Искусственный интеллект меняет работу контакт-центров — прежде всего, автоматизирует рутину. Спрос на сокращение типовых операций растет, потому что доля автоматизированных запросов достигает 70−80%. Решения окупаются за 6−12 месяцев благодаря увеличению доступности технологий и росты опыта в их применении.
Колл-центры используют не только голосовые системы, но и умную маршрутизацию вызовов, прогнозирование поведения клиентов, автоматизацию оценки сервиса, интеграцию с CRM и триггерные коммуникации через голосовых ассистентов.
ChatGPT и аналогичные решения превратились в рабочие инструменты с широкой сферой применения.
ИИ для контакт-центров
ИИ для контакт-центров можно использовать для аналитики работы операторов и для создания умных голосовых ассистентов — с пониманием естественной речи. Технология позволяет роботам понимать спонтанную человеческую речь, когда люди задают вопросы и описывают проблемы без употребления конкретных ключевых слов.
Оценка качества работы контакт-центров все еще остается сложной задачей, потому что:
Критерии оценки слишком абстрактны или сложны.
Локальные решения трудно кастомизировать под бизнес-специфику.
Необходимо передавать персональные данные на сторонние серверы.
Ручная обработка результатов и создание рекомендаций занимает значительное время.
В крупных колл-центра анализируется лишь 10% данных.
Растущий штат требует больше времени на контроль.
Речевая аналитика доступна в двух вариантах:
Морфологический принцип построен на анализе диалога по заданным ключевым словам.
Нейросетевой анализ — новое направление, получившее развитие в конце 2023 года.
Нейросетевой анализ компенсирует недостатки морфологического подхода, который оценивает отдельные слова и фразы, но не диалог целиком — из-за чего его результаты искажаются и требуют ручного контроля. Морфологический подход можно использовать для выявления клиентских потребностей и проблемных зон. Для оценки диалогов в контексте ситуации пригодятся генеративные модели — при правильном промпте нейросеть видит не просто разговор, а взаимодействие. Например, оператора банка с клиентом, решающим конкретную проблему.
Технология позволяет роботам понимать спонтанную человеческую речь, когда люди задают вопросы и описывают проблемы без употребления конкретных ключевых слов. Это меняет подход кардинально. Теперь мы понимаем не только где оператор ошибается, но как избежать ошибки и что улучшить в контексте — например, при продаже банковской услуги.
О нейросетевом анализе
За 4 года рынок речевой аналитики вырос на 300% и продолжает расти — 75% компаний используют речевую аналитику и хотят перевести расходы из операционных в капитальные.
Речевую аналитику использует: Маркетинг. Определяет тональность клиентских высказываний о продукте и бренде. Выявляет частые темы и проблемы. Помогает адаптировать стратегию под потребности аудитории.
Информационная безопасность. Выявляет угрозы и анализирует данные безопасности. Обнаруживает раскрытие конфиденциальной информации или коммерческой тайны сотрудниками.
Менеджмент. Анализирует данные из разных источников коммуникации. Выявляет тенденции и паттерны. Помогает прогнозировать изменения на рынке, в отрасли и внутри компании. Оценивает эффективность внутренних коммуникаций и улучшает процессы управления.
HR-отдел. Оценивает навыки коммуникации сотрудников: ясность, эмпатию, убедительность. Выявляет области для улучшения и корректирует обучающие программы.
Речевая аналитика в контакт-центре
Мы создали GPT-решение для мониторинга качества обслуживания. Система оценивает и советует, как улучшить работу сотрудников колл-центров.
Она включает три модуля для полностью автоматизированной речевой аналитики. Работает в локальном и облачном вариантах. Данные обрабатывает модуль ASR, передает в систему мониторинга. Система анализирует разговор по заданному промпту и критериям, выводит резюме и рекомендации операторам в интерфейсе колл-центра.
Как работает наша ИИ-система:
Формируем требования к оценке диалога, визуализируем в понятной форме — критерии, чек-листы, шкалы оценки. Просматриваем записи и транскрипции диалогов. Автоматически анализируем все диалоги по заданным критериям.
ИИ-система формирует резюме по результатам диалога, оценивает качество, создает рекомендации для оператора. Выводит основные показатели сервиса на дашборд супервизора.
ИИ-система использует накопленные данные. При правильных критериях и промптах получаем оценку под специфику организации, отрасли, типа диалога — консультации, встречи, продажи. Система обучается на данных организации — базах, документации, регламентах, скриптах диалогов.
Например, вот как сейчас мы можем оценить разговор сотрудника нашей компании с потенциальным нашим клиентом:
Подробнее, как работает система речевой аналитики, который мы пользуемся при анализе менеджеров, рассказываем в вебинаре →