电话接通后，用户说：“我上周买的东西还没到，帮我看看。”听筒那端沉默两秒，回了一句：“请描述您的问题。”用户重复，系统又问订单号。几次往返后，用户挂断。这个场景并不罕见，问题也不只在语音识别。用户感到的“听不懂”，往往来自一串环节没有接上。
一句话背后，系统要判断什么
用户的一句自然表达，包含多个信息：意图是查物流，对象是某笔订单，情绪带一点着急，隐含需求是给出可执行的处理方式。智能客服要先做意图识别，再抽取订单号、时间等槽位，还要结合对话状态决定下一步问什么。任何一环偏差，都会把对话推向机械追问。
常见卡点在于知识边界不清。业务规则写在文档里，文档又散落在多个表格和群聊中，系统只能回答被明确整理过的内容。用户换个说法，或把两个问题混在一句里，意图分类就容易摇摆。此时系统若继续用固定话术兜底，用户会觉得自己在跟一堵墙说话。
转人工不是失败，是关键设计
不少团队把转人工当成兜底，实际上它应是流程的一部分。判断依据可以包括连续未识别次数、用户明确要求、情绪信号、业务风险等级。转接时，把前几轮对话摘要、已确认信息、用户诉求一并交给人工坐席，能减少重复提问。智能客服的价值不只在于独立解决问题，也在于把问题整理好，让人工接手得顺。
另一个容易被忽略的点是知识维护。上线不是终点，用户问法会变化，业务规则会调整。需要有人定期看未识别问法、转人工原因、对话中断位置，把高频缺口补进知识库。这个过程不显眼，却决定系统几个月后是否还可用。
边界要说在前面
智能客服适合处理规则相对清晰、答案可核验、容错空间较大的问题，比如查询进度、修改基础信息、解释常见流程。涉及复杂投诉、需要同理心安抚、责任判断或高风险决策时，系统宜承担信息收集和转接，不替人下结论。把边界讲清楚，用户也能理解配合。
回到开头那个电话，用户需要的不是加长菜单，也不是热情模板话术，而是一个能听懂“还没到”并知道下一步该查哪里的系统。智能客服要跨过的门槛，不是把话说得像人，而是把流程接得顺。对企业来说，这本质上是一项持续运营工作：让机器处理确定的环节，把不确定的部分及时交还给合适的人。