Detecção de secretária eletrônica para dialetos árabes

A detecção de secretária eletrônica é o controle menos glamoroso em uma central de atendimento de chamadas ativas e é o que, silenciosamente, decide quantas conversas seus agentes conseguem atender. Cada veredicto errado tem um custo. Se você identificar uma secretária eletrônica como humana, o agente ouvirá uma gravação por vinte segundos. Se identificar uma pessoa como máquina, a ligação será desligada para um cliente que atendeu. Em mercados de língua árabe, a abordagem tradicional erra em ambos os casos com mais frequência do que as equipes esperam.

Por que a detecção de bipes falha em saudações em árabe?

AMD clássico é uma técnica de sincronização de áudio. Ele espera que a outra pessoa fale, mede a duração da fala, aguarda o silêncio e então escuta um tom. Se o tom chegar, ele declara que se trata de uma máquina. Essa sequência de suposições funciona razoavelmente bem em um mercado onde o correio de voz é padronizado e as saudações são curtas. Porém, ela apresenta problemas no Golfo Pérsico e no Levante, por quatro motivos distintos.

• Muitos sistemas de correio de voz de operadoras na região não emitem nenhum sinal sonoro claro, ou emitem um sinal após um anúncio da operadora que o detector já desistiu de detectar. Um detector que aguarda um tom que nunca chega não tem como emitir um veredicto.
• Uma saudação árabe ao vivo costuma ser longa. Quem liga e responde com uma saudação completa, uma saudação de boas-vindas e uma pergunta, fala por vários segundos antes da primeira pausa natural, que é exatamente o padrão que um detector de tempo lê como uma mensagem gravada.
• As saudações gravadas na região costumam ser muito curtas, às vezes apenas um nome. Uma breve fala seguida de silêncio é o padrão que um detector de tempo interpreta como sendo de uma pessoa viva.
• As redes móveis da região frequentemente inserem seus próprios anúncios, primeiro em árabe e depois em inglês, antes da saudação do assinante. O detector mede o anúncio, e não a saudação.

O ponto em comum é que o tempo não fornece informações sobre quem está falando. As palavras, sim. Um detector que não consegue lê-las está apenas adivinhando, e adivinha pior em árabe do que no mercado em que foi sintonizado.

O que a classificação de transcrição faz em vez disso.

A IA AMD da DialerBee não espera pelo tom. No momento em que a outra pessoa atende, o áudio inicial é transcrito em tempo real e um classificador pontua o texto resultante, em vez da forma de onda. A diferença é que o texto é inequívoco de uma forma que a sincronização nunca foi. Uma pessoa dizendo "aywa, meen maai?" e uma gravação dizendo "o assinante que você ligou não está disponível, por favor, deixe uma mensagem após o tom" não são semelhantes em termos de texto, por mais similares que sejam seus perfis de sincronização.

Quatro etapas são executadas em cada chamada atendida.

• Transcrever. Os segundos iniciais do áudio são convertidos em texto à medida que chegam.
• Detectar o idioma e o dialeto. Isso é automático, portanto, uma lista com vários idiomas não precisa ser dividida em uma campanha por idioma antes de ser discada.
• Classificar. O classificador retorna um veredicto humano ou da máquina juntamente com uma pontuação de confiança.
• Ação. O limite da campanha define o que essa pontuação de confiança significa para esta campanha; portanto, uma lista de cobranças e uma lista de satisfação do cliente podem ter níveis de cautela diferentes na mesma plataforma.

O veredito é gerado nos primeiros instantes da chamada, enquanto a saudação ainda está sendo reproduzida. Portanto, a decisão de conectar ou desconectar ocorre durante a fase de atendimento, e não depois. Não divulgamos um valor único de latência, pois o valor real varia de acordo com a operadora, o idioma e a velocidade de início da saudação. Solicite medições feitas em um tráfego semelhante ao seu.

Cobertura dialetal em toda a região

O árabe não é um único alvo. Um classificador treinado em árabe formal transmitido por rádio lerá uma saudação de correio de voz do Golfo Pérsico e uma do Levante de forma muito diferente, e nenhuma delas se assemelha ao equivalente egípcio ou magrebino. DialerBee trata o dialeto como parte da língua, em vez de ruído ao redor dela, e a cobertura do árabe abrange os dialetos do Golfo Pérsico, do Levante, do Egito e do Magrebe.

Na prática, isso é o que mais importa nas fronteiras. Uma saudação telefônica jordaniana e uma saudita usam verbos diferentes para a mesma ideia. Um interlocutor do Golfo, ao atender uma chamada comercial, geralmente inicia a conversa com uma saudação religiosa formal que um modelo restrito interpreta como roteirizada e, portanto, gravada. Uma saudação magrebina pode conter vocabulário francês em uma frase em árabe. Todas as quatro situações representam tráfego comum para um BPO regional e todas elas são situações em que um modelo de dialeto único resulta na perda de conversas.

O árabe está entre os 11 idiomas suportados pela plataforma, portanto, uma central que disca árabe, inglês, francês e urdu em uma semana utiliza uma única pilha de detecção, em vez de uma para cada mercado.

Limiares, não absolutos

Uma pontuação de confiança só é útil se você decidir o que fazer com ela, e a decisão certa varia de acordo com a campanha. Em uma campanha de recuperação de crédito em estágio avançado, cancelar a inscrição de um devedor ativo é caro, enquanto deixar um recado na caixa postal é barato; portanto, você define um limite para ser cauteloso ao declarar uma secretária eletrônica como inativa. Em uma campanha de lembrete de agendamento de alto volume, a situação se inverte.

Os limites de sensibilidade são, portanto, configurados por locatário e por campanha, em vez de para toda a plataforma, o que torna o controle útil para uma empresa de BPO que atende vários clientes com diferentes níveis de tolerância. Os recursos de IA podem ser controlados por sinalizadores de recursos, de modo que AMD também pode ser ativado ou desativado por campanha, por locatário ou globalmente, e a plataforma funciona com capacidade total mesmo com ele desativado.

Antes de uma análise de segurança da informação, é importante conhecer mais dois detalhes de configuração. O sistema de classificação AMD processa um breve segmento inicial do áudio da chamada, e o áudio bruto usado para a classificação não é armazenado a longo prazo. O que é retido é o resultado da classificação, o índice de confiança e a versão do modelo.

O ciclo de feedback do agente

Nenhum classificador acerta sempre, e os primeiros a descobrir são os agentes. Quando o modelo erra, seja para mais ou para menos, o agente sinaliza o erro com um único clique na área de trabalho, durante a chamada, sem formulário ou chamado. Essas correções alimentam fluxos de trabalho de ajuste específicos para cada locatário, o que significa que o sinal melhora a detecção para suas operadoras, suas regiões e seus tipos de campanha, e não é compartilhado entre locatários.

Isso só funciona se os supervisores tratarem a alteração como parte do trabalho, e não como um relatório de exceção. Dois hábitos ajudam. Instrua os agentes a entenderem que sinalizar um veredito incorreto requer apenas um clique e é algo esperado, não uma reclamação sobre o sistema. E leia semanalmente os relatórios de precisão por campanha, por operadora e por idioma, pois uma operadora que alterou sua mensagem de voz aparece nesses relatórios como um padrão muito antes de alguém relatar o problema.

Além do árabe: os outros idiomas na mesma lista

A detecção com reconhecimento de idioma não é tradução. Trata-se de reconhecer como pessoas e máquinas realmente se comunicam em um determinado mercado, e a variação que torna o árabe difícil existe em todos os outros idiomas em uma lista regional. O espanhol se divide entre a fala latino-americana e a europeia. O francês apresenta padrões europeus, canadenses e norte-africanos. O alemão possui registros formais e informais, além de variantes austríacas e suíças. O turco tem seus próprios padrões regionais. O inglês, por si só, chega com sotaques americano, britânico, indiano, filipino e do Golfo, o que representa a maior parte do tráfego de um agente de BPO antes mesmo de um único número árabe ser discado.

É por isso que a pilha de detecção importa mais do que qualquer alegação de idioma individual. Um sistema que disca árabe no domingo, francês na segunda-feira e urdu na terça-feira não deveria estar executando três configurações de detecção e conciliando três conjuntos de números de precisão. Todos os 11 idiomas suportados compartilham um classificador e uma visualização de relatório, e o dialeto é tratado como parte do idioma em cada um deles, em vez de ruído.

Como medir a detecção corretamente

Uma única métrica de precisão geral é praticamente inútil, pois ela mascara a concentração de perdas. Em vez disso, meça esse ponto específico e exija a mesma análise detalhada de qualquer fornecedor que você esteja avaliando.

• Falsos positivos e falsos negativos separadamentee por operadora, em vez de por região. Uma média regional de 90% pode mascarar uma precisão de 65% sobre a operadora que transporta a maior parte do seu volume.
• Taxa de sobreposição do agente, que mostra o que a plateia pensa dos veredictos e com que rapidez a afinação tem material para trabalhar.
• Tempo de detecção, juntamente com a decisão de conexão, já que um veredicto correto que chega depois que o cliente desligou não é uma vitória.
• Resultados divididos por idioma e por tipo de campanha, porque uma lista de recuperação e uma lista de lembretes não se comportarão da mesma maneira, mesmo com os mesmos números.

Dois hábitos o protegem de comprar um número em vez de uma capacidade. Teste com seu próprio tráfego, através de seus próprios trunks, para suas próprias operadoras de destino, já que a precisão em áudio de demonstração ou sintético raramente sobrevive ao contato com a produção. E faça testes piloto por tipo de campanha em vez de alterar uma configuração global, revisando primeiro os falsos positivos, porque uma pessoa real que teve a conexão interrompida é o erro caro e aquele que nunca aparece na fila de um agente.

Quando uma rota, uma fonte de lista, uma região ou um script for alterado, execute a revisão novamente. O comportamento do correio de voz da operadora não é um alvo fixo, e uma configuração de detecção que estava correta no trimestre passado é apenas uma hipótese neste trimestre.

Como AMD se encaixa no restante do setor

AMD não é um produto independente, e seu valor reside no que acontece após o veredito. Quando uma máquina é detectada, o agente pode gravar uma mensagem de voz pré-configurada com um clique e passar para a próxima chamada enquanto a mensagem ainda está sendo reproduzida, usando modelos gerados por texto para fala com a voz escolhida e sincronizados com todos os nós de mídia, de forma que a gravação funcione independentemente de onde a chamada esteja em andamento. Como alternativa, o contato pode ser automaticamente reenfileirado de acordo com as regras de repetição da campanha.

Os veredictos também alimentam o modelo de ritmo. Quando AMD filtra o correio de voz das chamadas conectadas, o mecanismo preditivo ajusta sua estimativa da taxa real de conexão ao vivo, para que o ritmo reflita as conversas que os agentes realmente terão. AMD funciona com qualquer operadora conectada via SIP, o que é importante em uma região onde a maioria das operadoras traz seus próprios trunks.

Perguntas frequentes

Por que a detecção de bipes apresenta dificuldades com mensagens de voz em árabe?

Porque lê o tempo em vez das palavras. Muitos sistemas de correio de voz de operadoras na região não emitem um bipe utilizável, as saudações em árabe ouvidas ao vivo são frequentemente longas o suficiente para parecerem gravadas, as saudações gravadas são frequentemente curtas o suficiente para parecerem faladas por uma pessoa, e os anúncios da rede em árabe e inglês chegam antes da saudação do assinante. Nenhum desses problemas pode ser resolvido com uma melhor detecção de tom.

Como AMD baseado em transcrição classifica uma chamada?

Os segundos iniciais do áudio são transcritos em tempo real, o idioma e o dialeto são identificados automaticamente, e um classificador pontua o texto, retornando um veredito humano ou automático com um nível de confiança. O limite da campanha decide então o que fazer com essa pontuação, permitindo que diferentes campanhas ajam de maneiras distintas com base no mesmo veredito.

Quais dialetos árabes são abordados?

A cobertura abrange os idiomas do Golfo, do Levante, do Egito e do Magreb, sendo o árabe um dos 11 idiomas suportados pela plataforma. O dialeto é tratado como parte integrante do idioma, e não como ruído, o que é especialmente importante em listas regionais mistas, onde saudações jordanianas, sauditas e marroquinas aparecem na mesma campanha.

Posso definir uma sensibilidade AMD diferente para cada campanha?

Sim. Os limites de sensibilidade são configurados por locatário e por campanha, portanto, uma campanha de recuperação em estágio avançado pode ser cautelosa ao declarar uma máquina, enquanto uma campanha de lembrete de alto volume não precisa ser. Os recursos de IA podem ser controlados por sinalizadores de recursos, de modo que AMD também pode ser desativado por campanha, por locatário ou globalmente.

O que acontece quando um agente discorda do veredicto?

O agente sinaliza o problema com um clique na área de trabalho durante a chamada, sem formulários ou chamados. As correções alimentam fluxos de trabalho de ajuste específicos para cada locatário, de modo que o sinal se aplica às suas operadoras, regiões e tipos de campanha. Os supervisores também devem revisar regularmente os detalhamentos de precisão por campanha, operadora e idioma.

O áudio da chamada é mantido para processamento AMD?

O processo de classificação AMD processa um breve segmento inicial do áudio da chamada, e o áudio bruto usado para a classificação não é armazenado a longo prazo. O que é retido é o resultado da classificação, o nível de confiança e a versão do modelo, que é o que uma análise de segurança da informação normalmente precisa verificar.