利益:
- 感情分析と音声分析を使用して個別の傾向と集合的な傾向を読み取り、絶対的な事実ではなくシグナルとしてスコアを使用する能力
- 最終的な決定を人間に委ねながら、客観的なスコアカードを使用して会話を 100% スキャンし、証拠に基づいた予備評価を生成する能力
- 開発と経験の向上を目的として、刑罰文化から離れた透明性のある品質システムを確立する能力
コールセンターでは毎日何千もの会話が行われますが、従来の方法では、品質チームが聞いて評価できるのはそのほんの一部だけです (ほとんどの場所で 1 ～ 2%)。つまり、会話の 98% は調査されることなく失われます。たとえ顧客が不当な扱いを受けたり、担当者が虚偽の情報を繰り返し伝えたとしても、誰も気付かない可能性があります。人工知能はこの状況を根本的に変えます。人工知能はあらゆる会話を読み取り、評価することができます。この単元では、感情分析 (顧客と担当者の感情の調子の測定) と品質管理 (QA - 品質保証、会話の標準への準拠の評価) という 2 つの関連トピックについて説明します。
最初の２期。感情分析は、テキストまたはスピーチの肯定的、否定的、または中立的な感情の調子です。それは、怒り、満足、不安などの状況を自動的に検出することです。音声分析（インタラクション分析）とは、あらゆる会話を一括分析し、傾向や頻繁な話題、リスクや機会を抽出することです。これらを組み合わせることで、コールセンターに「聞く耳」が与えられ、マネージャーが個別に聞くことができない何千もの会話から意味を生み出すことができます。
感情分析: 脈拍を保つ
感情分析は 2 つのレベルで機能します。特異レベル: 会話の一般的なトーン (「顧客は怒り始めたが、最終的には落ち着いた」) と転換点を示します。集計レベル: 「今週は否定的な感情が 18% 増加、主に『請求書』に関するもの」などの傾向を数千の会話から抽出します。この情報は貴重です。怒りの高まり、製品の問題、新しいキャンペーンに関する混乱を早期にキャッチします。
ただし、感情分析は完璧ではありません。トルコ語では、皮肉、皮肉、慣用句がモデルを誤解させる可能性があります (「ありがとうございます、素晴らしいサービスです!」という文は怒りで言った可能性があります)。また、感情スコアはシグナルであり、決定的な真実ではありません。したがって、感情分析は個々の担当者を罰するためではなく、傾向を確認し、注意が必要な会話を強調するために使用します。
ヒント: 感情分析は「判断」ではなく「警告」として使用してください。たった 1 つのマイナスのスコアが代表を非難するわけではありません。しかし、否定的な傾向が高まっていることは、調査が必要な領域を示しています。人間が信号を確認します。
品質管理：1％ではなく100％評価
従来の QA では、品質専門家が評価フォーム (スコアカード - 「挨拶は行われたか、本人確認が行われたか、提供された解決策はあったか、締めくくりは適切だったか」などの項目) を使用して、ランダムに選択されたいくつかのコールをスコア付けします。この方法には、サンプル サイズが小さい、主観性、遅延の問題があります。人工知能をサポートする QA では、モデルはスコアカードの項目に従ってすべての会話を自動的に評価します。どの記事が欠落しているか、どの演説が危険か、どの問題に関してどの代表を支持すべきか、すべてが表示されます。
重要な点: AI の QA スコアは予備的なスクリーニングおよび指標であり、最終的な評価ではありません。 AIは「この会話は認証ステップをスキップしたようです」と言いました。品質専門家は、これらのマークされた会話を検討し、最終的な決定を下します。そのため、専門家は何千もの会話を聞くのではなく、AI がフラグを立てた、より公平でより包括的な危険な会話や模範的な会話に焦点を当てます。
次の表では、2 つのアプローチを比較しています。
サイズ
クラシック QA
AIを活用したQA
範囲
会話の 1 ～ 2%
100% スキャンされました
期間
ゆっくりと、手で聞いてください
インスタントスキャン
一貫性
専門家によって異なります
基準に常に適用される
主観
高い
基準は明確、信号 + 人間
最終決定
専門家
エキスパート（AIに重点を置く）
リスク
問題からの脱出
偽のサイン (検証が必要)
ステップバイステップ: AI を活用した品質プログラム
- スコアカードを明確にする: 評価項目を客観的かつ測定可能に記述します (「礼儀正しく行動した」などの曖昧なものではなく、「顧客の名前や適切な住所で挨拶した」など明確にします)。
- AI に基準を与える: 各会話を次の項目に従って「完了/未完了/不明瞭」として評価します。証明文を見せていただきました。
- リスクのある会話を強調表示する: スコアの低い会話、怒りの会話、またはコンプライアンスのリスクがある会話を専門家に伝えます。
- 専門家は「最終的なスコアとフィードバックは人間のものである」と認めています。 AIが「不確実」と呼ぶ場所は、人間には必ず存在する。
- それをコーチングに変える: 調査結果をエージェントの開発に使用します。処罰ではなく改善に焦点を当てます。
コピー可能な 4 つのテンプレート
1) スコアカードの評価:
以下の匿名会話を以下の項目に従って評価してください。各項目について: status=[完了/未完了/不明] と証拠の文 (会話からの引用) を指定します。証拠がない場合は「不明」と言ってください。推測。項目: 1) 適切な挨拶 2) 認証 3) 問題の理解 4) 正しい情報/解決策 5) 必須情報 6) 丁寧な締めくくり。スピーチ: <<解読>>
2) センチメントとターニングポイントの分析:
以下に匿名の会話の感情の軌跡を描きます。- 開始口調、終了口調 (冷静/怒り/不安/満足)、- 感情が変化した瞬間とその理由 (引用文付き)、- 怒り/危機の兆候はありましたか、エージェントはどのように対処しましたか? 皮肉/皮肉の可能性があることに注意してください。よくわからない場合は、「不明」と言ってください。スピーチ: <<文字起こし>>
3) 集計傾向レポート:
以下は、今週の匿名会話のタグと感情スコアです。 (1) 最も増加しているネガティブな感情のトピック、(2) 考えられる根本原因の仮説 (証明)、(3) 検討が推奨される 3 つのトピック。データから数字を取り出します。数字をでっち上げないでください。仮説を「確認する必要がある」としてマークします。データ: <<概要テーブル>>
4) コーチングの概要 (エージェント開発):
以下の評価された会話に基づいて、開発に焦点を当てた非懲罰的なコーチングノートを 1 人の代表者に作成します。 - 強み (2)、 - 改善の余地 (2、具体例付き)、 - 1 つの提案されたミクロ目標。個人的な判断/ラベルの使用。データ: <<スピーチ評価>>
弱いプロンプト / 強いプロンプト
弱いプロンプト:
この代表者が良いか悪いかを評価してください。
主観的、基準なし、証拠なし、懲罰的。それは不当で弁護のしようのない「判決」を生み出す。
強力なプロンプト:
この匿名の会話を 6 項目のスコアカードに従って評価します。各項目について、スピーチからの完了/未完了/不明確 + 証拠を引用します。証拠がない場合は「不明」と言ってください。私 (品質専門家) が最終決定を行います。証拠に基づいて予備的な評価を行うだけです。
違い: 基準は明確で、証拠は必須であり、不確実性は正直であり、最終的な決定は個人にあります。
ミニケース3個
ケース 1 — 100% カバレッジの威力。ある銀行では、QA チームが毎月最大 1,200 件の会話 (全体の 1.5%) を聞くことができました。 80,000 件の会話はすべて AI でスキャンされました。認証ステップは 6% の確率でスキップされていたことが判明しました。これは、従来のサンプリングでは決して見られなかったコンプライアンス リスクです。的を絞ったコーチングを行うと、その割合は 2 か月で 1% 未満に低下しました。
ケース 2 — 皮肉な罠。電子商取引センターでは、感情モデルは「あなたは素晴らしいです。3 日間待っていました」などの皮肉な文を「ポジティブ」とみなしました。そのため、怒っている顧客の中には「満足」しているようだった人もいました。モデルを唯一の意思決定者とせず、人間の目によるサンプリングによってスコアを検証すると、チームは皮肉のケースを個別にマークし、レポートの信頼性が高まりました。教訓: 感情スコアはシグナルであり、絶対的な真実ではありません。
ケース 3 — 早期警告。ある通信会社の音声分析によると、「請求書」に関する否定的な感情が火曜日からの 3 日間で 40% 増加した。調査の結果、新料金への移行時に請求書が誤って反映されていたことが判明した。この問題は、何千件もの苦情が蓄積される前に、初期の感情シグナルによって発見され、解決されました。分析は、品質ツールであるだけでなく、早期警告システムにもなっています。
よくある間違い
- 感情スコアを絶対的な真実とみなす。皮肉、慣用句、文脈はモデルを誤解させます。スコアをシグナルとして使用し、人間が確認します。
- AIスコアを最終決定とします。 QA では、最終的な評価とフィードバックは人間に属します。 AIは進歩します。
- 曖昧なスコアカード項目。 「彼は行儀がよかった」ということは測ることができません。客観的で検証可能な項目を書きます。
- QA を懲罰のツールに変える。目的は開発と顧客体験です。罰の文化はエージェントを沈黙させ、データを破損させます。
- 根拠のない評価。それぞれの発見は、スピーチからの引用によって裏付けられる必要があります。それ以外の場合は「不明瞭」と呼ぶべきです。
注意: AI によるすべての会話の測定は強力ですが、機密性が高くなります。これを従業員を常に監視し、罰するシステムに変えることは非倫理的であり、チームの信頼を破壊します。目標は、顧客エクスペリエンスとエージェントの開発を向上させることです。透明性と開発への重点が不可欠です。
要約すると
感情分析と AI を活用した品質管理により、コールセンターは何千もの会話を聞くことができます。つまり、サンプルの 1% ではなく 100% をスキャンし、傾向を早期に把握し、品質評価の一貫性を維持します。しかし、感情スコアはシグナルであり、絶対的な真実ではありません。 QA では、最終的な決定は人間に属します。スコアカードを客観的に書き、すべての発見を証拠に帰し、不確実性は人間に任せ、罰ではなく開発と経験の向上を目的として、透明性のあるシステム全体を確立します。
アプリケーションタスク
6 つの項目を含む客観的なスコアカードを設計します (各項目は測定可能で証明可能である必要があります)。架空/匿名のトランスクリプトを取得し、「1) スコアカード評価」および「2) センチメント分析」テンプレートを適用します。モデルが「あいまい」としている部分、または皮肉がある可能性がある部分を強調表示し、人間の専門家がそれらをどのように検証するかを記述します。最後に、「4) コーチングの概要」を記載した開発に焦点を当てたメモを作成します。
チェックリスト
- [ ] 私のスコアカード項目は客観的で、測定可能で、検証可能です。
- [ ] AI評価事前審査;最終的な QA の決定とフィードバックは人間が行います。
- [ ] 私は感情スコアを絶対的な真実としてではなく、シグナルとして使用します。
- [ ] 各発見は、会話からの証拠の引用によって裏付けられています。それ以外の場合は「不明」です。
- [ ] 私は罰ではなく、開発と経験の向上を目的としてこのシステムを設定しました。
- [ ] 分析の目的と範囲は従業員に明確に説明されました。