Gains :
- Capacité à produire un marquage automatique basé sur une taxonomie fermée avec des résumés d'appels structurés et courts
- Possibilité d'éliminer les informations fabriquées en transmettant automatiquement le résumé et les balises via l'approbation du représentant et en les comparant avec le texte source
- Possibilité de raccourcir le délai de conclusion en transférant des résumés sans conserver les données personnelles/de carte et sans interpréter les engagements
Le travail d'un représentant ne se limite pas à parler au client. Après chaque appel, un enregistrement de « ce qui a été dit, ce qui a été fait, quel en a été le sujet » doit être créé. C'est ce qu'on appelle le travail de clôture ou d'après appel / ACW : le représentant résume la conversation, sélectionne un code de fin dans le système (code de disposition - la catégorie indiquant l'objet/résultat de l'appel, par exemple "retour-approuvé", "échec technique") et rédige les notes nécessaires. Cette tâche semble petite, mais elle est énorme : si un agent effectuant 60 appels par jour consacre 2 minutes à chaque appel, 2 heures de la journée seront consacrées à la simple rédaction de notes. De plus, le représentant fatigué rédige la note de manière bâclée ; les enregistrements seront incohérents et le prochain agent ou gestionnaire ne sera pas en mesure de comprendre l’historique.
L'intelligence artificielle révolutionne cette tâche : elle lit le texte (transcription) de la conversation et produit un résumé soigné, des balises précises et une suggestion d'étape suivante en quelques secondes. Au lieu d’écrire, l’agent examine et approuve. Dans cette unité, nous verrons comment mettre en place la synthèse des appels et le marquage automatique, les éléments à prendre en compte et la discipline de vérification.
Que comprend un bon résumé d’appel ?
Un résumé d’appel doit être suffisamment clair pour que quelqu’un qui n’a jamais entendu cette conversation (le prochain agent, manager, superviseur) puisse le comprendre en 15 secondes. Un bon résumé comprend : pourquoi le client a appelé (pourquoi il a appelé), ce qui a été fait (ce que le représentant a fait), le résultat (a-t-il été résolu, ce qui a été promis), les affaires en cours (ce qui, le cas échéant, nécessite un suivi). Un mauvais résumé est soit trop long (découpage ligne par ligne de la conversation), soit trop court (« le client a appelé, il a été traité »). L’IA est très douée pour se situer entre les deux : structurée, concise et complète.
Le marquage/disposition automatique se produit lorsque l'IA suggère le code de terminaison et les balises d'objet de l'appel. Par exemple, l'IA qualifie une conversation comme « sujet : facture, sous-sujet : objection à une facture élevée, résultat : objection-enregistrement-ouvert, émotion : colère ». Ces balises génèrent une valeur énorme à l'avenir : le responsable répond aux questions « quel sujet a reçu le plus de demandes ce mois-ci » et « quel sujet a le taux de solution le plus bas » en quelques secondes. Mais pour que les balises fonctionnent, elles nécessitent un vocabulaire de balises cohérent (taxonomie – une liste de catégories prédéfinies, limitées et claires) ; Si le bot génère des étiquettes gratuites, trois étiquettes différentes telles que « facture », « facturation », « problème de facture » apparaîtront et l'analyse sera perturbée.
Le tableau suivant compare la finition manuelle et assistée par l'IA :
Taille
Manuel (écrivain représentatif)
Alimenté par l'IA (approbations des agents)
Durée (par appel)
90-150 secondes
15-30 secondes
Cohérence
Varie selon la personne
Élevé, selon le dictionnaire
exhaustivité
tombe de fatigue
stable
Qualité de l'étiquette
gratuit, désordonné
taxonomie fixe
Risque
Perte de temps, incohérence
Résumé incorrect (doit être vérifié)
Astuce : Avant de passer au balisage automatique, veillez à définir une taxonomie (liste de balises fermée). Dire à l'IA "choisissez celles qui conviennent parmi ces 20 balises" est beaucoup plus fiable que de dire "marquer le sujet".
Pas à pas : paramétrer le flux
- Préparez la source : obtenez le texte de la conversation (transcription ASR dans l'appel vocal, texte prédéfini dans le chat). Masquez d’abord les données personnelles/de carte (détaillées dans l’unité suivante).
- Donner une taxonomie : donnez au modèle une liste de codes de terminaison et de balises de sujet valides ; Interdisez-lui de sortir.
- Demandez une sortie structurée : demandez une sortie sur le terrain (raison, actions, résultat, suivi, balises, émotion) plutôt que des paragraphes libres ; afin qu'il puisse être écrit automatiquement dans le système.
- Approbation du représentant : un résumé et des étiquettes apparaissent sur l'écran du représentant ; Laissez le représentant le lire, le corriger et l’approuver en 10 à 20 secondes. N'enregistrez pas sans approbation.
- Retour d'information : collectez les corrections apportées par l'agent et améliorez la taxonomie et l'invite.
Quatre modèles copiables
1) Résumé structuré de l'appel :
Résumez la transcription suivante de l’entretien avec un client anonyme (sans nom ni carte). Utilisez uniquement ce qui figure dans la transcription ; ajout de suppositions/inventivité.Format de sortie :- Raison de la recherche (1 phrase) :- Ce qui a été fait (élément par élément) :- Résultat (résolu / partiellement / non résolu) :- Promesse / engagement (le cas échéant, textuellement) :- Travail à suivre (le cas échéant) : Entretien : <<déchiffrement>>
2) Marquage basé sur la taxonomie :
Marquez la conversation suivante UNIQUEMENT en la sélectionnant dans ces listes : Objet : [facture, fret, retour, technique, adhésion, paiement, plainte, autre] Résultat : [résolu, objection_ouverte, transférée, suivi_rendez-vous, non résolu] Émotion : [calme, satisfait, en colère, anxieux] Si cela ne convient pas dans la liste, sélectionnez "autre" / "non résolu" ; générer de nouvelles balises.Sortie JSON : {"topic":"","result":"","emotion":""}Conversation : <<transcription>>
3) Étape suivante/suggestion de suivi :
Générez une recommandation « étape suivante » pour l'agent en fonction de la conversation suivante. Basé uniquement sur l'engagement et le travail ouvert dans le texte. Résultat : (1) travail à effectuer, (2) délai (si disponible dans le texte), (3) recommandation de l'unité responsable. S'il n'y a pas d'engagement, écrivez « aucune suite à donner ».Entretien : <<transcription>>
4) Contrôle qualité/incohérence :
Comparez le résumé représentatif ci-dessous avec la transcription de l’entretien. Y a-t-il des informations dans le résumé qui ne figurent PAS dans l’entretien (inventées) ? Y a-t-il des informations IMPORTANTES qui figurent dans l’entretien mais qui manquent dans le résumé ? Cochez les deux puces. N'ajoutez pas de commentaires, comparez simplement. Résumé : <<résumé>> Entretien : <<transcription>>
Invite faible/Invite forte
Invite faible :
Résumez et étiquetez cette conversation.
Vague : pas de formatage, pas de taxonomie, pas d'interdiction de fabrication, pas d'anonymat. Le résultat est lâche et désordonné, et les étiquettes apparaissent de manière incohérente.
Invite puissante :
Résumez la conversation ANONYME ci-dessous. Format : raison / actions / résultat / engagement / suivi. Sélectionnez UNIQUEMENT la balise dans la liste suivante : subject=[facture, expédition, retour, technique, réclamation, autre], result=[résolu, transféré, non résolu]. N'ajoutez aucune information qui ne figure pas dans le texte ; Transmettre l'engagement textuellement.Entretien : <<transcription>>
La différence : le format, la taxonomie, l’interdiction de fabrication et l’anonymat sont clairs.
trois mini-cases
Cas 1 — Gain de temps. L'équipe d'appel d'une entreprise de fret composée de 120 personnes a passé en moyenne 110 secondes à conclure un appel. Lorsque le résumé AI + le brouillon d’étiquette était activé, ce temps était réduit à 25 secondes. 120 contacts par jour × 60 appels × 85 secondes économisées ≈ ~170 heures par jour, soit ~21 postes complets. Cette capacité a été modifiée pour réduire les délais d'attente et rendre les tâches plus difficiles.
Cas 2 — Le piège sommaire artificiel. Dans un centre d'assurance, l'IA a écrit une promesse disant "le client s'est vu promettre un retour dans les 3 jours ouvrables", même si cela n'a jamais été mentionné dans la conversation (le modèle "prédit" à partir de conversations similaires). Lorsque le représentant l'a envoyé sans approbation, le client lui a rappelé cette promesse. Solution : Rendre l'étape « 4) Qualité/incohérence » obligatoire et exiger l'approbation du délégué. Par la suite, le taux d’engagements fabriqués est tombé à près de zéro.
Cas 3 — Chaos d’étiquettes. Depuis la libération des tags dans une banque, 340 tags sujets différents ont été créés en 6 mois ("carte", "carte de crédit", "kk", "problème de carte"...). Le rapport de gestion n'avait aucun sens. Une fois qu'une taxonomie fermée de 22 éléments a été définie et que l'IA a été obligée de l'utiliser, les rapports ont pris du sens et les « 5 principaux sujets » se sont révélés fiables pour la première fois.
Erreurs courantes
- Marquage sans taxonomie. L’étiquetage gratuit transforme l’analyse en déchet ; utilisez toujours une liste fermée.
- Contourner l’approbation des délégués. L'impression du résumé et de l'étiquette directement dans le système transforme les informations fabriquées en un enregistrement permanent.
- Déplacement des données personnelles vers le résumé. Le nom, la pièce d’identité, la carte et l’adresse ne doivent pas être conservés dans les résumés ; Le résumé doit être anonyme.
- Résumé trop long. La transcription de la conversation n’accélère pas la conclusion ; Visez un résumé concis et précis.
- Interprétation de l'engagement. L'IA doit transmettre la partie promesse/engagement textuellement sans commentaire ; Des inférences telles que « probablement promis » sont dangereuses.
Attention : Le récapitulatif automatique ne dégage pas l'agent de sa responsabilité ; ça l'accélère. Chaque enregistrement entré dans le système relève de la responsabilité du représentant qui l'approuve. Enregistrement automatique sans approbation = minutes non signées.
En résumé
Le résumé des appels et le marquage automatique sont l'une des applications d'IA les plus performantes qui réduisent à quelques secondes le travail administratif le plus fastidieux (conclusion) de l'agent. Le succès dépend de trois choses : un format de résumé structuré et concis, une taxonomie de balises fermées et l'approbation obligatoire des délégués. Comparez le résumé produit par l'IA avec le texte source pour éliminer les informations fabriquées, n'incluez pas de données personnelles dans les résumés et transférez les engagements sans commentaire. Lorsqu’il est configuré correctement, il permet de gagner énormément de temps et augmente la qualité d’enregistrement et la possibilité de rapporter.
Tâche de candidature
Concevez une taxonomie finale fermée de 15 à 20 éléments (sujet + résultat + émotion) pour votre secteur. Ensuite, prenez une transcription d'entretien client fictive ou anonymisée, appliquez les modèles « 1) Résumé structuré » et « 2) Marquage basé sur la taxonomie ». Enfin, vérifiez le résumé avec le modèle « 4) Qualité/incohérence » et le rapport pour détecter les informations fabriquées/manquantes.
liste de contrôle
- [ ] Je définis une taxonomie de terminaison/sujet fermée et j'y force l'IA.
- [ ] Mes synthèses sont courtes, précises (raison/actions/résultat/engagement/suivi) et cohérentes.
- [ ] Chaque résumé et chaque balise sont soumis à l'approbation d'un représentant avant d'être écrits dans le système.
- [ ] Aucune donnée personnelle/carte n'est conservée dans le récapitulatif et les étiquettes (anonymes).
- [ ] Je compare le résumé de l'IA avec le texte source et j'élimine les informations fallacieuses.
- [ ] Les engagements sont cités textuellement, sans interprétation.