夜里十一点半,一个用户想问清楚自己的订单为什么被拆成了两单。他打了三行字,收到一句“抱歉,我没有理解您的意思,请您换个说法”。他换了。又换。第三次,他关掉了窗口。
这类对话里,症结往往不在“没听懂”,而在系统被设计成必须给出一个回答。早期的问答式客服,底层是意图分类加话术匹配,模型必须在候选里挑一个,概率高的那个就算答案。挑错了,也要挑。
话说得顺,不等于知道
大模型接进来之后,情况变了两层。一层是回答变得通顺,读起来像人写的;另一层是它在没把握的时候,同样能把话说得很顺。流畅和正确是两件事,但在对话框里,它们长得几乎一样。
于是“我不确定”变成一句很难写进产品文档的话。它意味着承认边界、暴露未知,还要把决定权交回给用户。
让机器说“不知道”,工程上要做什么
- 检索为空、或相关度低于阈值时,不给答案,直接走兜底路径。
- 找到的依据只与问题沾边时,把依据一并给出,而不是把自己的推断说成事实。
- 意图落在业务范围之外,就说明能处理什么,而不是硬套一个相近的流程。
- 兜底要短:一句话讲清下一步,是转人工、留联系方式,还是给一个自助入口。
这些做法都不新鲜,难的是有人愿意为“少答一句”承担指标上的变化。会话解决率、平均轮次、满意度,多数都在奖励“给出回应”这件事。系统于是被训练得越来越敢说。
转人工不是失败
分界线画在哪里,值得具体想。查询类、流程类、状态确认类,机器做起来是稳的;一旦涉及例外、争议、情绪,人工仍然不可替代。把这条线画清楚,比把模型调得更能说更有用。
有的团队会把转人工做成一次完整交接:前面几轮对话的摘要同步给坐席,用户不必从头复述。到了这一步,智能客服更像一个分诊台,而不是替代者。它的价值不在于替你答完,而在于把你送到对的地方。
一句“我不确定”的成本
用户其实能接受机器不知道。不能接受的是绕。被反问、被引导、被要求换一种说法,三四轮下来,信任就没有了。
反过来,一句“这个我查不到,我帮您转接”通常不会引起反感。它明确了边界,也没有浪费对方的时间。
所以衡量这类系统时,可能要多看几个“负面”指标:误答的比例、兜底触发之后的完成情况、用户重复提问的次数。它们不像满意度那样好看,但更接近真实的体验。
回到那个深夜的用户。如果他得到的第二句不是“请您换个说法”,而是“您的订单涉及拆单,具体原因我这边看不到,帮您转接人工”,他大概会等下去。等待可以接受,被敷衍不行。