晚上十点，你想改一张机票的日期。页面右下角弹出一个圆角对话框，第一句话是“您好，我是智能助手，请问有什么可以帮您”。你打了一行字，对方回了一段格式整齐的说明，附上选项一二三。你点“其他问题”，又回到同一个开头。
这个场景里，技术其实没有失败：它听懂了关键词，也给出了标准答复。真正失败的是另一件事，它不知道自己该在什么时候退场。
它答得快，但答的不是你问的那件事
意图识别做的事情，是把一句话压缩进几个预设的类别里。而用户说出口的，往往是带着情绪的半句话：“我昨天明明改过了”“你们上次不是说可以吗”。分类器要找的是“改签”这个标签，句子里的时间、情绪、前情，全被丢掉了。
于是出现一种错位：回复速度越来越快，问题解决率却没有跟着涨。用户不得不用更长的句子解释自己，机器人用更短的句子把用户推回原点。几轮之后，双方都在原地。
“转人工”按钮藏在哪儿
很多产品把转人工当作备用方案，设计时却把它当成成本。按钮藏在三级菜单里，或者要先回答“您的问题解决了吗”才肯放行。这么做短期能压住人工话务量，长期只是把不满挪到了别处：有人直接关掉页面，有人去社交平台发帖，有人下次干脆打电话。
把“人工”当成奖励而不是逃生通道，是不少用户对智能客服印象变差的起点。
指标选错，方向就歪了
客服系统常见的几个数字是自助解决率、拦截率、平均会话轮次。它们漂亮，但衡量的是“对话有没有结束”，而不是“事情有没有办成”。一个用户被绕了三圈后放弃，系统很可能记一次成功拦截。
- 会话轮次少，可能是流程高效，也可能是用户早就走了；
- 满意度评分高，可能只是因为愿意点按钮的人才看得到问卷；
- 转人工率低，可能只是因为入口难找。
相比之下，更值得看的是回访：同一批问题在一周内是否从别的渠道又冒出来。这个数字不好看，但它离真实更近。
知识库才决定它说对还是说错
模型换了几代，答案还是那几条。一些团队把预算放在前端话术和动效上，后端的知识条目两三年没动过。政策变了、流程改了，机器人还在念旧版本。用户只要发现它说错一次，后面每句话都不再被信任。
一套智能客服能处理多少种情形，很大程度不取决于模型多大，而取决于知识库多久被维护一次、改动的权限给了谁。让一线客服能直接修改条目，往往比再训练一版模型见效更快。
不是所有问题都该交给它
边界感这件事，说起来容易。查询进度、流程指引、常见规则解释，适合交给机器；涉及金额争议、责任认定、情绪激烈的投诉，交出去只是把火递一圈。识别“该放手”的能力，和识别“该回答”一样重要，前者更难做，因为它是反效率的。
回到开头那个对话框。用户想要的不是更快的一段字，而是问题被承认、被处理。智能客服真正的差别，很多时候不在它能说多少句，而在它愿不愿意在某个时刻说一句：这个我处理不了，现在就帮你转过去。