用户只是想改一个收货地址，输入订单号后，智能客服先确认身份，再重复一遍规则，最后把问题绕回「请描述您的问题」。这不是模型不够大，而是服务流程被拆成了话术。用户要的是把事办完，不是听一段礼貌的循环。
像人，不等于能解决问题
很多团队在评估智能客服时，容易盯着回复是否自然、语气是否热情，却忽略了另一个指标：一轮对话后，问题有没有向前走。拟人化能降低陌生感，但也会抬高预期。一旦用户发现对面只是按脚本推进，礼貌反而变成消耗。这类系统的边界感，首先体现在它知道自己该在什么时候停下来。
从技术上看，意图识别、实体抽取和知识库检索决定了它能不能听懂；会话状态管理决定了它能不能记住前文；转人工策略决定了它会不会在关键时刻放手。这几件事没有做好，语言再顺滑也只是表层。用户问「为什么还没到」，系统如果只识别出「到」并推送物流模板，答非所问就发生了。
把「转人工」设计成服务的一部分
不少智能客服把转人工当成失败，于是尽量拖延。可在实际服务里，转人工不是认输，而是把复杂问题交给合适的处理者。关键是让用户少重复：前文意图、订单上下文、已经确认过的信息，应该随会话一起交接。否则用户从机器人换到人工，又要把问题讲一遍，体验会断掉。
- 先判断问题类型：查询、修改、投诉、异常处理，需要的上下文不同。
- 给用户一个明确的退出方式：不必藏在多层菜单里。
- 交接时保留摘要：让下一环节看到已确认事实，而不是空白对话。
这听上去是产品细节，实际考验的是组织愿不愿意把服务链路打通。智能客服不是孤立的前台，它背后需要知识维护、流程负责人和反馈回路。没有人持续整理问答，机器人只能反复背诵过期内容。
别让「智能」遮住责任
用户对这类系统的不信任，往往来自不透明：不知道对面是机器，不知道什么时候能转人工，不知道承诺是否算数。明确身份、说明能力范围、给出可追踪的处理路径，是基本动作；模仿真人语气只能算附加项。智能客服可以友好，但不该假装无所不能。它的价值不是替人说完所有话，而是把简单问题快速处理，把复杂问题完整交出去。
所以，讨论这类系统时，不妨少问「它像不像人」，多问「它有没有把事推进一格」。答错并不可怕，可怕的是答错之后还在原地绕。把边界写进流程，把交接做扎实，智能客服才可能从成本项变成服务的一部分。