Detección de contestadores automáticos para dialectos árabes

La detección de contestadores automáticos es el control menos atractivo en una centralita telefónica y el que, en silencio, determina cuántas conversaciones atienden los agentes. Cada error tiene un coste. Si se confunde una máquina con un humano, el agente escucha una grabación durante veinte segundos. Si se confunde un humano con una máquina, se cuelga al cliente que contestó. En los mercados de habla árabe, el enfoque tradicional suele dar resultados erróneos con más frecuencia de lo que los equipos esperan.

¿Por qué falla la detección de pitidos en los saludos en árabe?

AMD clásico es una técnica de sincronización de audio. Espera a que el interlocutor hable, mide la duración del discurso, espera un silencio y luego escucha un tono. Si se escucha el tono, detecta que se trata de una máquina. Esta cadena de suposiciones funciona razonablemente bien en un mercado donde el correo de voz está estandarizado y los saludos son breves. Sin embargo, no funciona bien en el Golfo Pérsico y el Levante, por cuatro razones distintas.

• Muchos sistemas de correo de voz de operadores en la región no emiten ningún pitido claro, o lo emiten después de un anuncio de la operadora que el detector ya ha descartado. Un detector que espera un tono que nunca llega no puede emitir ningún veredicto.
• Un saludo árabe en directo suele ser largo. Una persona que responde con un saludo completo, una bienvenida y una pregunta, ha hablado durante varios segundos antes de la primera pausa natural, que es precisamente el patrón que un detector de tiempos interpreta como un mensaje grabado.
• Los saludos grabados en la región suelen ser muy breves, a veces solo incluyen un nombre y nada más. Un detector de tiempos interpreta que un discurso corto seguido de silencio es el patrón que utiliza una persona real.
• Las redes móviles de la región suelen insertar sus propios anuncios, primero en árabe y luego en inglés, antes del saludo del abonado. El detector mide el anuncio, no el saludo.

El denominador común es que el ritmo no aporta información sobre quién habla. Las palabras sí. Un detector que no puede leerlas está adivinando, y adivina peor en árabe que en el mercado para el que fue sintonizado.

¿Qué hace la clasificación de transcripciones en su lugar?

La IA AMD de DialerBee no espera a que suene el tono. En el momento en que el destinatario contesta, el audio inicial se transcribe en tiempo real y un clasificador analiza el texto resultante en lugar de la forma de onda. La diferencia radica en que el texto es inequívoco, algo que la sincronización nunca fue. Una persona que dice "¿aywa, meen maai?" y una grabación que dice "el abonado al que ha llamado no está disponible, por favor, deje un mensaje después del tono" no se corresponden en texto, por muy similares que sean sus perfiles de sincronización.

Se ejecutan cuatro pasos en cada llamada contestada.

• Transcribir. Los primeros segundos de audio se convierten a texto a medida que llegan.
• Detecta el idioma y el dialecto. Esto es automático, por lo que no es necesario dividir una lista de idiomas mixtos en una campaña por idioma antes de poder realizar la llamada.
• Clasificar. El clasificador devuelve un veredicto humano o automático junto con un índice de confianza.
• Actuar. El umbral de la campaña determina qué significa esa puntuación de confianza para esta campaña, por lo que una lista de cobros y una lista de satisfacción del cliente pueden tener diferentes niveles de precaución en la misma plataforma.

El veredicto se emite desde los primeros instantes de la llamada, mientras aún se reproduce el saludo, por lo que la decisión de conectar o desconectar se toma durante la fase de recepción, no después. No publicamos una cifra de latencia única, ya que el valor real varía según el operador, el idioma y la rapidez con la que se inicia el saludo. Solicite mediciones realizadas con un tráfico similar al suyo.

Cobertura dialectal en toda la región

El árabe no es un idioma objetivo único. Un clasificador entrenado con árabe estándar para radiodifusión interpretará de forma muy diferente un saludo de correo de voz del Golfo Pérsico y uno del Levante, y ninguno se asemejará a su equivalente egipcio o magrebí. DialerBee trata el dialecto como parte del idioma, en lugar de como ruido ambiental, y su cobertura en árabe abarca el habla del Golfo Pérsico, el Levante, Egipto y el Magreb.

En la práctica, esto cobra mayor importancia en las fronteras lingüísticas. Un saludo telefónico jordano y uno saudí utilizan verbos diferentes para expresar la misma idea. Una persona que llama desde el Golfo Pérsico y responde una llamada de negocios suele comenzar con un saludo religioso formal que un modelo limitado interpreta como guionizado y, por lo tanto, grabado. Un saludo magrebí puede incluir vocabulario francés dentro de una oración en árabe. Estos cuatro casos representan el tráfico habitual para una empresa regional de externalización de procesos de negocio (BPO), y en los cuatro casos un modelo de un solo dialecto pierde oportunidades de conversación.

El árabe se encuentra entre los 11 idiomas compatibles con la plataforma, por lo que una planta que realiza llamadas en árabe, inglés, francés y urdu en una semana utiliza un único sistema de detección en lugar de uno por mercado.

Umbrales, no absolutos

Un índice de confianza solo es útil si se decide qué hacer con él, y la decisión correcta varía según la campaña. En una campaña de recuperación avanzada, eliminar a un deudor activo es costoso y dejar un mensaje de voz es barato, por lo que se establece un umbral para ser cauteloso al declarar una máquina. En una campaña de recordatorios de citas de alto volumen, la situación se invierte.

Por lo tanto, los umbrales de sensibilidad se configuran por cliente y por campaña, en lugar de a nivel de plataforma, lo que permite que el control sea útil para una empresa de externalización de procesos de negocio (BPO) que gestiona varios clientes con diferentes niveles de tolerancia. Las funciones de IA se pueden controlar mediante indicadores de características, por lo que AMD también se puede habilitar o deshabilitar por campaña, por cliente o globalmente, y la plataforma funciona a pleno rendimiento incluso con esta función desactivada.

Antes de realizar una revisión de seguridad de la información, conviene conocer dos detalles de configuración adicionales. El proceso de clasificación AMD procesa un breve segmento inicial del audio de la llamada, y el audio sin procesar utilizado para la clasificación no se almacena a largo plazo. Lo que sí se conserva es el resultado de la clasificación, el índice de confianza y la versión del modelo.

El ciclo de retroalimentación del agente

Ningún clasificador acierta siempre, y los agentes son los primeros en detectarlo. Cuando el modelo se equivoca, el agente lo marca con un solo clic desde su escritorio, durante la llamada, sin necesidad de formularios ni tickets. Estas correcciones alimentan los flujos de trabajo de optimización específicos de cada inquilino, lo que significa que la información mejora la detección para sus operadores, regiones y tipos de campaña, y no se comparte entre inquilinos.

Esto solo funciona si los supervisores consideran la anulación como parte de su trabajo, en lugar de un informe de excepción. Dos hábitos son útiles: informar a los agentes que marcar un veredicto erróneo requiere un solo clic y es algo esperado, no una queja sobre el sistema; y revisar semanalmente los desgloses de precisión por campaña, operador y idioma, ya que un operador que haya cambiado su mensaje de correo de voz aparece como un patrón mucho antes de que alguien lo reporte como un problema.

Más allá del árabe: los otros idiomas en la misma lista

La detección de idioma no es traducción. Se trata de reconocer cómo hablan realmente las personas y las máquinas en un mercado, y la variación que dificulta el árabe existe en todos los demás idiomas de una lista regional. El español se divide entre el habla latinoamericana y la europea. El francés presenta patrones europeos, canadienses y del norte de África. El alemán abarca registros formales e informales, además de variantes austriacas y suizas. El turco tiene sus propios patrones regionales. El inglés, por sí solo, se presenta en formas con acento estadounidense, británico, indio, filipino y del Golfo Pérsico, que constituyen la mayor parte del tráfico dirigido a los agentes de una empresa de externalización de procesos de negocio (BPO) antes de que se marque un solo número árabe.

Por eso, la configuración de detección es más importante que cualquier afirmación sobre un solo idioma. Un centro que llama al árabe los domingos, al francés los lunes y al urdu los martes no debería usar tres configuraciones de detección y tener que conciliar tres conjuntos de cifras de precisión. Los 11 idiomas compatibles comparten un clasificador y una vista de informes, y el dialecto se trata como parte del idioma en cada uno de ellos, en lugar de como ruido.

Cómo medir la detección correctamente

Un único dato de precisión en los titulares es prácticamente inútil, ya que enmascara la concentración de pérdidas. Mida esto en su lugar e insista en obtener el mismo desglose de cualquier proveedor que esté evaluando.

• Falsos positivos y falsos negativos por separadoy por operador en lugar de por región. Un promedio regional del 90 por ciento puede ocultar una precisión del 65 por ciento en el operador que maneja la mayor parte de su volumen.
• tasa de anulación del agente, que te indica lo que piensa el público sobre los veredictos y con qué rapidez la organización tiene algo con lo que trabajar.
• Tiempo de detección, junto con la decisión de conexión, ya que un veredicto correcto que llega después de que el cliente ha colgado no es una victoria.
• Resultados desglosados por idioma y por tipo de campaña., porque una lista de recuperación y una lista de recordatorios no se comportarán igual, incluso con los mismos números.

Dos hábitos te protegen de comprar un número en lugar de una capacidad. Realiza pruebas con tu propio tráfico, a través de tus propias troncales y con tus propios operadores de destino, ya que la precisión en audio de demostración o sintético rara vez se mantiene en producción. Y realiza pruebas piloto por tipo de campaña en lugar de cambiar una configuración global, revisando primero los falsos positivos, porque una llamada perdida es el error más costoso y el que nunca aparece en la cola de un agente.

Cuando cambie una ruta, una lista de origen, una región o un script, vuelva a ejecutar la revisión. El comportamiento del buzón de voz del operador no es un objetivo fijo, y una configuración de detección que era correcta el trimestre pasado es solo una hipótesis este trimestre.

Cómo encaja AMD en el resto del piso

AMD no es un producto independiente, y su valor reside en lo que sucede después del veredicto. Cuando se detecta una máquina, el agente puede dejar un mensaje de voz pregrabado con un solo clic y pasar a la siguiente llamada mientras el mensaje aún se está reproduciendo, utilizando plantillas generadas por conversión de texto a voz con la voz que usted elija y sincronizadas con cada nodo multimedia para que la grabación funcione dondequiera que se esté ejecutando la llamada. Alternativamente, el contacto puede volver a ponerse en cola automáticamente según las reglas de reintento de la campaña.

Los veredictos también alimentan el modelo de ritmo de llamadas. Cuando AMD filtra el correo de voz de las llamadas conectadas, el motor predictivo ajusta su estimación de la tasa real de conexiones en vivo, de modo que el ritmo refleja las conversaciones que los agentes realmente atenderán. AMD funciona con cualquier operador conectado a través de SIP, lo cual es importante en una región donde la mayoría de los operadores utilizan sus propias troncales.

Preguntas frecuentes

¿Por qué la detección de pitidos tiene problemas con el correo de voz en árabe?

Porque interpreta la duración en lugar de las palabras. Muchos sistemas de correo de voz de operadores en la región no emiten un pitido útil, los saludos en árabe en directo suelen ser tan largos que parecen una grabación, los saludos grabados suelen ser tan cortos que parecen de una persona, y los anuncios de red en árabe e inglés llegan antes del saludo del abonado. Ninguno de estos problemas se soluciona con una mejor detección de tonos.

¿Cómo clasifica AMD una llamada basándose en transcripciones?

Los primeros segundos del audio se transcriben en tiempo real, el idioma y el dialecto se identifican automáticamente, y un clasificador evalúa el texto y devuelve un veredicto humano o automático con un índice de confianza. El umbral de la campaña determina entonces qué hacer con ese índice, de modo que distintas campañas pueden actuar de forma diferente ante el mismo veredicto.

¿Qué dialectos árabes están incluidos?

La cobertura abarca el habla del Golfo Pérsico, el Levante, Egipto y el Magreb, y el árabe es uno de los 11 idiomas compatibles con la plataforma. El dialecto se trata como parte del idioma y no como ruido, lo cual es especialmente importante en listas regionales mixtas donde aparecen saludos jordanos, saudíes y marroquíes en la misma campaña.

¿Puedo configurar una sensibilidad AMD diferente para cada campaña?

Sí. Los umbrales de sensibilidad se configuran por inquilino y por campaña, de modo que una campaña de recuperación avanzada puede ser cautelosa al declarar una máquina, mientras que una campaña de recordatorios de alto volumen no lo es. Las funciones de IA se pueden controlar mediante indicadores de características, por lo que AMD también se puede desactivar por campaña, por inquilino o globalmente.

¿Qué ocurre cuando un agente no está de acuerdo con el veredicto?

El agente lo marca con un solo clic desde el escritorio durante la llamada, sin formulario ni ticket. Las correcciones alimentan los flujos de trabajo de optimización específicos de cada inquilino, por lo que la señal se aplica a sus operadores, regiones y tipos de campaña. Los supervisores también deben revisar periódicamente los desgloses de precisión por campaña, operador e idioma.

¿Se conserva el audio de la llamada para su procesamiento AMD?

El proceso de clasificación AMD procesa un breve segmento inicial del audio de la llamada, y el audio original utilizado para la clasificación no se almacena a largo plazo. Lo que se conserva es el resultado de la clasificación, el índice de confianza y la versión del modelo, que es lo que normalmente necesita ver una revisión de seguridad de la información.