在人工智能产品快速落地的今天，用户投诉如潮水般涌来——“回答不准确”“逻辑混乱”“反复犯同样错误”“根本看不懂我要什么”。面对这些声音，不少团队的第一反应是迅速召开复盘会，调取日志、分析bad case，然后在会议纪要里郑重写下：“问题根因：大模型能力不足”“建议升级至更先进基座模型”“需加大算力投入以提升推理质量”。看似专业、理性、技术驱动，实则悄然完成了一次危险的认知转嫁：把交互系统结构性失能的责任，轻轻一推，全数卸给了模型本身。

这种归因惯性，本质上是一种技术懒政。模型当然重要，但它从来不是孤立运行的“智能黑箱”，而是嵌入在完整人机对话链路中的一个组件——前端输入如何解析？多轮上下文如何管理？意图识别失败后是否提供引导式补救？错误响应是否附带可操作的退出路径？当用户说“你又理解错了”，真正刺痛ta的，往往不是模型生成的那句错话，而是系统拒绝承认错误、无法切换话题、不支持自然中断、甚至没有一个“重新开始”的按钮。这些，无一属于模型能力范畴，而全部指向交互设计的底层缺失。

更值得警惕的是，将问题标签化为“模型不行”，会系统性遮蔽设计债务的累积。比如，某客服助手长期被投诉“答非所问”，团队反复优化prompt、更换模型版本，却始终未审视其输入界面：用户只能在单行文本框中输入模糊诉求（如“我的订单有问题”），系统既不提供常见问题快捷标签，也不做关键词即时反馈，更不支持语音或截图上传。此时，再强的模型也困于信息赤字的牢笼。真正的瓶颈不在参数量，而在交互入口的贫瘠与单薄。

再看容错机制的设计荒漠。成熟的人机交互系统应具备三级容错能力：预防性提示（如输入过短时建议补充）、实时校验（如检测到歧义主动确认）、事后修复（如响应失败后自动弹出重试/转人工/查看帮助）。但现实中，大量AI产品只保留了最原始的“重试”按钮，且常灰显失效；用户一旦走入歧途，便如坠迷宫，唯一出口是关闭页面。此时抱怨“模型没学会纠错”，无异于责怪厨师不会修灶台——灶火太小，你该调燃气阀，而非换厨师范。

归因偏差还会扭曲资源分配。当90%的优化精力倾注于模型微调、知识蒸馏、RAG增强，交互层的UX研究员可能被边缘化为“美化界面”的执行者；可用性测试沦为上线前走形式的签字环节；用户访谈中反复出现的“我不知道下一步该点哪里”“它总打断我讲话”“我改了三次说法它还是不懂”，被归类为“个别用户适应性问题”。久而久之，产品演变为一台精密但傲慢的机器：它用顶级参数证明自己很“聪明”，却用拙劣的对话礼仪证明自己很“冷漠”。

破局之道，始于归因勇气。每一次投诉，都应被拆解为“谁在哪个环节放弃了对用户的照拂”：是输入设计未降低表达门槛？是状态管理未清晰传达系统当前理解？是反馈语言未避免术语堆砌？是异常路径未预留人性化出口？唯有当“交互设计师拥有与算法工程师同等的话语权”，当“可用性指标与准确率指标并列写入OKR”，当“用户说‘我不懂’时，第一反应是检查引导文案而非重训模型”，我们才真正开始尊重人作为对话主体的尊严。

技术可以迭代，模型终将进化，但若交互哲学始终缺席，再强大的模型也只是困在玻璃罩里的天才——看得见用户，却永远触不到人心。