فائدہ:
- ساختی اور مختصر کال کے خلاصوں کے ساتھ بند درجہ بندی کی بنیاد پر خودکار ٹیگنگ تیار کرنے کی صلاحیت
- نمائندے کی منظوری کے ذریعے سمری اور ٹیگز کو خود بخود پاس کرکے اور سورس ٹیکسٹ سے ان کا موازنہ کرکے من گھڑت معلومات کو ختم کرنے کی صلاحیت
- ذاتی/کارڈ کے ڈیٹا کو رکھے بغیر اور وعدوں کی ترجمانی کیے بغیر سمریوں کو منتقل کر کے ریپ اپ ٹائم کو کم کرنے کی صلاحیت
نمائندے کا کام گاہک سے بات کرنے پر ختم نہیں ہوتا۔ ہر کال کے بعد ’’کیا بات ہوئی، کیا کیا، موضوع کیا تھا‘‘ کا ریکارڈ بنایا جائے۔ اسے ریپ اپ یا کال کے بعد کا کام / ACW کہا جاتا ہے: نمائندہ گفتگو کا خلاصہ کرتا ہے، سسٹم میں ٹرمینیشن کوڈ کا انتخاب کرتا ہے (ڈسپوزیشن کوڈ — کال کے موضوع/نتیجے کی نشاندہی کرنے والا زمرہ، جیسے کہ "واپس منظور شدہ"، "تکنیکی ناکامی") اور ضروری نوٹ لکھتا ہے۔ یہ کام چھوٹا لگتا ہے، لیکن یہ بہت بڑا ہے: اگر ایک ایجنٹ ایک دن میں 60 کال کرتا ہے تو ہر کال پر 2 منٹ صرف کرتا ہے، تو دن کے 2 گھنٹے صرف نوٹ لکھنے میں صرف ہو جائیں گے۔ مزید یہ کہ، تھکا ہوا نمائندہ نوٹ میلا لکھتا ہے۔ ریکارڈز متضاد ہوں گے اور اگلا ایجنٹ یا مینیجر تاریخ کو نہیں سمجھ سکے گا۔
مصنوعی ذہانت اس کام میں انقلاب لاتی ہے: یہ گفتگو کے متن (ٹرانسکرپشن) کو پڑھتی ہے اور سیکنڈوں میں ایک صاف خلاصہ، درست ٹیگز اور اگلے مرحلے کی تجویز تیار کرتی ہے۔ لکھنے کے بجائے، ایجنٹ جائزہ لیتا ہے اور منظوری دیتا ہے۔ اس یونٹ میں، ہم دیکھیں گے کہ کال کا خلاصہ اور خودکار ٹیگنگ کیسے ترتیب دی جائے، کن باتوں پر توجہ دی جائے اور تصدیق کا نظم و ضبط۔
اچھی کال کا خلاصہ کیا شامل ہے؟
کال کا خلاصہ اتنا واضح ہونا چاہیے کہ جس نے کبھی اس گفتگو کو نہیں سنا ہے (اگلا ایجنٹ، مینیجر، سپروائزر) اسے 15 سیکنڈ میں سمجھ سکتا ہے۔ ایک اچھی خلاصہ میں شامل ہیں: گاہک نے کیوں بلایا (کیوں بلایا)، کیا کیا گیا (نمائندے نے کیا کیا)، نتیجہ (کیا حل ہوا، کیا وعدہ کیا گیا تھا)، کھلا کاروبار (کیا، اگر کوئی ہے، فالو اپ کی ضرورت ہے)۔ ایک خراب خلاصہ یا تو بہت لمبا ہوتا ہے (گفتگو کی لائن بذریعہ لائن بریک ڈاؤن) یا بہت چھوٹا ہوتا ہے ("کسٹمر نے بلایا، اسے ہینڈل کیا گیا")۔ AI درمیان میں آنے میں بہت اچھا ہے: ساختہ، جامع اور مکمل۔
آٹو ٹیگنگ / ڈسپوزیشن اس وقت ہوتی ہے جب AI کال کے ٹرمینیشن کوڈ اور سبجیکٹ ٹیگز تجویز کرتا ہے۔ مثال کے طور پر، AI گفتگو کو "موضوع: بل، ذیلی عنوان: ہائی بل اعتراض، نتیجہ: اعتراض ریکارڈ کھولا، جذبات: ناراض" کے طور پر لیبل کرتا ہے۔ یہ ٹیگز مستقبل میں بہت زیادہ قیمت پیدا کرتے ہیں: مینیجر ان سوالوں کا جواب دیتا ہے "اس مہینے کس موضوع کو سب سے زیادہ درخواستیں موصول ہوئی ہیں" اور "کس موضوع کے حل کی شرح سب سے کم ہے" سیکنڈوں میں۔ لیکن ٹیگز کے کام کرنے کے لیے، انہیں ایک مربوط ٹیگ الفاظ کی ضرورت ہوتی ہے (درجہ بندی - زمرہ جات کی ایک پہلے سے طے شدہ، محدود، اور واضح فہرست)؛ اگر بوٹ مفت لیبل تیار کرتا ہے، تو تین مختلف لیبلز جیسے "انوائس"، "بلنگ"، "انوائس کا مسئلہ" ظاہر ہوں گے اور تجزیہ میں خلل پڑ جائے گا۔
درج ذیل جدول میں دستی اور AI کی مدد سے تکمیل کا موازنہ کیا گیا ہے۔
سائز
مینوئل (نمائندہ مصنف)
AI سے چلنے والی (ایجنٹ کی منظوری)
دورانیہ (فی کال)
90-150 سیکنڈ
15-30 سیکنڈ
مستقل مزاجی
فرد کے لحاظ سے مختلف ہوتا ہے۔
اعلیٰ، لغت پر منحصر ہے۔
مکملیت
تھکاوٹ میں گر جاتا ہے
مستحکم
لیبل کا معیار
مفت، گندا
مقررہ درجہ بندی
خطرہ
وقت کا ضیاع، عدم مطابقت
غلط خلاصہ (تصدیق ہونی چاہیے)
ٹپ: خودکار ٹیگنگ پر جانے سے پہلے، ایک درجہ بندی (بند ٹیگ کی فہرست) کی وضاحت یقینی بنائیں۔ AI کو یہ بتانا کہ "ان 20 ٹیگز میں سے مناسب کو منتخب کریں" کہنے سے کہیں زیادہ قابل اعتماد ہے۔
مرحلہ وار: فیڈ ترتیب دینا
- ذریعہ تیار کریں: گفتگو کا متن حاصل کریں (وائس کال میں ASR ٹرانسکرپٹ، چیٹ میں ڈبہ بند متن)۔ پہلے ذاتی/کارڈ ڈیٹا کو ماسک کریں (تفصیل اگلے یونٹ میں)۔
- درجہ بندی دیں: ماڈل کو درست ٹرمینیشن کوڈز اور ٹاپک ٹیگز کی فہرست دیں۔ اسے باہر جانے سے منع کریں۔
- سٹرکچرڈ آؤٹ پٹ کے لیے پوچھیں: فری پیراگراف کی بجائے فیلڈڈ آؤٹ پٹ (وجہ، اعمال، نتیجہ، فالو اپ، ٹیگز، جذبات) کے لیے پوچھیں۔ لہذا یہ خود بخود سسٹم پر لکھا جا سکتا ہے۔
- نمائندہ کی منظوری: خلاصہ اور لیبل نمائندے کی سکرین پر ظاہر ہوتے ہیں۔ نمائندے کو اسے پڑھنے دیں، اسے درست کریں اور اسے 10-20 سیکنڈ میں منظور کریں۔ منظوری کے بغیر ریکارڈ نہ کریں۔
- تاثرات: ایجنٹ کی طرف سے کی گئی اصلاحات جمع کریں اور درجہ بندی اور فوری طور پر بہتر بنائیں۔
چار کاپی کرنے کے قابل ٹیمپلیٹس
1) سٹرکچرڈ کال کا خلاصہ:
مندرجہ ذیل گمنام (کوئی نام/کارڈ نہیں) کسٹمر انٹرویو ٹرانسکرپٹ کا خلاصہ کریں۔ صرف وہی استعمال کریں جو نقل میں ہے۔ تخمینہ شامل کرنا/ بنانا۔ آؤٹ پٹ فارمیٹ:- تلاش کی وجہ (1 جملہ):- کیا کیا گیا (آئٹم کے لحاظ سے):- نتیجہ (حل کیا گیا/جزوی طور پر/حل نہ ہوا):- وعدہ / عہد (اگر کوئی ہو تو، لفظی):- عمل کرنے کے لیے کام (اگر کوئی ہے)): انٹرویو: <<decipherment>>
2) درجہ بندی کی بنیاد پر ٹیگنگ:
مندرجہ ذیل گفتگو کو صرف ان فہرستوں میں سے منتخب کرکے ٹیگ کریں: موضوع: [انوائس، کارگو، واپسی، تکنیکی، رکنیت، ادائیگی، شکایت، دیگر] نتیجہ: [حل شدہ، اعتراض_کھول دیا گیا، منتقلی، فالو_اپائنٹمنٹ، غیر حل شدہ]جذبہ: [پرسکون، مطمئن، ناراض، فکر مند] اگر یہ فہرست میں مناسب نہیں ہے، تو "غیر مناسب" منتخب کریں نئے ٹیگز تیار کرنا۔ آؤٹ پٹ JSON: {"topic":"","result":"","emotion":""}گفتگو: <<transcription>>
3) اگلا مرحلہ / فالو اپ تجویز:
مندرجہ ذیل بات چیت کی بنیاد پر ایجنٹ کے لیے ایک "اگلا قدم" تجویز تیار کریں۔ متن میں مکمل طور پر عزم اور کھلے کام کی بنیاد پر۔ آؤٹ پٹ: (1) کام کیا جانا ہے، (2) آخری تاریخ (اگر متن میں دستیاب ہو)، (3) ذمہ دار یونٹ کی سفارش۔ اگر کوئی وابستگی نہیں ہے تو لکھیں "کوئی فالو اپ درکار نہیں"۔ انٹرویو: <<ٹرانسکرپشن>>
4) معیار/متضاد کنٹرول:
نیچے دیے گئے نمائندہ خلاصے کا انٹرویو کی نقل سے موازنہ کریں۔ کیا سمری میں کوئی ایسی معلومات ہے جو انٹرویو میں نہیں ہے (میڈ اپ)؟ کیا کوئی ایسی اہم معلومات ہے جو انٹرویو میں ہے لیکن خلاصہ سے غائب ہے؟ دونوں بلٹ پوائنٹس پر نشان لگائیں۔ تبصرے شامل نہ کریں، صرف موازنہ کریں۔ خلاصہ: <<summary>> انٹرویو: <<transcription>>
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
اس گفتگو کا خلاصہ اور لیبل بنائیں۔
مبہم: کوئی فارمیٹنگ، کوئی درجہ بندی، کوئی من گھڑت پابندی، کوئی گمنامی نہیں۔ آؤٹ پٹ ڈھیلا اور گندا ہے، اور لیبل متضاد طور پر ظاہر ہوتے ہیں۔
طاقتور اشارہ:
ذیل میں گمنام گفتگو کا خلاصہ کریں۔ شکل: وجہ / اعمال / نتیجہ / عزم / پیروی. مندرجہ ذیل فہرست سے صرف ٹیگ کو منتخب کریں: موضوع=[انوائس، شپنگ، واپسی، تکنیکی، شکایت، دیگر]، نتیجہ=[حل شدہ، منتقلی، غیر حل شدہ]۔ ایسی کوئی بھی معلومات شامل نہ کریں جو متن میں نہ ہو۔ وابستگی کو لفظی طور پر منتقل کریں۔ انٹرویو: <<ٹرانسکرپشن>>
فرق: شکل، درجہ بندی، من گھڑت اور گمنامی پر پابندی واضح ہے۔
تین چھوٹے مقدمات
کیس 1 - وقت کی بچت۔ ایک کارگو کمپنی کی 120 افراد کی کال ٹیم نے فی کال اوسطاً 110 سیکنڈ ریپ اپ میں گزاری۔ جب AI سمری + لیبل ڈرافٹ کو چالو کیا گیا تو اس وقت کو 25 سیکنڈ تک کم کر دیا گیا۔ 120 رابطے فی دن × 60 کالز × 85 سیکنڈ محفوظ کیے گئے ≈ ~ 170 گھنٹے فی دن، یعنی ~ 21 مکمل شفٹ۔ اس صلاحیت کو انتظار کے مختصر اوقات اور زیادہ مشکل کاموں میں منتقل کیا گیا تھا۔
کیس 2 - متضاد سمری ٹریپ۔ ایک انشورنس سینٹر میں، AI نے ایک وعدہ لکھا کہ "گاہک سے 3 کاروباری دنوں کے اندر واپسی کا وعدہ کیا گیا تھا"، حالانکہ بات چیت میں اس کا کبھی ذکر نہیں کیا گیا تھا (ماڈل نے اسی طرح کی گفتگو سے "پیش گوئی" کی تھی)۔ نمائندے نے بغیر منظوری کے بھیج دیا تو گاہک نے اسے یہ وعدہ یاد دلایا۔ حل: "4) معیار/متضاد قدم کو لازمی بنائیں اور مندوب کی منظوری درکار ہے۔ اس کے بعد، من گھڑت وعدوں کی شرح صفر کے قریب گر گئی۔
کیس 3 - لیبل افراتفری۔ چونکہ ٹیگز ایک بینک میں جاری کیے گئے تھے، اس لیے 6 ماہ میں 340 مختلف مضامین کے ٹیگ بنائے گئے تھے ("کارڈ"، "کریڈٹ کارڈ"، "kk"، "کارڈ کا مسئلہ"...)۔ انتظامیہ کی رپورٹ بے معنی تھی۔ ایک بار جب ایک بند 22 آئٹم کی درجہ بندی کی تعریف کی گئی اور AI کو اسے استعمال کرنے پر مجبور کیا گیا تو رپورٹس معنی خیز ہوگئیں اور "ٹاپ 5 عنوانات" پہلی بار قابل اعتماد نکلے۔
عام غلطیاں
- بغیر درجہ بندی کے ٹیگ کرنا۔ مفت لیبلنگ تجزیہ کو کوڑے دان میں بدل دیتی ہے۔ ہمیشہ بند فہرست کا استعمال کریں.
- مندوب کی منظوری کو نظرانداز کرنا۔ سمری اور لیبل کو براہ راست سسٹم میں پرنٹ کرنا من گھڑت معلومات کو مستقل ریکارڈ میں بدل دیتا ہے۔
- ذاتی ڈیٹا کو سمری میں منتقل کرنا۔ نام، شناختی کارڈ اور پتہ سمری میں نہ رکھا جائے۔ خلاصہ گمنام ہونا چاہیے۔
- بہت طویل خلاصہ۔ گفتگو کو نقل کرنے سے سمیٹنا تیز نہیں ہوتا ہے۔ ایک اختصار اور ٹو دی پوائنٹ خلاصہ کا مقصد۔
- عزم کی تشریح۔ AI کو کوئی تبصرہ کیے بغیر وعدہ/عزم کا حصہ لفظ بہ لفظ پہنچانا چاہیے۔ "شاید وعدہ کیا گیا" جیسے نتائج خطرناک ہیں۔
احتیاط: خودکار خلاصہ ایجنٹ کی ذمہ داری سے نجات نہیں دیتا۔ یہ اسے تیز کرتا ہے. سسٹم میں جانے والا ہر ریکارڈ اس نمائندے کی ذمہ داری ہے جو اسے منظور کرتا ہے۔ منظوری کے بغیر خودکار ریکارڈنگ = غیر دستخط شدہ منٹ۔
خلاصہ میں
کال سمری اور خودکار ٹیگنگ سب سے زیادہ حاصل کرنے والی AI ایپلی کیشنز میں سے ایک ہیں جو ایجنٹ کے سب سے زیادہ وقت خرچ کرنے والے انتظامی کام (ریپ اپ) کو سیکنڈ تک کم کرتی ہیں۔ کامیابی تین چیزوں پر منحصر ہے: ایک منظم اور جامع خلاصہ فارمیٹ، ایک بند ٹیگ کی درجہ بندی، اور لازمی مندوب کی منظوری۔ من گھڑت معلومات کو ختم کرنے کے لیے AI کے ذریعہ تیار کردہ خلاصے کا ماخذ متن سے موازنہ کریں، خلاصوں میں ذاتی ڈیٹا شامل نہ کریں، اور وعدوں کو بغیر تبصرہ کے منتقل کریں۔ صحیح طریقے سے ترتیب دینے پر، یہ بہت زیادہ وقت بچاتا ہے اور ریکارڈنگ کے معیار اور رپورٹ کی اہلیت کو بڑھاتا ہے۔
درخواست کا کام
اپنی صنعت کے لیے 15-20 آئٹم کے بند ہونے والی درجہ بندی (موضوع + نتیجہ + جذبات) ڈیزائن کریں۔ پھر ایک فرضی یا گمنام کسٹمر انٹرویو ٹرانسکرپٹ لیں، "1) سٹرکچرڈ سمری" اور "2) ٹیکسونومی پر مبنی ٹیگنگ" ٹیمپلیٹس کا اطلاق کریں۔ آخر میں، "4) معیار/غیر مطابقت" ٹیمپلیٹ کے ساتھ خلاصہ چیک کریں اور من گھڑت/گمشدہ معلومات کے لیے رپورٹ کریں۔
چیک لسٹ
- میں ایک بند ٹرمینیشن/موضوع کی درجہ بندی کی وضاحت کرتا ہوں اور AI کو اس پر مجبور کرتا ہوں۔
- میرے خلاصے مختصر، ٹو دی پوائنٹ (وجہ/اعمال/نتیجہ/عزم/فالو اپ) اور مربوط ہیں۔
- سسٹم میں لکھے جانے سے پہلے ہر سمری اور ٹیگ کو نمائندہ منظوری سے گزرنا پڑتا ہے۔
- خلاصہ اور لیبلز (گمنام) میں کوئی ذاتی/کارڈ ڈیٹا نہیں رکھا گیا ہے۔
- میں AI سمری کا سورس ٹیکسٹ سے موازنہ کرتا ہوں اور جعلی معلومات کو ختم کرتا ہوں۔
- [ ] وعدے بغیر تشریح کے، لفظی طور پر نقل کیے جاتے ہیں۔