不少人对智能客服的印象,来自一句“请稍等”。屏幕上的输入提示转了几圈,随后跳出一段像是回答的文字。这个停顿本身值得看:系统可能正在判断,用户要查订单、改地址,还是在表达不满。判断一旦偏了,后面的话越流畅,越容易让人疲惫。
停顿背后是意图和边界
智能客服通常先做意图识别,再从知识库里找相近答案。问题在于,人的表达很少按分类出现。同一句“我昨天下的单怎么还没到”,既可能是物流查询,也可能带着催单情绪。系统若只抓住“单”和“到”,就容易给出通用说明,却绕开用户真正关心的节点。
这类偏差不一定来自模型能力不足,更多时候是边界没有说清。哪些问题能答,哪些需要核实,哪些必须转交人工,应该在对话里留下线索。用户并不要求机器一次听懂所有话,但需要知道下一步会怎样。如果每句话都像在试探,信任就会被消耗。
转人工不是退场
转人工常被当成失败,其实它是流程的一部分。关键在于交接时有没有带上上下文:用户说过什么,系统已经确认了什么,还缺哪项信息。若每次转接都要从头复述,智能客服前面的努力就归零,人工坐席也得重新拼图。
另一个容易被忽略的细节是语气。智能客服可以礼貌,但不必过度热情;可以承认不确定,但不要用长篇解释掩盖。比如“这项我需要帮你转给人工确认,预计会看到之前的对话记录”,给出的是动作;“非常抱歉给您带来不便”则更像缓冲。
可用的标准不是像人
衡量这类系统,不必只看它回答得多像人。实际观察点是:它能否在有限范围内稳定完成常见请求,能否在不确定时及时停手,能否把问题交给合适的人并保留线索。这些设计听起来不炫,却决定了用户愿不愿意继续使用。