电话接通，对面是一段合成的女声。用户说“我要转人工”，系统答：“请问您要办理什么业务？我可以帮您查询。”用户又说了一遍，系统换了个说法再问一遍。第三遍，用户挂断了。
这个场景不新鲜，也不极端。它暴露的并不是语音合成像不像人，而是对话走到某一步之后，系统手里有没有能真正解决问题的动作。
听懂了，不等于办成了
过去几年，智能客服的进步主要发生在“听懂”这一端。意图识别更稳，多轮对话能记住前文，大模型接入之后，口语、错别字、绕弯子的表达都能应付。演示环节里，对话往往流畅得让人放心。
但用户卡住的地方，常常在听懂之后。查一笔订单到哪了，改一个收货地址，撤销一次自动续费——这些动作需要机器人有权限调用后台系统。现实是，不少对话停在“已为您记录，稍后会有专员联系您”。从系统角度看这是兜底，从用户角度看，这是把问题原样推了回来。
接口比话术难
对话能力可以靠模型快速提升，业务接口不行。每接一个系统，要谈权限、定字段、处理异常返回。退款类接口尤其麻烦：金额、原因、时效，任何一个条件不满足，机器人都得把话圆回来。于是常见的错位出现了——查询类问题答得挺顺，一碰到变更类就露怯。
这不是模型不行，是流程没打通。很多智能客服在“能说”上投入了大部分精力，在“能做”上只留了一条窄缝。
什么时候不该用它
有一个判断标准比技术指标更实用：说错了，代价有多大。
查物流、改密码、问营业时间，答错了用户看一眼就能发现，重来一次成本很低。投诉、纠纷、涉及金额的争议，答错的代价高，用户也没有耐心再试一轮。情绪激烈时尤其如此：反复表达同一诉求、语气升级、明确说出“转人工”，这些信号出现时，最合理的动作是尽快转接，而不是再试一套话术。
转人工不是系统的失败，它是设计的一部分。
- 能查的，让机器人查完，别只给入口；
- 能改的，把权限开到位，改完给回执；
- 改不了的，早点说清楚，人工入口放在显眼位置；
- 用户在气头上，少问一句“请问您还有什么问题”。
智能客服真正的门槛，可能不在语言模型上，而在一次退款能不能真的到账、一个地址能不能当场改掉。把“转人工”的按钮做得显眼一点，比把唤醒词打磨得更自然，更接近用户想要的东西。