电话接通后有两三秒的静默。多数人以为这是网络延迟，其实那几秒里系统在做几件事：把声音转成文字，判断这句话属于哪一类诉求，再去知识库里找最接近的答案。找得到，就念出来；找不到，就转人工。用户的好感和恶感，常常就落在这条链路的某一环上。
那几秒里发生了什么
语音识别是第一道关。口音、方言、背景噪音、语速，都会让转写结果走样。文字错一个字，后面的判断就可能整个跑偏。接着是意图识别，本质是分类：把“我上个月买的东西还没到”归到物流查询，把“你们这什么服务”归到投诉。模型见过的表达越多，边界越清楚；遇到没见过的说法，它只能猜。
再往后是知识检索。企业把常见问题整理成条目，系统按相似度取一条来答。这一步决定了回答是像人说的，还是像念说明书。近年大模型被接进这条链路，措辞自然了很多，但自然和准确并不是一回事——话说得越顺，答错的成本反而越高，因为用户更难察觉它在含糊其辞。
它解决不了的，往往是人不愿意排队的那部分
这里有个容易被忽略的错位：企业上线这类系统，通常是为了分担重复劳动；而用户找客服，多数是因为遇到了重复劳动解决不了的事。两边的期待从第一句话起就不完全对齐。
- 情绪。人在着急、生气时会绕开标准表述，说一半、跳着说、反复说同一件事。分类模型对这类输入最不擅长。
- 例外。退换、赔付、时效承诺，往往取决于具体条款和历史记录。知识库里没有“这一次”的答案。
- 多轮追问。一次对话里话题会漂移，前面说的条件后面被推翻，上下文一长，指代就容易断。
这三类恰好是用户最在意的地方。所以“拦截率”这个指标值得警惕：它衡量的是有多少通电话没转到人工，并不等于有多少问题被真正解决。把没转人工当成成功，容易出现一种别扭的局面——用户被客客气气地绕了一圈，最后还是得打第二次。
更好的做法，可能是把边界说清楚
与其让智能客服假装什么都能答，不如让它早点承认答不了。明确的转人工入口、在识别到情绪激烈时主动切换、把常见问题答得干净利落，这些做起来不炫，却决定了体验的下限。技术上这意味着系统要能判断自己的置信度，而不是在没把握时硬凑一个答案。
另一件事是语言。很多系统的第一句话是“请您描述一下您的问题”，对已经等了很久的人来说近乎冒犯。如果它先从订单、来电号码、上一通记录里说出一点具体信息，用户会更愿意配合。差别不在模型大小，在于有没有把上下文接上。
回到开头那三秒。它不会消失，也不必消失。真正需要被审视的是这三秒之后系统做出的选择：是给一个漂亮但空的答案，还是老实说“这个我处理不了，我帮你转过去”。智能客服的上限由模型决定，下限由这句实话决定。