利益:
- 構造化された短い通話概要を使用したクローズド分類法に基づいて自動タグ付けを作成する機能
- 概要やタグを代表者の承認を経て自動的に渡し、原文と照合することで捏造情報を排除する機能
- 個人/カードデータを保持したり約束を解釈したりせずに概要を転送することで、処理時間を短縮する機能
担当者の仕事は顧客と話すだけでは終わりません。電話をかけるたびに、「何が話されたか、何が行われたか、何が議題であったか」の記録を作成する必要があります。これはラップアップまたはアフターコール作業/ACWと呼ばれます。担当者は会話を要約し、システム内の終了コード (処理コード - コールの件名/結果を示すカテゴリ、たとえば「返品承認」、「技術的障害」) を選択し、必要なメモを書きます。このタスクは小さいように見えますが、非常に膨大な作業です。1 日に 60 件の電話をかけるエージェントが各通話に 2 分を費やした場合、1 日の 2 時間はメモを書くだけで費やされることになります。さらに、疲れた代表者はメモを雑に書きます。記録に一貫性がなくなり、次のエージェントやマネージャーは履歴を理解できなくなります。
人工知能はこのタスクに革命をもたらします。人工知能は会話のテキスト (文字起こし) を読み取り、きちんとした要約、正確なタグ、次のステップの提案を数秒で生成します。エージェントは書く代わりにレビューして承認します。この単元では、通話要約と自動タグ付けを設定する方法、注意すべき点、および検証規律について説明します。
適切な通話概要には何が含まれますか?
通話の概要は、その会話を聞いたことがない人 (次のエージェント、マネージャー、スーパーバイザー) が 15 秒で理解できるほど明確である必要があります。適切な要約には、顧客が電話した理由 (電話をかけた理由)、何が行われたか (担当者が行ったこと)、結果 (解決したか、約束された内容)、オープンなビジネス (フォローアップが必要な場合は何が必要か) が含まれます。悪い要約は、長すぎる (会話を 1 行ずつ内訳する) か、短すぎる (「顧客から電話があり、処理されました」) かのいずれかです。 AI は、構造化、簡潔、完全性の間でうまく対応します。
自動タグ付け/処理は、AI が通話の終了コードと件名タグを提案するときです。たとえば、AI は会話を「トピック: 請求書、サブトピック: 高額請求に対する反対、結果: 異議申し立て記録オープン、感情: 怒り」というラベルを付けます。これらのタグは将来的に大きな価値を生み出します。マネージャーは、「今月最も多くのリクエストを受け取ったトピックはどれか」、「解決率が最も低いトピックはどれか」という質問に数秒で答えます。しかし、タグが機能するには、一貫したタグボキャブラリー (分類法、つまり、事前に定義された限定された明確なカテゴリのリスト) が必要です。ボットが無料のラベルを生成すると、「請求書」、「請求書」、「請求書の問題」など 3 つの異なるラベルが表示され、分析が中断されます。
次の表は、手動仕上げと AI 支援仕上げを比較しています。
サイズ
マヌエル（代表ライター）
AI を活用した (エージェントの承認)
期間（通話ごと）
90～150秒
15～30秒
一貫性
人によって異なります
辞書によると高い
完全性
疲労に陥る
安定した
ラベルの品質
自由、乱雑
固定分類法
リスク
時間のロス、一貫性の欠如
間違った概要 (要確認)
ヒント: 自動タグ付けに進む前に、必ず分類法 (クローズドタグリスト) を定義してください。 AI に「この 20 個のタグから適切なものを選択してください」と指示することは、「トピックにタグを付けてください」と指示するよりもはるかに信頼性が高くなります。
ステップバイステップ: フィードのセットアップ
- ソースの準備: 会話のテキストを取得します (音声通話の ASR トランスクリプト、チャットの定型テキスト)。最初に個人/カードデータをマスクします (次の単元で詳しく説明します)。
- 分類法を与える: 有効な終了コードとトピック タグのリストをモデルに与えます。彼に外に出ることを禁じてください。
- 構造化された出力を求める: 自由な段落ではなく、フィールド化された出力 (理由、アクション、結果、フォローアップ、タグ、感情) を求めます。したがって、システムに自動的に書き込むことができます。
- 代表者の承認: 概要とラベルが代表者の画面に表示されます。代表者にそれを読み、修正して 10 ～ 20 秒で承認してもらいます。許可なく録音しないでください。
- フィードバック: エージェントによって行われた修正を収集し、分類とプロンプトを改善します。
コピー可能な 4 つのテンプレート
1) 構造化された通話の概要:
次の匿名 (名前もカードもなし) の顧客インタビュー記録を要約します。トランスクリプトに記載されている内容のみを使用してください。出力形式:- 検索理由 (1 文):- 実行内容 (項目ごと):- 結果 (解決済み / 部分的 / 未解決):- 約束 / コミットメント (ある場合は逐語的に):- フォローアップする作業 (ある場合): インタビュー: <<解読>>
2) 分類に基づいたタグ付け:
次の会話のみをこれらのリストから選択してタグ付けします。 件名: [請求書、貨物、返品、技術、メンバーシップ、支払い、苦情、その他] 結果: [解決済み、異議申し立て、転送、フォロー_アポイントメント、未解決] 感情: [冷静、満足、怒り、不安] リストに適切でない場合は、「その他」/「未解決」を選択します。新しいタグを生成します。出力 JSON: {"topic":"","result":"","emotion":""}会話: <<文字起こし>>
3) 次のステップ/フォローアップの提案:
次の会話に基づいて、エージェントに対する「次のステップ」の推奨事項を生成します。本文中のコミットメントとオープンな取り組みのみに基づいています。出力: (1) 実行すべき作業、(2) 期限 (本文に記載されている場合)、(3) 担当部門の推奨事項。確約がない場合は「フォロー不要」とご記入ください。インタビュー：《文字起こし》
4) 品質/不一致の管理:
以下の代表的な概要をインタビューの記録と比較してください。概要にインタビューにない（でっちあげられた）情報はありますか？インタビューには含まれているが、概要には欠けている重要な情報はありますか?両方の箇条書きにチェックを入れます。コメントは追加せず、比較するだけにしてください。概要：《要約》 インタビュー：《文字起こし》
弱いプロンプト / 強いプロンプト
弱いプロンプト:
この会話を要約してラベルを付けます。
曖昧: フォーマットなし、分類法なし、捏造禁止なし、匿名性なし。出力は緩くて乱雑で、ラベルの表示に一貫性がありません。
強力なプロンプト:
以下に ANONYMOUS の会話を要約します。フォーマット：理由/行動/結果/コミットメント/フォローアップ。次のリストからのみタグを選択してください: subject=[請求書、配送、返品、技術、苦情、その他]、result=[解決済み、転送済み、未解決]。本文にない情報は追加しないでください。約束をそのまま伝えます。インタビュー: <<文字起こし>>
違いは、形式、分類法、捏造の禁止、匿名性が明確であることです。
ミニケース3個
ケース 1 — 時間の節約。ある貨物会社の 120 人からなる電話チームは、1 件の電話での対応に平均 110 秒を費やしました。 AIサマリー+ラベルドラフトを有効にすると、この時間が25秒に短縮されました。 1 日あたり 120 件の連絡先 × 60 件の通話 × 85 秒の節約 ≈ 1 日あたり約 170 時間、つまり、フルシフトで約 21 時間節約されます。この能力は、待ち時間を短縮し、より困難な作業を行うために変更されました。
ケース 2 — 人為的な要約トラップ。保険センターでは、会話の中で言及されていないにもかかわらず、AI が「顧客は 3 営業日以内の返品を約束された」という約束を書きました (モデルは同様の会話から「予測」しました)。担当者が無断で送信したところ、顧客はこの約束を思い出させました。解決策: 「4) 品質/不一致」ステップを必須にし、代表者の承認を必要とします。その後、捏造された公約の割合はほぼゼロに低下した。
ケース 3 — ラベルのカオス。タグが銀行でリリースされて以来、6 か月で 340 の異なる件名タグ (「カード」、「クレジット カード」、「kk」、「カードの問題」...) が作成されました。管理報告書は意味がなかった。クローズドな 22 項目の分類法が定義され、AI がそれを使用するように強制されると、レポートは意味のあるものになり、「トップ 5 トピック」が信頼できるものであることが初めて判明しました。
よくある間違い
- 分類法を使用しないタグ付け。無料のラベル付けは分析をゴミにします。常に閉じたリストを使用してください。
- 代理人の承認をバイパスします。概要とラベルをシステムに直接印刷すると、捏造された情報が永続的な記録に変わります。
- 個人データを概要に移動します。名前、ID、カード、住所を概要に保存しないでください。要約は匿名である必要があります。
- 長すぎる要約。会話を文字に起こしてもまとめは速くなりません。簡潔で要点を絞った要約を目指します。
- コミットメントを解釈する。 AI は約束/コミットメントの部分をコメントせずにそのまま伝える必要があります。 「おそらく約束されている」といった推測は危険です。
注意: 自動要約はエージェントの責任を軽減するものではありません。それがスピードアップします。システムに登録される各記録は、それを承認する代表者の責任となります。承認なしの自動録画 = 署名されていない分。
要約すれば
通話サマリーと自動タグ付けは、エージェントの最も時間のかかる管理作業 (後処理) を数秒に短縮する、最も収益性の高い AI アプリケーションの 1 つです。成功は、構造化された簡潔な概要形式、クローズドタグ分類法、および必須の代表者の承認という 3 つのことにかかっています。 AIによって生成された要約をソーステキストと比較して捏造された情報を排除し、要約に個人データを含めず、コメントなしで約束を転送します。正しく設定すると、時間を大幅に節約し、記録品質とレポート可能性が向上します。
アプリケーションタスク
あなたの業界向けに、15 ～ 20 項目のクローズド分類法 (トピック + 結果 + 感情) を設計します。次に、架空の、または匿名化された顧客インタビューの記録を取得し、「1) 構造化された概要」および「2) 分類ベースのタグ付け」テンプレートを適用します。最後に「4)品質・不一致」テンプレートで概要を確認し、情報の捏造・欠落がないか報告します。
チェックリスト
- [ ] クローズド終了/トピック分類法を定義し、AI に強制的にそれに適用させます。
- [ ] 私の要約は短く、要点を絞っており (理由/行動/結果/コミットメント/フォローアップ)、一貫性があります。
- [ ] 各サマリーとタグは、システムに書き込まれる前に代表者の承認を受けます。
- [ ] 個人/カード データは概要とラベルに保持されません (匿名)。
- [ ] AI 要約をソーステキストと比較し、誤った情報を排除します。
- [ ] コミットメントは、解釈せずにそのまま引用されています。