فائدہ:
- جذباتی تجزیہ اور تقریری تجزیات کے ساتھ انفرادی اور مجموعی رجحانات کو پڑھنے کی صلاحیت اور اسکور کو مطلق حقائق کے بجائے سگنل کے طور پر استعمال کرنا
- ایک معروضی اسکور کارڈ کے ساتھ 100% بات چیت کو اسکین کرنے اور شواہد پر مبنی ابتدائی تشخیص پیش کرنے کی صلاحیت، حتمی فیصلہ انسان پر چھوڑتے ہوئے
- ترقی اور تجربے میں بہتری کے مقصد کے لیے شفافیت اور تعزیری ثقافت سے دور معیار کے نظام کو قائم کرنے کی صلاحیت
کال سینٹر میں ہر روز ہزاروں بات چیت ہوتی ہے، لیکن کلاسیکی طریقہ کار کے ساتھ، کوالٹی ٹیم ان میں سے صرف ایک چھوٹے سے حصے کو سن سکتی ہے اور اس کا اندازہ لگا سکتی ہے (زیادہ تر جگہوں پر 1-2%)۔ اس کا مطلب ہے کہ 98% گفتگو بغیر جانچے ضائع ہو جاتی ہے۔ یہاں تک کہ اگر ایک گاہک کے ساتھ بدسلوکی کی جاتی ہے یا کوئی نمائندہ بار بار غلط معلومات دیتا ہے، کوئی بھی اس پر توجہ نہیں دے گا۔ مصنوعی ذہانت اس تصویر کو یکسر تبدیل کرتی ہے: یہ ہر گفتگو کو پڑھ اور جانچ سکتی ہے۔ اس یونٹ میں، ہم دو متعلقہ موضوعات کا احاطہ کریں گے: جذبات کا تجزیہ (گاہک اور نمائندے کے جذباتی لہجے کی پیمائش) اور کوالٹی مینجمنٹ (QA - کوالٹی ایشورنس؛ معیارات کے ساتھ بات چیت کی تعمیل کا اندازہ لگانا)۔
پہلی دو شرائط۔ جذبات کا تجزیہ کسی متن یا تقریر کا مثبت، منفی یا غیر جانبدارانہ جذباتی لہجہ ہے۔ یہ غصہ، اطمینان اور اضطراب جیسے حالات کا خود بخود پتہ لگانا ہے۔ تقریری تجزیات (انٹرایکشن اینالیٹکس) تمام بات چیت کا اجتماعی تجزیہ کرنا اور رجحانات، متواتر موضوعات، خطرات اور مواقع کو نکالنا ہے۔ ایک ساتھ، وہ کال سینٹر کو "سننے والے کان" دیتے ہیں: ہزاروں گفتگو سے معنی پیدا کرتے ہیں جنہیں مینیجر انفرادی طور پر نہیں سن سکتا۔
جذبات کا تجزیہ: نبض کو برقرار رکھنا
جذباتی تجزیہ دو سطحوں پر کام کرتا ہے۔ واحد سطح: گفتگو کا عمومی لہجہ ("گاہک نے غصہ شروع کر دیا، بالآخر پرسکون ہو گیا") اور ٹرننگ پوائنٹس دکھاتا ہے۔ مجموعی سطح: اس ہفتے "منفی جذبات میں 18% اضافہ، زیادہ تر 'بل'" جیسے رجحانات کو ہزاروں مکالموں سے نکالتا ہے۔ یہ معلومات سنہری ہے: یہ غصے کی بڑھتی ہوئی لہر، پروڈکٹ کا مسئلہ، یا کسی نئی مہم کے بارے میں الجھن کو جلد پکڑتی ہے۔
تاہم، جذبات کا تجزیہ کامل نہیں ہے۔ ترکی میں، طنز، ستم ظریفی اور محاورے ماڈل کو گمراہ کر سکتے ہیں (یہ جملہ "آپ کا بہت بہت شکریہ، عظیم خدمت!" غصے میں کہا گیا ہو گا)۔ نیز، جذبات کا اسکور ایک اشارہ ہے، قطعی سچائی نہیں۔ اس لیے جذباتی تجزیہ کا استعمال انفرادی نمائندے کو سزا دینے کے لیے نہیں، بلکہ رجحانات دیکھنے اور گفتگو کو نمایاں کرنے کے لیے کریں جن پر توجہ دینے کی ضرورت ہے۔
ٹپ: جذباتی تجزیہ کو "انتباہ" کے طور پر استعمال کریں، نہ کہ "فیصلے" کے طور پر۔ ایک منفی سکور کسی نمائندے کی مذمت نہیں کرتا۔ لیکن بڑھتا ہوا منفی رجحان ایک ایسے شعبے کی نشاندہی کرتا ہے جسے جانچنے کی ضرورت ہے۔ انسان کے ساتھ سگنل کی تصدیق کریں۔
کوالٹی مینجمنٹ: 1٪ کی بجائے 100٪ تشخیص
کلاسک QA میں، ایک معیار کا ماہر تشخیصی فارم کے ساتھ تصادفی طور پر منتخب کردہ چند کالز اسکور کرتا ہے (اسکور کارڈ—آئٹمز جیسے کہ "کیا سلام دیا گیا تھا، شناخت کی تصدیق کی گئی تھی، پیش کردہ حل تھا، اختتامی مناسب تھا")۔ یہ طریقہ چھوٹے نمونے کے سائز، سبجیکٹیوٹی، اور تاخیر کے مسائل سے دوچار ہے۔ مصنوعی ذہانت سے تعاون یافتہ QA میں، ماڈل خود بخود اسکور کارڈ آئٹمز کے مطابق تمام بات چیت کا جائزہ لیتا ہے۔ کون سا مضمون غائب ہے، کون سی تقاریر پرخطر ہیں، کس نمائندے کو کس مسئلے پر سپورٹ کرنا چاہیے؟یہ سب کچھ ظاہر کرتا ہے۔
اہم نکتہ: AI کا QA اسکور ایک ابتدائی اسکریننگ اور اشارہ ہے، حتمی تشخیص نہیں۔ اے آئی کا کہنا ہے کہ "ایسا لگتا ہے کہ اس گفتگو نے تصدیق کا مرحلہ چھوڑ دیا ہے"؛ معیار کا ماہر ان نشان زدہ گفتگو کا جائزہ لیتا ہے اور حتمی فیصلہ کرتا ہے۔ لہذا، ہزاروں مکالمات کو سننے کے بجائے، ماہر ان خطرناک/مثالی گفتگو پر توجہ مرکوز کرتا ہے جن پر AI جھنڈا لگاتا ہے - دونوں ہی منصفانہ اور زیادہ جامع۔
مندرجہ ذیل جدول دو طریقوں کا موازنہ کرتا ہے:
سائز
کلاسک QA
AI سے چلنے والا QA
دائرہ کار
بات چیت کا 1-2%
100% اسکین
دورانیہ
آہستہ، ہاتھ سننا
فوری اسکین
مستقل مزاجی
ماہر کے لحاظ سے مختلف ہوتا ہے۔
مسلسل کسوٹی پر لاگو
تابعیت
اعلی
معیار واضح ہے، سگنل + انسانی
حتمی فیصلہ
ماہر
ماہر (AI پر توجہ مرکوز کرتا ہے)
خطرہ
مسائل سے فرار
غلط نشان (تصدیق ہونی چاہیے)
مرحلہ وار: AI سے چلنے والا کوالٹی پروگرام
- سکور کارڈ کو واضح کریں: تشخیصی آئٹمز کو معروضی طور پر اور پیمائش کے ساتھ لکھیں (مبہم نہیں جیسے "شفقت سے کام لیا"، لیکن صاف جیسا کہ "نام/مناسب پتے سے گاہک کا استقبال")۔
- AI کو معیار دیں: ان آئٹمز کے مطابق ہر گفتگو کو "ہو گیا/نہ کیا گیا/غیر واضح" کے طور پر درجہ دیں؛ آپ نے ثبوت والا جملہ دکھایا۔
- خطرناک لوگوں کو نمایاں کریں: ماہر کے پاس کم اسکورنگ، غصہ، یا تعمیل خطرے والی گفتگو کریں۔
- ماہر تصدیق کرتا ہے: حتمی اسکور اور رائے انسان سے تعلق رکھتی ہے۔ وہ جگہیں جنہیں AI "غیر یقینی" کہتا ہے وہ یقینی طور پر انسانوں کے لیے دستیاب ہیں۔
- اسے کوچنگ میں تبدیل کریں: ایجنٹ کی ترقی کے لیے نتائج کا استعمال کریں — بہتری پر توجہ مرکوز کریں، سزا پر نہیں۔
چار کاپی کرنے کے قابل ٹیمپلیٹس
1) اسکور کارڈ کی درجہ بندی:
درج ذیل آئٹمز کے مطابق درج ذیل گمنام گفتگو کا اندازہ کریں۔ ہر آئٹم کے لیے: اسٹیٹس=[ہو گیا/نہ کیا گیا/غیر واضح] اور ایک ثبوت کا جملہ (گفتگو سے اقتباس) دیں۔ اگر کوئی ثبوت نہیں ہے تو، "غیر واضح" کہیں؛ guesssing.Items: 1) مناسب سلام 2) توثیق 3) مسئلہ کو سمجھنا 4) درست معلومات/حل 5) لازمی معلومات 6) شائستہ اختتام۔ تقریر: << سمجھنا>>
2) جذبات اور موڑ کا تجزیہ:
ذیل میں گمنام گفتگو کی جذباتی رفتار کھینچیں۔- شروع کا لہجہ، اختتامی لہجہ (پرسکون/غصہ/پریشان/مطمئن)،- وہ لمحہ جب جذبات تبدیل ہوئے اور کیوں (اقتباس کے ساتھ)- کیا غصے/بحران کے کوئی آثار تھے، ایجنٹ نے اسے کیسے سنبھالا؟ ممکنہ ستم ظریفی؛ نوٹ کریں اگر آپ کو یقین نہیں ہے تو "غیر واضح" کہیں۔ تقریر: <<ٹرانسکرپشن>>
3) مجموعی رجحان کی رپورٹ:
ذیل میں اس ہفتے کے گمنام گفتگو کے ٹیگز اور جذباتی اسکورز ہیں۔ (1) سب سے زیادہ بڑھتا ہوا منفی جذبات کا موضوع، (2) ممکنہ بنیادی وجہ مفروضہ (ثابت)، (3) 3 عنوانات کی جانچ کی سفارش کی گئی ہے۔ اعداد و شمار سے نمبر لیں، انہیں نہ بنائیں۔ مفروضوں کو بطور "تصدیق کرنا ضروری ہے۔" ڈیٹا: <<summary table>>
4) کوچنگ کا خلاصہ (ایجنٹ کی ترقی):
ایک نمائندے کے لیے مندرجہ ذیل جانچ کی گئی بات چیت کی بنیاد پر ترقی پر مرکوز، غیر تعزیری کوچنگ نوٹ تیار کریں۔ - طاقتیں (2)، - بہتری کا علاقہ (2، ٹھوس مثالوں کے ساتھ)، - 1 تجویز کردہ مائیکرو گول۔ لیبلز کا ذاتی فیصلہ/استعمال۔ ڈیٹا: <<اسپیچ ریٹنگز>>
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
درجہ بندی کریں کہ آیا یہ نمائندہ اچھا ہے یا برا۔
موضوعی، معیار کے بغیر، ثبوت کے بغیر، تعزیری؛ یہ ایک غیر منصفانہ اور ناقابل دفاع "فیصلہ" پیدا کرتا ہے۔
طاقتور اشارہ:
6 آئٹم سکور کارڈ کے مطابق اس گمنام گفتگو کا اندازہ لگائیں۔ ہر آئٹم کے لیے، تقریر سے اقتباس کیا گیا/نہ کیا گیا/غیر واضح + ثبوت۔ اگر کوئی ثبوت نہیں ہے تو "غیر واضح" کہیں۔ میں (معیار کا ماہر) حتمی فیصلہ کروں گا؛ آپ صرف ثبوت کے ساتھ ابتدائی تشخیص کرتے ہیں۔
فرق: معیار واضح ہے، ثبوت لازمی ہے، غیر یقینی صورتحال ایمانداری ہے، حتمی فیصلہ شخص کے پاس ہے۔
تین چھوٹے مقدمات
کیس 1 - 100% کوریج کی طاقت۔ ایک بینک میں، QA ٹیم ہر ماہ ~1,200 گفتگو سن سکتی ہے (کل کا 1.5%)۔ تمام 80,000 بات چیت کو AI کے ساتھ اسکین کیا گیا تھا۔ اس سے پتہ چلتا ہے کہ تصدیق کے مرحلے کو 6% وقت چھوڑ دیا گیا تھا - ایک تعمیل کا خطرہ جو کلاسک نمونے لینے کے ساتھ کبھی نہیں دیکھا جائے گا۔ ٹارگٹڈ کوچنگ کے ساتھ، شرح 2 مہینوں میں 1% سے کم ہو گئی۔
کیس 2 - ستم ظریفی کا جال۔ ایک ای کامرس سنٹر میں، جذباتی ماڈل نے ستم ظریفی والے جملوں کو سمجھا جیسے "آپ بہت اچھے ہیں، میں 3 دن سے انتظار کر رہا ہوں" کو "مثبت" سمجھا جاتا ہے۔ تو کچھ ناراض گاہک "مطمئن" نظر آئے۔ جب ماڈل کو واحد فیصلہ ساز نہیں بنایا گیا اور انسانی آنکھ سے نمونے لے کر اسکور کی تصدیق کی گئی تو ٹیم نے ستم ظریفی کے کیسز کو الگ سے نشان زد کیا اور رپورٹس کی وشوسنییتا بڑھ گئی۔ سبق: جذبات کا اسکور ایک اشارہ ہے، مطلق سچائی نہیں۔
کیس 3 - ابتدائی وارننگ۔ ایک ٹیلی کام پر تقریری تجزیات سے پتہ چلتا ہے کہ منگل سے شروع ہونے والے 3 دنوں میں "بل" کے ارد گرد منفی جذبات میں 40 فیصد اضافہ ہوا۔ تحقیقات سے معلوم ہوا کہ انوائسز کو نئے ٹیرف میں منتقلی میں غلط طریقے سے ظاہر کیا گیا تھا۔ ہزاروں شکایات جمع ہونے سے پہلے ہی اس مسئلے کو ابتدائی جذباتی اشارے کے ذریعے پکڑا اور طے کر لیا گیا۔ تجزیات ایک ابتدائی انتباہی نظام کے ساتھ ساتھ ایک معیاری ٹول بن گیا ہے۔
عام غلطیاں
- جذباتی سکور کو مطلق سچ سمجھنا۔ ستم ظریفی، محاورہ، اور سیاق و سباق ماڈل کو گمراہ کرتے ہیں۔ اسکور کو سگنل کے طور پر استعمال کریں، انسان سے تصدیق کریں۔
- AI اسکور کو حتمی فیصلہ کرنا۔ QA میں، حتمی تشخیص اور رائے انسان سے تعلق رکھتی ہے۔ AI ترقی کرتا ہے۔
- مبہم اسکور کارڈ آئٹمز۔ "اس نے اچھا برتاؤ کیا" کی پیمائش نہیں کی جا سکتی۔ معروضی، قابل تصدیق اشیاء لکھیں۔
- QA کو سزا کے آلے میں تبدیل کرنا۔ مقصد ترقی اور کسٹمر کا تجربہ ہے؛ سزا کا کلچر ایجنٹ کو خاموش کر دیتا ہے اور ڈیٹا کو کرپٹ کر دیتا ہے۔
- ثبوت کے بغیر تشخیص۔ ہر تلاش کی حمایت تقریر کے اقتباس سے کی جانی چاہیے۔ ورنہ اسے ’’غیر واضح‘‘ کہنا چاہیے۔
احتیاط: AI کے ساتھ تمام بات چیت کی پیمائش طاقتور لیکن حساس ہے۔ اسے ایک ایسے نظام میں تبدیل کرنا جو ملازمین کی مسلسل نگرانی کرتا ہے اور اسے سزا دیتا ہے دونوں غیر اخلاقی ہیں اور ٹیم کے اعتماد کو ختم کرتے ہیں۔ مقصد کسٹمر کے تجربے اور ایجنٹ کی ترقی کو بہتر بنانا ہے۔ شفافیت اور ترقی پر توجہ ضروری ہے۔
خلاصہ میں
جذباتی تجزیہ اور AI سے چلنے والا کوالٹی مینجمنٹ کال سینٹر کو ہزاروں مکالمے سننے کا موقع فراہم کرتا ہے: 1% کی بجائے 100% نمونے کو اسکین کرنا، رجحانات کو جلد پکڑنا اور معیار کے جائزے کو مستقل رکھنا۔ لیکن جذبات کا اسکور ایک اشارہ ہے، مطلق سچائی نہیں۔ QA میں، حتمی فیصلہ انسان کا ہے۔ اسکور کارڈ کو معروضی طور پر لکھیں، ہر کھوج کو ثبوت سے منسوب کریں، غیر یقینی صورتحال کو انسانوں پر چھوڑ دیں، اور پورے نظام کو شفافیت کے ساتھ قائم کریں، جس کا مقصد ترقی اور تجربے میں بہتری ہے، نہ کہ سزا۔
درخواست کا کام
6 آئٹمز کے ساتھ ایک معروضی سکور کارڈ ڈیزائن کریں (ہر آئٹم قابل پیمائش اور ثابت ہونا چاہیے)۔ ایک فرضی/گمنام ٹرانسکرپٹ لیں اور "1) اسکور کارڈ کی تشخیص" اور "2) جذباتی تجزیہ" ٹیمپلیٹس کا اطلاق کریں۔ ان علاقوں کو نمایاں کریں جہاں ماڈل "مبہم" کہتا ہے یا جہاں ستم ظریفی ہو سکتی ہے اور لکھیں کہ ایک انسانی ماہر ان کی تصدیق کیسے کرے۔ آخر میں، "4) کوچنگ سمری کے ساتھ ایک ڈویلپمنٹ فوکسڈ میمو تیار کریں۔
چیک لسٹ
- میرے اسکور کارڈ کی اشیاء معروضی، قابل پیمائش اور قابل تصدیق ہیں۔
- AI تشخیص کی ابتدائی اسکریننگ؛ حتمی QA فیصلہ اور رائے انسان کے ساتھ ہے۔
- میں جذبات کے اسکور کو اشارے کے طور پر استعمال کرتا ہوں، مطلق سچائی کے طور پر نہیں۔
- ہر تلاش کی تائید گفتگو کے ثبوت کے اقتباس سے ہوتی ہے۔ بصورت دیگر "غیر واضح"۔
- میں نے نظام کو ترقی اور تجربے کی بہتری کے لیے بنایا، سزا کے لیے نہیں۔
- تجزیہ کا مقصد اور دائرہ کار شفاف طریقے سے ملازمین کو بیان کیا گیا تھا۔