客服大模型转人工，不是失败：真正成熟的是把问题交接清楚

企业在搭建客服大模型时，往往都会盯着一个指标：到底有多少问题能被模型自动解决。
自动解决率越高，表面上看，系统就越聪明，节省下来的人力也越多。于是，不少客服产品开始想方设法减少用户转人工的机会，哪怕模型其实依据不足，也还要继续“接着答”。
这种做法短期内也许能把自动化数据做得更漂亮，但时间一长，真正受损的往往是客户体验。
客户需要的，从来不是和模型 endlessly 地聊下去，而是尽快把问题解决掉。当大模型无法确认事实、没有足够权限，或者碰到特殊场景时，及时转交人工并不意味着失败，恰恰是服务能力完整的一部分。
首先，企业得先划清边界：哪些情况必须转人工。
凡是涉及资金、账户安全、合同责任、赔偿承诺、身份争议这类问题，通常都不适合只靠模型处理。再比如，客户资料和系统记录对不上、规则存在例外、知识库里找不到有效依据，这些情况也应该直接进入人工流程。
还有一类问题，风险未必高，但模型已经连续多次没理解用户意图。如果用户换了几种表达方式，还是得不到答案，这时候再让模型反复输出类似回复，只会不断放大挫败感。
如果客户已经明确提出要人工服务，也不该故意把入口藏起来，或者加上一层又一层障碍。大模型可以先帮忙收集必要信息，但不能把用户困在一个出不去的循环里。
第二，转人工的条件不能只靠模型自己判断。
模型有时会高估自己的回答能力，也可能因为提示里强调“尽量解决”，于是继续往下生成答案。更稳妥的方式，是把确定性规则和模型判断结合起来一起用。
比如，碰到特定关键词、敏感业务、连续失败次数过多、订单状态异常时，可以由系统规则直接触发转人工；而情绪升级、问题表述含糊、资料之间存在冲突，则交给模型辅助识别。
高风险场景靠明确规则，复杂语言场景借助模型判断，通常会比把所有决定都交给模型更可靠。这才是关键。
第三，转人工时，必须把完整但精简的上下文一起带过去。
很多客服系统虽然设了转人工按钮，但真正转过去之后，客户却还得把问题重新讲一遍。前面和大模型聊过的几轮内容，并没有有效传递给坐席，用户只能从头开始，体验自然不会好。
一次有效的交接，至少应该包含这些信息：客户身份、问题类型、相关订单或产品、已经确认的事实、模型查询过的资料、已经尝试过的解决办法，以及当前仍待处理的事项。
如果模型之前给出过错误承诺，或者说过未经确认的话，也必须明确标出来，避免人工坐席误以为这些内容已经成立。
当然，把完整聊天记录原封不动扔给坐席，也未必是好办法。几十轮对话堆在一起，只会增加阅读负担，真正重要的信息反而容易被淹没。
更合理的方式，是由系统先生成结构化摘要，同时保留原始对话入口。坐席先看摘要，需要核实时，再回到具体内容和对应来源。
第四，任务得分给正确的人。
技术故障、退款争议、账户安全、合同问题，背后通常对应的是不同团队。如果所有转人工请求都一股脑进同一个队列，客户最后还是要经历多次转接。
大模型可以帮助判断问题类型和紧急程度，再由系统结合技能、权限和当前工作量来分配坐席。遇到重点客户或高风险事件，还可以直接进入专门队列。
同时，路由结果也不能完全锁死。模型一旦分错类，坐席应当能快速重新分配，而不是被固定流程卡住。
第五，人工接管之后，控制权必须清晰。
当坐席已经进入对话时，大模型就不该再自动向客户发消息。它可以在后台提供资料、推荐回复、提示下一步动作，但最终发出去的内容，应该由坐席确认。
系统也要明确展示当前到底是模型在处理、人工在处理，还是正在等待转接。只要控制权不清，就很容易出现模型和坐席同时回复，或者客户以为已经有人接手，实际上仍在排队等待。
人工处理完成后，要不要再交回给模型，也应当有明确条件。比如复杂问题解决之后，模型可以继续承接普通咨询，但对那些尚未确认的争议事项，不能自动接手。
第六，要把人工纠正沉淀成改进信号。
坐席修改了模型的分类结果、指出引用资料已经过期，或者采用了完全不同的处理方式，这些都不是琐碎细节，而是非常有价值的反馈。
企业可以把常见的转人工原因记录下来，比如知识缺失、权限不足、模型误解、业务例外、工具故障，或者客户主动要求人工。不同原因，后续改进路径也完全不同。
知识缺失，就得补资料；权限不足，就该调整流程；模型误解，需要补充样本；至于业务例外，则可能本来就应该长期保留人工处理。
不能为了压低转人工率，就把所有问题都简单归结为模型能力不足。
第七，客服指标本身也该重新设计。
如果只盯着自动解决率，很容易把系统带偏，让它尽可能拖延转人工。企业还应当关注：客户有没有重复咨询、转人工是否转得准确、坐席接管后需要多久才能理解问题，以及模型是否给出过错误承诺。
首次解决率、平均处理时间、客户投诉率、错误升级率，通常比单纯统计拦截了多少次对话，更能真实反映服务质量。
有些问题虽然没有被模型直接解决，但模型能够迅速识别并准确转给专业人员，照样可能大幅缩短客户等待时间。这同样属于大模型创造的价值。
客服大模型不需要证明自己什么都能处理。更重要的，是把适合自动化的常见需求处理好，识别出自己无法可靠应对的情况，再把复杂问题交给合适的人。
真正成熟的智能客服，不是把人工入口藏得越来越深，而是让模型和坐席之间的交接变得更顺、更准、更自然。
当客户不用反复解释，坐席一接手就能看到必要背景，企业也能从每一次交接里找到优化方向时，转人工就不再是自动化的终点，而是完整服务流程里顺理成章的下一步。