Где возникает задача: проверяемая рубрика без формального балла
Общий балл выглядит удобно: руководитель видит одну цифру, команда — рейтинг звонка. Но число не объясняет, что произошло в разговоре и на каком основании сделан вывод. Если два проверяющих по-разному понимают «выявил потребность» или «объяснил следующий шаг», итоговая оценка маскирует разногласие. Для внедрения ИИ в продажи полезнее определить наблюдаемые признаки: какие слова или действия подтверждают критерий, а какие не позволяют сделать вывод.
Я бы начал не с десятков пожеланий к идеальному звонку, а с нескольких решений, которые действительно важны команде. Для каждого зафиксировал бы достаточное свидетельство и два отдельных статуса: «не было возможности проявить» и «недостаточно данных». Например, вопрос о сроке нельзя считать пропущенным, если клиент завершил разговор раньше. Такая рубрика помогает отличить отсутствие возможности от ошибки менеджера — и не превращает неопределённость в отрицательную оценку. Добавьте к каждому критерию короткий контрпример: он показывает проверяющему, где проходит граница правила, и помогает обнаружить формулировку, которую можно понять двояко.
Как применить ИИ к этой задаче
- Опишите критерий проверяемо
Замените расплывчатое «хорошо выявляет потребность» на действие и контекст: менеджер уточнил задачу клиента и получил ответ. Укажите, что не считается подтверждением: например, одна лишь презентация продукта.
- Попросите модель показать основание
Для каждого вывода ИИ приводит короткий фрагмент разговора или временную отметку и объясняет связь с правилом. Если подтверждения нет, результат — «не найдено», а не правдоподобное предположение.
- Разведите вывод и решение
ИИ размечает критерии и выделяет неоднозначные случаи; ответственный утверждает критерии и решает, какие изменения принять. Для разбора модель может вернуть строку: критерий → фрагмент → интерпретация → статус → причина передачи человеку.
- Задайте формат результата
Передайте модели транскрипт, версию рубрики и правила обработки неопределённости. В спорном случае сохраняйте контекст вокруг реплики: короткая цитата без соседних фраз может менять её смысл. ИИ-контроль качества продаж связан с тем, как выстроить такую проверку звонков и разбор результатов.
Условный пример и критерий проверки
Представим учебный транскрипт: менеджер спрашивает о приоритетах, затем предлагает срок поставки, который клиенту не подходит. Это условный пример, а не запись клиента. Таблица показывает важное различие: наличие реплики ещё не подтверждает успешное действие. Сначала модель находит свидетельство, затем применяет правило; если ответ клиента или контекст отсутствует, статус должен это отражать.
При проверке сравните цитату с транскриптом и отдельно — трактовку с критерием. Верная цитата при чрезмерном выводе указывает на слишком широкое правило; цитата без соседнего контекста — на недостаточный фрагмент. Этот разбор позволяет точечно исправить рубрику, не сводя качество всей проверки к единому баллу. Полезно записать для каждого спорного случая, какая именно часть вывода не прошла проверку: цитата, связь с критерием или итоговый статус. Тогда следующее изменение будет адресным, а не очередной общей просьбой к модели «быть точнее».
| Критерий | Фрагмент разговора | Вывод ИИ и проверка |
|---|---|---|
| Уточнил задачу клиента | «Что для вас важнее всего при выборе?» | Вопрос прозвучал; проверяющий смотрит, ответил ли клиент и использовал ли менеджер ответ. |
| Подтвердил срок | Менеджер называет срок, клиент отвечает: «Нам нужно раньше» | ИИ отмечает расхождение, но не ставит «срок согласован»; человек проверяет, обсуждали ли альтернативу. |
| Зафиксировал следующий шаг | «Тогда отправлю расчёт завтра, а вы пришлёте спецификацию» | Есть два действия и срок; рубрика уточняет, считается ли это взаимной договорённостью. |
| Обнаружил возражение | «Дороже, чем мы рассчитывали» | Фраза показывает сомнение в цене, но не его причину; нельзя приписывать клиенту отсутствие бюджета. |
Как выбрать следующий шаг
После проверки сгруппируйте расхождения по их природе: критерий сформулирован двусмысленно, свидетельство найдено неверно, вывод чрезмерен или команда не согласовала сам стандарт. Для двусмысленности добавьте контрпример; для ошибки поиска уточните нужный контекст; для чрезмерной трактовки ограничьте допустимый вывод. Если спор касается стандарта, решение принимает ответственный за процесс, а не модель.
Затем сравните старую и новую формулировки на одном наборе учебных примеров: изменился ли нужный вывод и не появились ли новые неоднозначности. Если критерий продолжает трактоваться по-разному, оставьте его для ручного решения или разделите на более узкие признаки. Если правило стало понятнее, зафиксируйте его версию и владельца пересмотра. Я верю, что ИИ существенно изменит бизнес в ближайшие 2–5 лет; поэтому особенно важно внедрять его системно — начиная с проверяемых правил, а не с погони за одной оценкой.