晚上十一点，我在一个电商页面里点开客服窗口，想问退款为什么还没到。屏幕立刻弹出一句：“您好，很高兴为您服务。”我盯着“高兴”两个字，忽然不知道该怎么继续。
我输入订单号，它识别了；我问退款进度，它给了三种可能；我追问具体是哪一种，它又回到第一句问候。那一刻我意识到，问题不在于它听不懂中文，而在于它不知道什么时候该停止表演。
它答得快，但不一定答得对
智能客服最常见的能力展示是响应速度。零点几秒内给出回复，确实比排队等待体面。但速度解决的是“有人理我”，不解决“我的问题被处理了”。在退款、改地址、发票重开这类场景里，用户要的往往不是一段解释，而是一个确定的结果。
这中间隔着一层东西：业务系统。对话模型可以理解“我要退款”，但退款能不能执行、卡在哪一步、需要谁审批，取决于后台流程是否对机器开放。很多智能客服被放在最前面，看起来聪明，实际上只能读话术，碰不到订单。于是它越礼貌，越像在拖延。
我后来把这次对话截图给做客服系统的朋友看。他说得很直接：这类产品最容易犯的错，是把“回答问题”当成目标，而不是把“推进事项”当成目标。前者可以靠语言模型撑起来，后者需要权限、数据和责任划分，难得多。
情绪不是噪声
还有一个常被低估的点：用户来找客服时，通常已经不太平静。智能客服如果只做意图识别，把“你们怎么回事”归类为“投诉”，然后推一条标准致歉，反而会让人更烦。
情绪在这里不是需要过滤的噪声，而是判断优先级的信息。一个说“第三次了”的用户，和一个说“随便问问”的用户，即使文字意图相同，处理方式也该不同。机器未必需要共情，但至少应该识别出“这句话背后有历史”，并把上下文接住。
我见过一些做得比较克制的设计：先确认问题，再说明能做什么、不能做什么，最后给一个人工入口。它不假装无所不能，也不把转人工藏到第三层菜单里。这种坦白反而让人愿意多等一会儿。
边界该画在哪儿
围绕智能客服的讨论，常滑向两个极端：要么认为它很快会取代人工，要么认为它永远只是玩具。我的判断更平淡一些——它适合处理高频、规则清晰、后果可控的事，比如查物流、改预约、解释常见政策；而涉及金额争议、责任认定、情绪激烈的场景，应该尽早交给人。
这不是能力问题，是成本结构问题。让机器处理一万次标准咨询，边际成本很低；让它处理一次复杂纠纷，可能带来更高的返工和信任损耗。企业如果把“转人工率”当成唯一指标，很容易逼着系统在不该坚持的时候坚持。
- 先想清楚哪些问题机器可以闭环，再谈话术。
- 把“转人工”设计成正常路径，而不是失败兜底。
- 让用户知道自己在和机器说话，别用拟人化掩盖限制。
- 记录机器没解决的那部分，它比解决率更有信息量。
它真正该学会的是收手
回到那个深夜的窗口。我最后打了一句“转人工”，系统回我：“已为您排队，前面还有两人。”两分钟后，一个真人客服看完记录，直接告诉我退款卡在支付渠道，并给了我一个预计时间。整个过程不到三分钟。
所以智能客服真正该学会的，可能不是更会说话，而是更早承认“这件事我处理不了”。能接手是本事，知道什么时候放手，也是。前者决定它能做多少，后者决定用户还愿不愿意再来。