Jak zaprojektować kryteria oceny rozmów pod analizę AI

Automatyczna ocena rozmów jest dokładnie tak dobra, jak kryteria, według których ocenia. Dobra wiadomość: jeśli Twój zespół quality ma dziś kartę oceny, większość pracy jest już zrobiona. Trzeba ją tylko przełożyć na formaty, które AI oceni jednoznacznie — bez miejsca na „to zależy”.

Zacznij od celu, nie od formularza

Zanim przepiszesz obecny arkusz, odpowiedz na pytanie: czego ta ocena ma pilnować? Zwykle chodzi o trzy rzeczy naraz — zgodność (compliance), skuteczność sprzedażową lub obsługową oraz standard komunikacji. Każdy z tych celów najlepiej obsługuje inny format oceny.

Trzy formaty, trzy zastosowania

1. Checklista — zgodność i standard rozmowy

Lista punktów typu „wydarzyło się / nie wydarzyło się”: przywitanie i przedstawienie się, poinformowanie o nagrywaniu, weryfikacja tożsamości, podsumowanie ustaleń. Checklista sprawdza się wszędzie tam, gdzie odpowiedź jest binarna.

2. Skala punktowa — jakość, nie tylko obecność

Tam, gdzie liczy się jak, a nie tylko czy — badanie potrzeb, radzenie sobie z obiekcjami, jasność wyjaśnień — lepiej działa skala punktowa z opisanymi progami. Kluczem są opisy poziomów: co konkretnie oznacza 2, a co 5 punktów.

3. Błędy krytyczne — czerwone linie

Osobna kategoria dla zdarzeń, które przekreślają rozmowę niezależnie od reszty oceny: brak zgody na nagrywanie, wprowadzenie klienta w błąd, obietnica bez pokrycia, pominięcie obowiązkowej klauzuli. Błąd krytyczny nie obniża wyniku — on uruchamia alert.

Pisz kryteria tak, żeby dwie osoby oceniły tak samo

Test jest prosty: jeśli dwóch trenerów mogłoby ocenić to samo nagranie różnie, kryterium jest zbyt ogólne — również dla AI. Porównaj:

Źle: „Konsultant był uprzejmy i profesjonalny.”

Dobrze: „Konsultant przedstawił się imieniem i nazwą firmy w pierwszych 30 sekundach rozmowy oraz nie przerywał klientowi w trakcie wypowiedzi.”

Konkret — obserwowalne zachowanie, moment rozmowy, warunek zaliczenia — sprawia, że ocena jest powtarzalna i łatwa do obrony na feedbacku.

Kalibruj na prawdziwych rozmowach

Zanim uruchomisz ocenę na całym ruchu, przetestuj kryteria na kilkudziesięciu historycznych nagraniach i porównaj wyniki AI z ocenami trenerów. Rozbieżności to zwykle nie „błąd AI”, tylko nieprecyzyjne kryterium — doprecyzuj opis i powtórz próbę. Kalibrację warto powtarzać przy każdej zmianie skryptu lub oferty.

Od karty oceny do dashboardu

Dobrze zaprojektowane kryteria procentują na poziomie zarządczym: wyniki checklist i skal układają się w trendy per konsultant i per kampania, a błędy krytyczne trafiają do alertów z cytatem z transkrypcji. Zamiast dyskusji „wydaje mi się, że zespół słabiej bada potrzeby” masz wykres, który to pokazuje — i listę rozmów, które to potwierdzają.

Punkt wyjścia — dlaczego w ogóle warto oceniać wszystkie rozmowy, a nie próbkę — znajdziesz w tekście: Ręczny odsłuch pokrywa 1–2% rozmów.