Ganancias:
- Capacidad para producir etiquetado automático basado en una taxonomía cerrada con resúmenes de llamadas breves y estructurados.
- Capacidad para eliminar información fabricada pasando automáticamente el resumen y las etiquetas a través de la aprobación del representante y comparándolos con el texto fuente.
- Capacidad de acortar el tiempo de finalización mediante la transferencia de resúmenes sin conservar datos personales/de tarjeta y sin interpretar compromisos
El trabajo de un representante no termina con hablar con el cliente. Después de cada llamada se debe crear un registro de “qué se habló, qué se hizo, cuál fue el tema”. Esto se llama trabajo de conclusión o trabajo posterior a la llamada / ACW: el representante resume la conversación, selecciona un código de terminación en el sistema (código de disposición: la categoría que indica el asunto/resultado de la llamada, por ejemplo, "devolución aprobada", "fallo técnico") y escribe las notas necesarias. Esta tarea parece pequeña, pero es enorme: si un agente que realiza 60 llamadas al día dedica 2 minutos a cada llamada, dedicará 2 horas del día simplemente a escribir notas. Además, el cansado representante escribe la nota de manera descuidada; Los registros serán inconsistentes y el siguiente agente o gerente no podrá comprender el historial.
La inteligencia artificial revoluciona esta tarea: lee el texto (transcripción) de la conversación y produce un resumen claro, etiquetas precisas y sugerencias del siguiente paso en segundos. En lugar de escribir, el agente revisa y aprueba. En esta unidad, veremos cómo configurar el resumen de llamadas y el etiquetado automático, a qué prestar atención y la disciplina de verificación.
¿Qué incluye un buen resumen de llamada?
Un resumen de la llamada debe ser lo suficientemente claro como para que alguien que nunca haya escuchado esa conversación (el siguiente agente, gerente, supervisor) pueda entenderlo en 15 segundos. Un buen resumen incluye: por qué llamó el cliente (por qué llamó), qué se hizo (qué hizo el representante), resultado (se resolvió, qué se prometió), negocios abiertos (qué requiere seguimiento, si corresponde). Un mal resumen es demasiado largo (desglose línea por línea de la conversación) o demasiado corto ("el cliente llamó, fue atendido"). La IA es muy buena para situarse en un punto intermedio: estructurada, concisa y completa.
El etiquetado/disposición automática es cuando la IA sugiere el código de terminación y las etiquetas de asunto de la llamada. Por ejemplo, la IA etiqueta una conversación como "tema: factura, subtema: objeción por factura alta, resultado: objeción-registro abierto, emoción: enojo". Estas etiquetas generan un gran valor en el futuro: el administrador responde a las preguntas "qué tema recibió más solicitudes este mes" y "qué tema tiene la tasa de solución más baja" en segundos. Pero para que las etiquetas funcionen, requieren un vocabulario de etiquetas coherente (taxonomía: una lista de categorías predefinida, limitada y clara); Si el bot genera etiquetas gratuitas, aparecerán tres etiquetas diferentes como "factura", "facturación", "problema de factura" y se interrumpirá el análisis.
La siguiente tabla compara el acabado manual y asistido por IA:
Tamaño
Manuel (escritor representativo)
Impulsado por IA (aprobaciones de agentes)
Duración (por llamada)
90-150 segundos
15-30 segundos
consistencia
Varía dependiendo de la persona.
Alto, según el diccionario.
integridad
cae en fatiga
estable
Calidad de la etiqueta
libre, desordenado
taxonomía fija
Riesgo
Pérdida de tiempo, inconsistencia.
Resumen incorrecto (debe ser verificado)
Consejo: antes de pasar al etiquetado automático, asegúrese de definir una taxonomía (lista de etiquetas cerrada). Decirle a la IA "elige las apropiadas entre estas 20 etiquetas" es mucho más confiable que decir "etiqueta el tema".
Paso a paso: configurar el feed
- Prepare la fuente: obtenga el texto de la conversación (transcripción ASR en llamada de voz, texto almacenado en chat). Enmascare primero los datos personales/de tarjeta (detallado en la siguiente unidad).
- Proporcionar taxonomía: proporcione al modelo una lista de códigos de terminación válidos y etiquetas de temas; Prohibirle salir.
- Solicite resultados estructurados: solicite resultados detallados (motivos, acciones, resultados, seguimiento, etiquetas, emociones) en lugar de párrafos libres; para que pueda escribirse en el sistema automáticamente.
- Aprobación del representante: el resumen y las etiquetas aparecen en la pantalla del representante; Deja que el representante lo lea, lo corrija y lo apruebe en 10-20 segundos. No grabar sin aprobación.
- Comentarios: recopile las correcciones realizadas por el agente y mejore la taxonomía y el aviso.
Cuatro plantillas copiables
1) Resumen de convocatoria estructurada:
Resuma la siguiente transcripción de la entrevista con un cliente anónimo (sin nombre ni tarjeta). Utilice sólo lo que está en la transcripción; añadiendo conjeturas/inventando.Formato de salida:- Motivo de la búsqueda (1 frase):- Qué se hizo (ítem por ítem):- Resultado (resuelto/parcialmente/no resuelto):- Promesa/compromiso (si lo hay, palabra por palabra):- Trabajo a seguir (si lo hay): Entrevista: <<descifrado>>
2) Etiquetado basado en taxonomía:
Etiqueta la siguiente conversación SÓLO seleccionándola de estas listas: Asunto: [factura, carga, devolución, técnico, membresía, pago, queja, otro]Resultado: [resuelto, objeción_abierta, transferida, seguir_cita, no resuelto]Emoción: [calma, satisfecho, enojado, ansioso]Si no es adecuado en la lista, seleccione "otro" / "no resuelto"; generando nuevas etiquetas.Salida JSON: {"topic":"","result":"","emotion":""}Conversación: <<transcripción>>
3) Siguiente paso/sugerencia de seguimiento:
Genere una recomendación de "siguiente paso" para el agente basada en la siguiente conversación. Basado únicamente en el compromiso y trabajo abierto en el texto. Salida: (1) trabajo por realizar, (2) fecha límite (si está disponible en el texto), (3) recomendación de la unidad responsable. Si no hay compromiso, escriba "no se requiere seguimiento". Entrevista: <<transcripción>>
4) Control de calidad/inconsistencia:
Compare el resumen representativo a continuación con la transcripción de la entrevista. ¿Hay alguna información en el resumen que NO esté en la entrevista (inventada)? ¿Hay alguna información IMPORTANTE que esté en la entrevista pero que falte en el resumen? Marque ambos puntos. No agregues comentarios, solo compara. Resumen: <<resumen>> Entrevista: <<transcripción>>
Aviso débil / Aviso fuerte
Aviso débil:
Resume y etiqueta esta conversación.
Vago: sin formato, sin taxonomía, sin prohibición de fabricación, sin anonimato. El resultado es suelto y desordenado, y las etiquetas aparecen de manera inconsistente.
Potente mensaje:
Resuma la conversación ANÓNIMA a continuación. Formato: motivo / acciones / resultado / compromiso / seguimiento. Seleccione la etiqueta SÓLO de la siguiente lista: asunto=[factura, envío, devolución, técnico, queja, otro], resultado=[resuelto, transferido, no resuelto]. No agregue ninguna información que no esté en el texto; Trasladar el compromiso textualmente. Entrevista: <<transcripción>>
La diferencia: formato, taxonomía, prohibición de fabricación y anonimato son claras.
tres mini casos
Caso 1: Ahorro de tiempo. El equipo de llamadas de una empresa de carga, formado por 120 personas, dedicó un promedio de 110 segundos a resumir por llamada. Cuando se activó el resumen de IA + borrador de etiqueta, este tiempo se redujo a 25 segundos. 120 contactos por día × 60 llamadas × 85 segundos ahorrados ≈ ~170 horas por día, es decir, ~21 turnos completos. Esta capacidad se trasladó para acortar los tiempos de espera y las tareas más difíciles.
Caso 2: La trampa sumaria artificial. En un centro de seguros, la IA escribió una promesa que decía "al cliente se le prometió una devolución dentro de 3 días hábiles", aunque nunca se mencionó en la conversación (el modelo "predijo" a partir de conversaciones similares). Cuando el representante lo envió sin aprobación, el cliente le recordó esta promesa. Solución: Haga que el paso "4) Calidad/inconsistencia" sea obligatorio y solicite la aprobación del delegado. Posteriormente, la tasa de compromisos inventados cayó a casi cero.
Caso 3: Caos de etiquetas. Desde que las etiquetas fueron lanzadas en un banco, se crearon 340 etiquetas temáticas diferentes en 6 meses ("tarjeta", "tarjeta de crédito", "kk", "problema de tarjeta"...). El informe de gestión no tenía sentido. Una vez que se definió una taxonomía cerrada de 22 elementos y la IA se vio obligada a utilizarla, los informes se volvieron significativos y los "5 temas principales" resultaron ser confiables por primera vez.
Errores comunes
- Etiquetado sin taxonomía. El etiquetado gratuito convierte el análisis en basura; Utilice siempre una lista cerrada.
- Sin pasar por la aprobación del delegado. La impresión del resumen y la etiqueta directamente en el sistema convierte la información fabricada en un registro permanente.
- Mover datos personales al resumen. No se deberán conservar en resúmenes nombre, DNI, cédula y domicilio; El resumen debe ser anónimo.
- Resumen demasiado largo. Transcribir la conversación no acelera la conclusión; Trate de realizar un resumen conciso y directo.
- Interpretar el compromiso. La IA debe transmitir la parte de promesa/compromiso palabra por palabra sin hacer comentarios; Inferencias como "probablemente prometido" son peligrosas.
Precaución: El resumen automático no exime al agente de responsabilidad; lo acelera. Cada registro que ingresa al sistema es responsabilidad del representante que lo aprueba. Grabación automática sin aprobación = actas sin firmar.
En resumen
El resumen de llamadas y el etiquetado automático son una de las aplicaciones de inteligencia artificial de mayor rendimiento que reducen a segundos el trabajo administrativo (resumen) que consume más tiempo del agente. El éxito depende de tres cosas: un formato de resumen estructurado y conciso, una taxonomía de etiquetas cerrada y la aprobación obligatoria de los delegados. Comparar el resumen elaborado por la IA con el texto fuente para eliminar información fabricada, no incluir datos personales en los resúmenes y transferir compromisos sin comentarios. Cuando se configura correctamente, ahorra una enorme cantidad de tiempo y aumenta la calidad de grabación y la reportabilidad.
Tarea de aplicación
Diseñe una taxonomía de cierre cerrada de 15 a 20 ítems (tema + resultado + emoción) para su industria. Luego, tome una transcripción de la entrevista con el cliente ficticia o anónima, aplique las plantillas “1) Resumen estructurado” y “2) Etiquetado basado en taxonomía”. Finalmente, verifique el resumen con la plantilla “4) Calidad/inconsistencia” e informe si hay información inventada o faltante.
lista de verificación
- [] Defino una taxonomía de tema/terminación cerrada y fuerzo a la IA a hacerlo.
- [ ] Mis resúmenes son breves, directos (razón/acciones/resultado/compromiso/seguimiento) y coherentes.
- [] Cada resumen y etiqueta se somete a la aprobación de un representante antes de escribirse en el sistema.
- [ ] No se guardan datos personales/de tarjeta en el resumen y etiquetas (anónimos).
- [] Comparo el resumen de IA con el texto fuente y elimino la información falsa.
- [ ] Los compromisos se citan palabra por palabra, sin interpretación.