Un sistema de speech-to-text i machine learning que transcriu totes les trucades d’un contact center dels EUA, les puntua per compliment normatiu i potencial de venda, i llança alertes en temps real.
Agent: Bon dia, el truco per la renovació de la seva pòlissa.
Client: Sí, digui’m, però tinc poc temps.
Agent: Li confirmo el nou import i passem al pagament…
Falta l’avís legal de gravació abans de parlar de pagaments| Trucada | Agent | Durada | Compliment | Sentiment | Venda | Estat |
|---|---|---|---|---|---|---|
| #48213 | Agent 014 | 06:42 | 97 | Positiu | Upsell | OK |
| #48212 | Agent 007 | 11:05 | 71 | Negatiu | · | Revisar |
| #48210 | Agent 022 | 04:18 | 89 | Neutre | Cross-sell | OK |
| #48209 | Agent 003 | 08:51 | 82 | Neutre | · | Atenció |
| #48207 | Agent 014 | 03:37 | 99 | Positiu | · | OK |
| #48205 | Agent 019 | 09:24 | 68 | Negatiu | · | Revisar |
L’equip revisava les trucades a mà. Complir la normativa dels EUA i detectar oportunitats de venda era clau, però sense automatització hi havia retards, resultats inconsistents i ingressos perduts.
Enregistraments normalitzats en qualitat i format.
Model afinat al vocabulari i els accents del client.
Sentiment, empatia, frases regulatòries obligatòries i flux de la trucada.
Dues puntuacions: compliment i potencial de venda.
Riscos i oportunitats, assenyalats per als supervisors.
Històric de trucades, registres d’agents i regles de compliment, mapejades i etiquetades per entrenar.
Veu a text afinat amb àudio del client (terminologia i accents) i un model supervisat que aprèn d’avaluacions fetes per persones.
AWS Kinesis processa cada trucada tan bon punt arriba, amb APIs en Python i un dashboard en Next.js per a l’equip de qualitat.
Validació amb trucades reals i pilot amb un grup d’agents abans del desplegament general.
Vam dissenyar una solució basada en IA amb tres components principals:
Amb un model speech-to-text ajustat, vam automatitzar la transcripció de totes les trucades. El sistema:
Vam desenvolupar un model supervisat de machine learning que analitza les converses i genera scores en funció de:
Un dashboard personalitzat que permet als supervisors i analistes visualitzar:
| Data type | Format | Volume | Purpose |
|---|---|---|---|
| Call Audio | WAV | 10,000 calls (~500 hours) | Train & fine-tune the Speech-to-Text model |
| Agent Interaction Logs | JSON | 2GB of logs | Identify conversation patterns & keywords |
| Compliance Guidelines | PDF/Docs | 200 pages | Define compliance triggers for ML model |
Unim experiència i innovació per portar el teu projecte al següent nivell.