本議程分享金融業「智能外撥」專案的實戰經驗，說明 AI 落地不能只依賴單一強模型，而需靠工程架構解決真實問題。專案初期僅使用地端 Kaldi ASR，上線後發現噪音常被誤判為「好」，導致無意願客戶被錯認為有商機。根因在於外撥屬被動接聽、環境噪音高，與 Kaldi 原本表現良好的場景不同。經分析後，設計「雲地雙 ASR＋規則仲裁」架構，同時使用 Kaldi 與 Azure ASR，取長補短，大幅降低誤判並維持效益，成功於一個月內完成 v2.0 上線，提供一套可複製的 AI 改善方法論。