢、把投訴與預約分開、為經理標示緊急個案、為銷售線索評分，以及在退款前檢查貨品損壞相片。模型只負責判斷，執行仍由人或系統完成。
三個香港常見場景
--- 補習中心：家長訊息自動分為報名、請假、繳費查詢及投訴，投訴即時轉交中心主任。
--- 裝修公司：按客戶描述為新查詢評分，判斷是否「本月內動工」，銷售人員先跟進高分個案。
--- 網店：顧客傳來包裹相片時，模型判斷「是否明顯損壞」。Clef 每次最多可讀取四張圖片。
這些應用都不需要 AI 直接與顧客對話。如果你的公司已同時使用多個 AI 模型，決策模型亦可擔當「交通指揮」，詳情可參閱我們的 AI 模型路由指南。
使用 AI 決策模型要多少錢？
決策模型是目前最便宜的 AI 工具之一。Microsoft-Decision-1 每百萬輸入 token 約 0.042 美元，輸出免費；Cloudflare 的 Clef-flash 為 0.09 美元，Clef 為 0.24 美元；AWS 的 Strands Decider 2B 則可免費自行運行。分類一萬條短訊息，費用通常不足五港元。
「token」是文字的計算單位。一條普通客戶訊息連同選項說明約 500 個 token，一萬條即約五百萬個 token。按 1 美元兌 7.8 港元計算：
--- Microsoft-Decision-1：約 1.6 港元。
--- Clef-flash：約 3.5 港元。
--- Clef：約 9.4 港元。
價格資料來自 eesel 引述的 Microsoft 公布價及 Cloudflare Workers AI 收費表。對中小企而言，真正的成本不在用量，而在於設定時間：總要有人把模型接駁到 WhatsApp、電郵或訂單系統。
大家對決策模型有哪些誤解？
最常見的誤解包括：把信心數字當作答對的機率、以為模型越大越好，以及讓它在無人覆核下作出影響他人的重大決定。它是快速的分類員，不是法官。每組選項亦必須加上「其他」，因為模型本身不會回答「我不知道」。
誤解一：「0.9 代表九成機會答對。」Cloudflare 文件明言，信心值反映機率是否集中，並非答對的機會。真正的準確度只能用你自己的歷史訊息測試得知。
誤解二：「模型越大越好。」在客服測試中，細小的 Clef-flash 得 77.0 分，與 Clef 的 76.3 分相若；但在包含 150 個類別及「都不符合」訊息的測試中，Clef-flash 跌至 66.8 分，Clef 則保持 97.4 分。選項少可用小模型，選項多就要用大模型。
誤解三：「它可以決定一切。」Microsoft 提醒，Decision-1 不應成為僱用或信貸等涉及個人的重大決定的唯一依據。這類工作應保留人手覆核，做法可參考我們的 人機協作（Human-in-the-loop）解說。
如何安全地開始使用決策模型？
先選一項重複性最高的分類工作，用日常語言寫出四至五個選項並加上「其他」，再用二百至五百條過往訊息測試，才正式啟用。只在信心值很高（例如 0.9 以上）時讓模型自動處理，其餘交由同事決定，並每月抽查紀錄，計算出錯比率。
總結：決策模型是 AI 時代的分類員
決策模型不會替你寫電郵，也不會取代你的判斷，但它能在數十毫秒內讀完每條訊息、判斷去向，並告訴你它有多大把握，而每一萬條訊息的成本只是幾元港幣。
對中小企而言，最聰明的第一步不是大型 AI 項目，而是挑選一項團隊每天重複的分類工作，用自己的歷史資料測試，並讓重要決定始終由人把關。懂AI，更懂你 UD相伴，AI不冷
由 UD AI 團隊審閱。
想知道公司哪些分類工作可以交給決策模型，哪些應該留給團隊？先做一次免費 AI 體檢，UD 團隊手把手教你，由找出最重複的判斷工作，到規劃安全的第一次試行，全程陪你走每一步。