Detecção de secretária eletrônica para dialetos árabes

A detecção de caixa postal é o controle menos glamoroso de uma operação outbound e o que decide, silenciosamente, quantas conversas seus agentes recebem. Todo veredito errado custa algo. Classifique uma máquina como pessoa e um agente fica vinte segundos ouvindo uma gravação. Classifique uma pessoa como máquina e você desliga na cara de um cliente que atendeu. Em mercados de língua árabe, a abordagem tradicional erra nos dois sentidos com mais frequência do que as equipes imaginam.

Por que a detecção por bipe falha com saudações em árabe

O AMD clássico é uma técnica baseada no tempo do áudio. Ele espera o outro lado falar, mede quanto tempo a fala dura, espera o silêncio e então procura um tom. Se o tom chega, declara máquina. Essa cadeia de premissas funciona razoavelmente bem em um mercado onde a caixa postal é padronizada e as saudações são curtas. Funciona mal no Golfo e no Levante, por quatro motivos distintos.

• Muitos sistemas de caixa postal das operadoras da região não emitem nenhum bipe limpo, ou emitem um só depois de um anúncio da operadora, quando o detector já desistiu. Um detector que espera um tom que nunca chega não tem veredito para dar.
• Uma saudação real em árabe costuma ser longa. Quem atende com uma saudação completa, boas-vindas e uma pergunta já falou por vários segundos antes da primeira pausa natural — exatamente o padrão que um detector baseado em tempo interpreta como mensagem gravada.
• As saudações gravadas na região costumam ser muito curtas, às vezes apenas um nome. Fala curta seguida de silêncio é o padrão que um detector baseado em tempo interpreta como uma pessoa real.
• 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 diz nada sobre quem está falando. As palavras dizem. Um detector que não consegue lê-las está chutando, e chuta pior em árabe do que no mercado em que foi ajustado.

O que a classificação por transcrição faz no lugar disso

O AMD com IA do DialerBee não espera por um tom. No momento em que o outro lado atende, o áudio inicial é transcrito em tempo real e um classificador pontua o texto resultante, e não a forma de onda. A diferença é que o texto é inequívoco de um jeito que o tempo nunca foi. Uma pessoa dizendo “aywa, meen maai?” e uma gravação dizendo “o assinante para o qual você ligou não está disponível, deixe sua mensagem após o sinal” não se parecem em nada como texto, por mais semelhante que seja o perfil de tempo.

Quatro etapas são executadas em toda 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, então uma lista com vários idiomas não precisa ser dividida em uma campanha por idioma antes de ser discada.
• Classificar. O classificador retorna um veredito de pessoa ou máquina junto com uma pontuação de confiança.
• Agir. O limite da campanha define o que essa pontuação de confiança significa para aquela campanha, então uma lista de cobrança e uma lista de pesquisa de satisfação podem ter níveis de cautela diferentes na mesma plataforma.

O veredito é gerado nos primeiros instantes da chamada, enquanto a saudação ainda está tocando, então a decisão de conectar ou derrubar acontece durante a fase de atendimento, e não depois dela. Não publicamos um número único de latência, porque o valor real varia conforme a operadora, o idioma e a rapidez com que a saudação começa. Peça medições feitas em um tráfego parecido com o seu.

Cobertura de dialetos em toda a região

O árabe não é um alvo único. Um classificador treinado com o árabe formal da mídia vai interpretar de forma muito diferente uma saudação de caixa postal do Golfo e uma do Levante, e nenhuma delas se parece com a equivalente egípcia ou magrebina. O DialerBee trata o dialeto como parte do idioma, e não como ruído em volta dele, e a cobertura em árabe abrange a fala do Golfo, levantina, egípcia e magrebina.

Na prática, isso pesa mais nos limites. Uma saudação de celular jordaniana e uma saudita usam verbos diferentes para a mesma ideia. Quem atende uma ligação comercial no Golfo muitas vezes abre com uma saudação religiosa formal que um modelo limitado trata como roteirizada e, portanto, gravada. Uma saudação magrebina pode trazer vocabulário francês dentro de uma frase em árabe. As quatro situações são tráfego comum para um BPO regional, e nas quatro um modelo de dialeto único perde conversas.

O árabe está entre os 11 idiomas suportados pela plataforma, então uma operação que disca em árabe, inglês, francês e urdu na mesma semana roda uma única pilha de detecção, e não uma por mercado.

Limites, não absolutos

Uma pontuação de confiança só é útil se você decidir o que fazer com ela, e a decisão certa varia por campanha. Em uma campanha de recuperação em estágio avançado, derrubar um devedor real é caro e deixar uma mensagem na caixa postal é barato, então você configura o limite para ser cauteloso ao declarar máquina. Em uma campanha de lembrete de agendamento de alto volume, o equilíbrio se inverte.

Por isso, os limites de sensibilidade são configurados por tenant e por campanha, e não para a plataforma inteira — é isso que torna o controle utilizável para um BPO que atende vários clientes com tolerâncias diferentes. Os recursos de IA podem ser controlados por feature flags, então o AMD também pode ser ativado ou desativado por campanha, por tenant ou globalmente, e a plataforma funciona com capacidade total com ele desligado.

Vale conhecer mais dois fatos de configuração antes de uma revisão de segurança da informação. A classificação do AMD processa um segmento inicial curto do áudio da chamada, e o áudio bruto usado na classificação não é armazenado a longo prazo. O que fica guardado é o resultado da classificação, a pontuação de confiança e a versão do modelo.

O ciclo de feedback dos agentes

Nenhum classificador acerta sempre, e quem descobre primeiro são os agentes. Quando o modelo erra, em qualquer direção, o agente sinaliza com um único clique no desktop, durante a chamada, sem formulário nem chamado. Essas correções alimentam fluxos de ajuste restritos a cada tenant, ou seja, o sinal melhora a detecção para as suas operadoras, as suas regiões e os seus tipos de campanha, e não é compartilhado entre tenants.

Isso só funciona se os supervisores tratarem a correção como parte do trabalho, e não como um relatório de exceção. Dois hábitos ajudam. Explique aos agentes que sinalizar um veredito errado leva um clique e é esperado, não uma reclamação sobre o sistema. E leia toda semana os detalhamentos de precisão por campanha, por operadora e por idioma, porque uma operadora que mudou o anúncio da caixa postal aparece ali como padrão muito antes de alguém relatar o problema.

Além do árabe: os outros idiomas na mesma lista

Detecção com reconhecimento de idioma não é tradução. É reconhecer como pessoas e máquinas realmente falam em um mercado, e a variação que torna o árabe difícil existe em todos os outros idiomas de uma lista regional. O espanhol se divide entre a fala latino-americana e a europeia. O francês tem padrões europeus, canadenses e norte-africanos. O alemão tem registros formal e informal, além das variantes austríaca e suíça. O turco tem seus próprios padrões regionais. Só o inglês chega com sotaques americano, britânico, indiano, filipino e do Golfo, o que já é a maior parte do tráfego atendido pelos agentes de um BPO antes de um único número árabe ser discado.

É por isso que a pilha de detecção importa mais do que qualquer promessa sobre um idioma específico. Uma operação que disca em árabe no domingo, em francês na segunda e em urdu na terça não deveria rodar três configurações de detecção e conciliar três conjuntos de números de precisão. Todos os 11 idiomas suportados compartilham um classificador e uma visão de relatórios, e em cada um deles o dialeto é tratado como parte do idioma, e não como ruído.

Como medir a detecção do jeito certo

Um único número de precisão geral é quase inútil, porque a média esconde justamente onde suas perdas se concentram. Meça o seguinte e exija o mesmo detalhamento de qualquer fornecedor que você estiver avaliando.

• Falsos positivos e falsos negativos separadamente, e por operadora, não por região. Uma média regional de 90% pode esconder 65% de precisão na operadora que concentra a maior parte do seu volume.
• Taxa de correção pelos agentes, que mostra o que a operação pensa dos vereditos e com que rapidez o ajuste tem material para trabalhar.
• Tempo de detecção, junto com a decisão de conectar, já que um veredito 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 vão se comportar da mesma forma, mesmo com os mesmos números.

Dois hábitos evitam que você compre um número em vez de uma capacidade. Teste com o seu próprio tráfego, pelos seus próprios trunks, para as suas próprias operadoras de destino, já que a precisão em áudio de demonstração ou sintético raramente sobrevive ao contato com a produção. E faça o piloto por tipo de campanha, em vez de mudar uma configuração global, revisando primeiro os falsos positivos, porque uma pessoa real que foi derrubada 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 roteiro mudar, faça a revisão de novo. O comportamento da caixa postal das operadoras não é um alvo fixo, e uma configuração de detecção que estava certa no trimestre passado é apenas uma hipótese neste trimestre.

Como o AMD se encaixa no restante da operação

O AMD não é um produto isolado, e seu valor vem do que acontece depois do veredito. Quando uma máquina é detectada, o agente pode deixar uma mensagem de caixa postal pronta com um clique e passar para a próxima chamada enquanto a mensagem ainda está tocando, usando modelos gerados por conversão de texto em fala com uma voz escolhida por você e sincronizados com todos os nós de mídia, para que a mensagem funcione onde quer que a chamada esteja rodando. Como alternativa, o contato pode voltar automaticamente para a fila de acordo com as regras de nova tentativa da campanha.

Os vereditos também alimentam o modelo de ritmo de discagem (pacing). Quando o AMD filtra as caixas postais das chamadas conectadas, o mecanismo preditivo ajusta sua estimativa da taxa real de conexão com pessoas, para que o ritmo reflita as conversas que os agentes realmente vão atender. O AMD funciona com qualquer operadora conectada via SIP, o que importa em uma região onde a maioria das operações traz seus próprios trunks.

Perguntas frequentes

Por que a detecção por bipe tem dificuldade com caixas postais em árabe?

Porque ela lê o tempo, e não as palavras. Muitos sistemas de caixa postal das operadoras da região não emitem um bipe utilizável, saudações reais em árabe costumam ser longas o bastante para parecer gravações, saudações gravadas costumam ser curtas o bastante para parecer uma pessoa, e anúncios da rede em árabe e inglês chegam antes da saudação do assinante. Nenhum desses problemas se resolve com uma detecção de tom melhor.

Como o 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 e retorna um veredito de pessoa ou máquina com uma pontuação de confiança. Em seguida, o limite da campanha decide o que fazer com essa pontuação, então campanhas diferentes podem agir de forma diferente sobre o mesmo veredito.

Quais dialetos árabes são cobertos?

A cobertura abrange a fala do Golfo, levantina, egípcia e magrebina, e o árabe é um dos 11 idiomas suportados pela plataforma. O dialeto é tratado como parte do idioma, e não como ruído, o que pesa mais em listas regionais mistas, onde saudações jordanianas, sauditas e marroquinas aparecem na mesma campanha.

Posso definir uma sensibilidade de AMD diferente por campanha?

Sim. Os limites de sensibilidade são configurados por tenant e por campanha, então uma campanha de recuperação em estágio avançado pode ser cautelosa ao declarar máquina, enquanto uma campanha de lembretes de alto volume não precisa ser. Os recursos de IA podem ser controlados por feature flags, então o AMD também pode ser desligado por campanha, por tenant ou globalmente.

O que acontece quando um agente discorda do veredito?

O agente sinaliza com um clique no desktop durante a chamada, sem formulário nem chamado. As correções alimentam fluxos de ajuste restritos a cada tenant, então o sinal se aplica às suas operadoras, às suas regiões e aos seus tipos de campanha. Os supervisores também devem revisar regularmente os detalhamentos de precisão por campanha, por operadora e por idioma.

O áudio da chamada é guardado para o processamento do AMD?

A classificação do AMD processa um segmento inicial curto do áudio da chamada, e o áudio bruto usado na classificação não é armazenado a longo prazo. O que fica guardado é o resultado da classificação, a pontuação de confiança e a versão do modelo — o que uma revisão de segurança da informação normalmente precisa ver.