Guadagni:
- Capacità di produrre tag automatici basati su una tassonomia chiusa con riepiloghi delle chiamate strutturati e brevi
- Capacità di eliminare informazioni inventate passando automaticamente il riepilogo e i tag attraverso l'approvazione del rappresentante e confrontandoli con il testo di origine
- Possibilità di abbreviare i tempi di conclusione trasferendo i riepiloghi senza conservare i dati personali/della carta e senza interpretare gli impegni
Il lavoro di un rappresentante non si esaurisce nel parlare con il cliente. Dopo ogni chiamata, dovrebbe essere creata una registrazione di "cosa è stato detto, cosa è stato fatto, di cosa si trattava". Questo si chiama lavoro di conclusione o post-chiamata / ACW: il rappresentante riassume la conversazione, seleziona un codice di terminazione nel sistema (codice disposizione - la categoria che indica l'oggetto/risultato della chiamata, ad esempio "ritorno approvato", "guasto tecnico") e scrive le note necessarie. Questo compito sembra piccolo, ma è enorme: se un agente che effettua 60 chiamate al giorno dedica 2 minuti a ciascuna chiamata, 2 ore della giornata saranno dedicate solo a scrivere appunti. Inoltre, il rappresentante stanco scrive la nota in modo sciatto; i record saranno incoerenti e il successivo agente o manager non sarà in grado di comprendere la cronologia.
L'intelligenza artificiale rivoluziona questo compito: legge il testo (trascrizione) della conversazione e produce in pochi secondi un riepilogo accurato, tag accurati e suggerimenti sul passaggio successivo. Invece di scrivere, l’agente rivede e approva. In questa unità vedremo come impostare il riepilogo delle chiamate e l'etichettatura automatica, a cosa prestare attenzione e la disciplina della verifica.
Cosa include un buon riepilogo delle chiamate?
Un riepilogo della chiamata dovrebbe essere sufficientemente chiaro affinché qualcuno che non ha mai ascoltato quella conversazione (l'agente successivo, il manager, il supervisore) possa capirlo in 15 secondi. Un buon riepilogo include: perché il cliente ha chiamato (perché ha chiamato), cosa è stato fatto (cosa ha fatto il rappresentante), risultato (è stato risolto, cosa è stato promesso), attività aperta (cosa, se del caso, richiede un follow-up). Un riassunto errato è troppo lungo (scomposizione della conversazione riga per riga) o troppo breve ("il cliente ha chiamato, è stato gestito"). L'intelligenza artificiale è molto brava a cadere nel mezzo: strutturata, concisa e completa.
La codifica/disposizione automatica avviene quando l'intelligenza artificiale suggerisce il codice di terminazione e i tag dell'oggetto della chiamata. Ad esempio, l'intelligenza artificiale etichetta una conversazione come "argomento: fattura, sottoargomento: obiezione alla fattura alta, risultato: obiezione-record-aperto, emozione: rabbia". Questi tag generano un enorme valore in futuro: il manager risponde in pochi secondi alle domande "quale argomento ha ricevuto più richieste questo mese" e "quale argomento ha il tasso di soluzione più basso". Ma affinché i tag funzionino, richiedono un vocabolario di tag coerente (tassonomia: un elenco di categorie predefinito, limitato e chiaro); Se il bot genera etichette gratuite, appariranno tre diverse etichette come "fattura", "fatturazione", "problema fattura" e l'analisi verrà interrotta.
La tabella seguente mette a confronto la finitura manuale e quella assistita dall'intelligenza artificiale:
Dimensioni
Manuel (scrittore rappresentativo)
Basato sull'intelligenza artificiale (approvazioni degli agenti)
Durata (per chiamata)
90-150 secondi
15-30 secondi
Coerenza
Varia a seconda della persona
Alto, a seconda del dizionario
completezza
cade stanco
stabile
Qualità dell'etichetta
libero, disordinato
tassonomia fissa
Rischio
Perdita di tempo, incoerenza
Riepilogo errato (da verificare)
Suggerimento: prima di passare alla codifica automatica, assicurati di definire una tassonomia (elenco di tag chiuso). Dire all'IA "scegli quelli appropriati tra questi 20 tag" è molto più affidabile che dire "tagga l'argomento".
Passo dopo passo: impostazione del feed
- Prepara la fonte: ottieni il testo della conversazione (trascrizione ASR nella chiamata vocale, testo predefinito nella chat). Mascherare prima i dati personali/della carta (dettagliati nell'unità successiva).
- Fornisci tassonomia: fornisci al modello un elenco di codici di terminazione e tag di argomento validi; Proibiscigli di uscire.
- Richiedere output strutturati: richiedere output sul campo (ragione, azioni, risultato, follow-up, tag, emozione) piuttosto che paragrafi liberi; in modo che possa essere scritto automaticamente nel sistema.
- Approvazione del rappresentante: riepilogo ed etichette vengono visualizzati sullo schermo del rappresentante; Lascia che il rappresentante lo legga, lo corregga e lo approvi in 10-20 secondi. Non registrare senza approvazione.
- Feedback: raccogli le correzioni apportate dall'agente e migliora la tassonomia e il prompt.
Quattro modelli copiabili
1) Riepilogo chiamate strutturate:
Riepilogare la seguente trascrizione dell'intervista anonima (senza nome/scheda) al cliente. Utilizzare solo ciò che è presente nella trascrizione; aggiunta di ipotesi/composizione. Formato di output:- Motivo della ricerca (1 frase):- Cosa è stato fatto (elemento per elemento):- Risultato (risolto/parzialmente/non risolto):- Promessa/impegno (se presente, letterale):- Lavoro da seguire (se presente): Intervista: <<decifrazione>>
2) Tagging basato sulla tassonomia:
Tagga la seguente conversazione SOLO selezionandola da questi elenchi: Oggetto: [fattura, carico, reso, tecnico, adesione, pagamento, reclamo, altro]Risultato: [risolto, obiezione_aperta, trasferita, segui_appuntamento, irrisolto]Emozione: [calmo, soddisfatto, arrabbiato, ansioso]Se non è adatta nell'elenco, seleziona "altro" / "non risolto"; generazione di nuovi tag.Output JSON: {"topic":"","result":"","emotion":""}Conversazione: <<transcription>>
3) Passaggio successivo/suggerimento di follow-up:
Genera una raccomandazione sul "passaggio successivo" per l'agente in base alla conversazione seguente. Basato esclusivamente sull'impegno e sul lavoro aperto nel testo. Risultato: (1) lavoro da svolgere, (2) scadenza (se disponibile nel testo), (3) raccomandazione dell'unità responsabile. Se non c'è impegno, scrivere "non è richiesto alcun follow-up". Colloquio: <<trascrizione>>
4) Controllo qualità/incoerenza:
Confrontare il riassunto rappresentativo riportato di seguito con la trascrizione dell'intervista. Ci sono informazioni nel riassunto che NON sono presenti nell'intervista (inventata)? Ci sono informazioni IMPORTANTI presenti nell'intervista ma che mancano nel riepilogo? Seleziona entrambi i punti elenco. Non aggiungere commenti, basta confrontare. Sommario: <<summary>> Intervista: <<trascrizione>>
Prompt debole / Prompt forte
Suggerimento debole:
Riassumi ed etichetta questa conversazione.
Vago: nessuna formattazione, nessuna tassonomia, nessun divieto di fabbricazione, nessun anonimato. L'output è poco chiaro e disordinato e le etichette appaiono in modo incoerente.
Suggerimento potente:
Riassumi di seguito la conversazione ANONIMA. Formato: ragione/azioni/risultato/impegno/seguito. Seleziona il tag SOLO dal seguente elenco: oggetto=[fattura, spedizione, reso, tecnico, reclamo, altro], risultato=[risolto, trasferito, non risolto]. Non aggiungere informazioni che non siano presenti nel testo; Riportare testualmente l'impegno. Colloquio: <<trascrizione>>
La differenza: formato, tassonomia, divieto di fabbricazione e anonimato sono chiari.
tre mini custodie
Caso 1: risparmio di tempo. Il team di chiamata di 120 persone di una compagnia di trasporto merci ha impiegato in media 110 secondi per concludere ogni chiamata. Quando è stato attivato il riepilogo AI + bozza dell'etichetta, questo tempo è stato ridotto a 25 secondi. 120 contatti al giorno × 60 chiamate × 85 secondi risparmiati ≈ ~170 ore al giorno, ovvero ~21 turni completi. Questa capacità è stata spostata per ridurre i tempi di attesa e compiti più difficili.
Caso 2 – La trappola sommaria artificiosa. In un centro assicurativo, l'AI ha scritto una promessa dicendo che "al cliente è stato promesso un reso entro 3 giorni lavorativi", anche se non è mai stato menzionato nella conversazione (il modello "previsto" da conversazioni simili). Quando il rappresentante lo ha inviato senza approvazione, il cliente gli ha ricordato questa promessa. Soluzione: rendere obbligatorio il passaggio "4) Qualità/incoerenza" e richiedere l'approvazione del delegato. Successivamente, il tasso di impegni realizzati è sceso quasi a zero.
Caso 3 – Caos delle etichette. Da quando i tag sono stati rilasciati in una banca, in 6 mesi sono stati creati 340 diversi tag tematici ("carta", "carta di credito", "kk", "problema con la carta"...). La relazione sulla gestione era priva di significato. Una volta definita una tassonomia chiusa di 22 elementi e l'IA è stata costretta a utilizzarla, i report sono diventati significativi e i "5 argomenti principali" si sono rivelati affidabili per la prima volta.
Errori comuni
- Tagging senza tassonomia. L’etichettatura gratuita trasforma l’analisi in spazzatura; utilizzare sempre l'elenco chiuso.
- Bypassare l'approvazione del delegato. La stampa del riepilogo e dell'etichetta direttamente nel sistema trasforma le informazioni fabbricate in un record permanente.
- Spostamento dei dati personali nel riepilogo. Nome, carta d'identità, carta e indirizzo non devono essere conservati in sintesi; L'abstract deve essere anonimo.
- Riassunto troppo lungo. Trascrivere la conversazione non accelera la conclusione; Punta a un riepilogo conciso e pertinente.
- Interpretare l'impegno. L’intelligenza artificiale dovrebbe trasmettere testualmente la parte della promessa/impegno senza commentare; Inferenze come "probabilmente promesso" sono pericolose.
Attenzione: il riepilogo automatico non esonera l'agente da responsabilità; lo accelera. Ogni record immesso nel sistema è responsabilità del rappresentante che lo approva. Registrazione automatica senza approvazione = verbale non firmato.
In sintesi
Il riepilogo delle chiamate e il tagging automatico sono una delle applicazioni AI a più alto rendimento che riducono a pochi secondi il lavoro amministrativo più dispendioso in termini di tempo (wrap-up) dell'agente. Il successo dipende da tre cose: un formato di riepilogo strutturato e conciso, una tassonomia di tag chiusi e l'approvazione obbligatoria del delegato. Confrontare il riassunto prodotto dall’IA con il testo di partenza per eliminare le informazioni inventate, non includere dati personali nei riassunti e trasferire gli impegni senza commenti. Se impostato correttamente, consente di risparmiare molto tempo e aumenta la qualità della registrazione e la riferibilità.
Compito dell'applicazione
Progetta una tassonomia di chiusura chiusa di 15-20 elementi (argomento + risultato + emozione) per il tuo settore. Quindi prendi una trascrizione fittizia o anonima dell'intervista al cliente, applica i modelli "1) Riepilogo strutturato" e "2) Tagging basato sulla tassonomia". Infine, controlla il riepilogo con il modello “4) Qualità/incoerenza” e segnala le informazioni false/mancanti.
lista di controllo
- [ ] Definisco una tassonomia di terminazione/argomento chiusa e forza l'intelligenza artificiale a farlo.
- [ ] I miei riassunti sono brevi, puntuali (ragioni/azioni/risultati/impegno/follow-up) e coerenti.
- [ ] Ogni riepilogo e tag vengono sottoposti all'approvazione del rappresentante prima di essere scritti nel sistema.
- [ ] Nessun dato personale/carta viene conservato nel riepilogo e nelle etichette (anonime).
- [ ] Confronto il riepilogo AI con il testo originale ed elimino le informazioni spurie.
- [ ] Gli impegni sono citati parola per parola, senza interpretazione.