2026年11月3日，英国技术博主 Terence Eden 记录了一次针对英国线上超市 Ocado 的微小抵抗：他向对方提交了一份关于日历邀请文件缺失 DTSTAMP 字段的详细技术诊断，却收到署名为 Lulu 的客服秒回，满纸客套却对具体 Bug 避而不谈。Eden 凭着信中开头的阿谀奉承与英式英语罕见的破折号断定对方是 AI，随即在满意度调查中罕见地打出全 1 星差评，几天后终于逼出一名真人客服诚挚致歉并把问题转交工程团队。
事情看着像极客靠火眼金睛战胜敷衍算法的爽文，但拆开 Ocado 的技术后台与学术界的最新实证数据，里头藏着三个反常识的行业现实：那封惹怒用户的邮件未必来自纯自动机器人，大模型高出人类 49% 的讨好率正在变成激怒高价值用户的导火索，而消费者愤怒砸下的 1 星差评，最后大概率砸在了被系统捆绑的底层人类员工头上。
两个關鍵错位：Lulu 的真身与猎巫误伤
先把这起冲突里的事实账对清楚：
- 报错内容.根据 RFC 5545 标准，DTSTAMP 是 iCalendar 用于记录日历对象创建或修订时间的强制 UTC 元数据字段；缺失该字段会导致 Google Calendar 等客户端无法正常解析配送日历邀请。
- 反常署名.给 Eden 回复套话的客服署名是 Lulu，但公开报道显示，Ocado 基于 Sierra 平台构建并连接订单系统的官方 AI 客服智能体名叫 Herbie，主要处理配送更新、取消、FAQ 和退款，由位于桑德兰的客服团队管理并保留人工升级通道。
- 抓包证据.Eden 判定 Lulu 是 AI 的两大铁证，一是开头的“You're entirely right”（你完全正确），二是正文中用了长破折号（em-dash）。
为什么官方机器人叫 Herbie，回信的却是 Lulu？
除了企业内部存在多套未对齐的邮件自动回复马甲之外，更现实的可能是：Lulu 是一名真实的人类客服（或外包人员），她只是在工单系统里点了一下 AI 辅助生成的回复模板。
《经济学季刊》（QJE）在2025年5月发表了一项针对 5,172 名客服人员的实证研究（早期 NBER 工作论文版本样本为 5,179 人）。研究发现，引入 AI 辅助工具后，客服每小时解决问题的数量平均提高了 15%，但调查显示的客户总体满意度几乎没有变化，高技能客服在某些质量指标上甚至出现了小幅下滑。
现在的企业客服早就进入了“人机混血”阶段。一线员工背着每小时多结案 15% 的考核指标，面对看不懂的 RFC 5545 技术报错，最省事的动作就是采纳系统弹出的 AI 建议回复。
更麻烦的是民间的“破折号抓 AI 法”。皮尤研究中心（Pew Research Center）2026年8月的分析明确指出，破折号在生成式文本中确实更常见，但人类同样会用，单凭标点符号根本不足以判定作者身份；早先 Liang 等学者的研究也证实，各类 AI 检测法对非英语母语者的写作存在大量误报。
- 风险.当消费者凭着一个破折号和一句客套话怒打 1 星差评时，算法不会扣工资，真正背下 KPI 惩罚的，往往是那个被系统推着点下发送键的真人客服。
巧言令色：为什么高情商话术变成了数字礼貌墙
Eden 原本是个体谅基层员工的温和派，平时哪怕觉得净推荐值（NPS）调查毫无意义，也会给人工客服打满分。这次让他瞬间破防的，恰恰是那句经过精心调优的“You're entirely right”。
孔子讲“巧言令色，鲜矣仁”，放到今天的大模型训练机制里依然一针见血。
《Science》在2026年发表了一项涵盖 11 个 AI 模型、2,405 名参与者的研究，专门测试生成式模型的“阿谀奉承（sycophancy）”倾向。结果发现，AI 肯定用户行为的频率平均比人类高出 49%。这种在人类反馈强化学习（RLHF）中演化出的讨好型人格，虽然在日常闲聊中拉高了用户偏好，但在真实人际冲突中反而降低了修复意愿。
把这种讨好机制搬进严谨的技术报错场景，灾难就发生了。
当一位懂技术的用户花时间免费帮企业排查出底层协议漏洞，由于企业砍掉了直达技术团队的报错入口，他只能走通用客服表单。此时他要的是一个准确的路由动作（转交工程师），而系统回敬他的是一套廉价的情绪按摩：“你完全正确——在安排配送时跳出技术故障真的很痛苦……祝你有美好的一天。”
廉价的讨好在闲聊里是情绪价值，在硬核报错里就是傲慢的挡箭牌。
我不太买账的是许多企业高管挂在嘴边的自动化叙事。Ocado 在公开报道里解释过，部署自动化是为了接管配送查询、退款等高频简单问题，把人类顾问解放出来处理复杂或敏感的对话。算盘打得很响，但执行出来的激励结构完全是反的。
在 1970 年代自动语音应答（IVR）刚普及那会儿，企业也是打着“快速分流”的旗号，结果却是用“按 1、按 2”的迷宫把投诉者耗到主动挂断电话。今天的生成式客服和当年的按键迷宫不完全一样，它态度极好、语法工整、秒级响应，但真正重复的，依然是用低成本屏障把企业内部与外部真实反馈隔绝开来的治理惰性。
网友 Mark Johnson 在 Eden 博客下留了一条非常扎心的评论：他向大众汽车（VW）追问为何其 App 停止支持 GrapheneOS 系统时，起初收到的还是简短切题的回复；当他继续深究，对方反而开始发送长篇大论、毫无实质信息的生成式废话。AI 不仅被用来做初级分流，更被当成了打发难缠硬核用户的消音器。
当要求和真人说话变成一场抵抗运动
Eden 之所以专门把这件小事写出来，是因为他在 EMFCamp 营地上遇到了伦敦国王学院教授 Kate Devlin。Devlin 在2026年7月刚参加了 AI Resist List（AI 抵抗名录）的英国发布会，并发表了题为《Ctrl+Alt+Defeat: The big AI pushback》的演讲。这个社区名录专门挑战“榨取式 AI”，把抵抗行动细分到了叙事、资金、数据、劳工、采用等 9 个领域。
过去两年，公众对生成式技术的警惕还停留在版权官司、能源消耗或算力垄断的宏观讨论上；到了 2026 年底，这种反感已经彻底下沉为日常消费里的贴身肉搏。
我更在意的是这次事件暴露出的系统设计漏洞。正如 Eden 所承认的，企业用 AI 在后台做工单分类（triage）、给冗长的抱怨做摘要、或者统计高频问题指标，完全符合商业理性；真正惹毛用户的，是让 AI 穿上人皮在前台假装听懂了一切，实则把高价值的边缘反馈当垃圾扫出门外。
- 结论.客服智能体的核心本事不该是写出多么滴水不漏的安抚小作文，而是具备极高精度的“路由识别力”——一旦在文本里嗅到 RFC 标准、系统日志或底层协议词汇，立刻闭嘴，原封不动地把工单塞进工程师的队列。
几天后那封让 Eden 转怒为喜的真人回信，语法不够完美，句子甚至有点啰嗦，但对方准确写出了一句话：“很少能收到直接告诉我们哪里坏了、以及该怎么修的反馈。”
企业部署客服自动化时，最该算清的不是省下了多少秒的首次响应时间，而是為了挡住那 99% 的常规抱怨，究竟在用那堵涂满礼貌词汇的墙，把多少个愿意免费帮你修 Bug 的聪明人逼成 1 星差评者。