Co agent głosowy w windykacji musi robić dobrze przez telefon

Z czym mierzy się agent głosowy AI, a z czym nigdy chatbot?

Agent głosowy, sprzedawany czasem jako voicebot albo konwersacyjny agent AI do połączeń, to oprogramowanie, które samodzielnie prowadzi rozmowę telefoniczną: słucha, ustala, co klient miał na myśli, decyduje, co powiedzieć, i mówi to syntetycznym głosem. Dla banków, firm pożyczkowych i innych instytucji finansowych, które chcą w ten sposób prowadzić rozmowy windykacyjne, telefon wybacza znacznie mniej niż okno czatu, a niemal każdą z tych różnic po prostu słychać.

Na piśmie odpowiedź, która przychodzi po czterech sekundach, nikomu nie przeszkadza, a literówkę da się przeoczyć. Przez telefon cztery sekundy ciszy sprawiają, że klient pyta „halo?”, a źle usłyszana liczba staje się błędną kwotą wypowiedzianą na głos, której nie da się cofnąć. A zanim do tego dojdzie, ktoś musi w ogóle odebrać – wiadomość tekstowa tego nie wymaga.

Dlatego pytania, od których zależy, czy agent głosowy działa, dotyczą głównie dźwięku i czasu, a nie modelu, który za nim stoi. Większość z nich da się sprawdzić, mając telefon, listę i kilka dni.

Jak szybko agent głosowy musi odpowiadać?

Klient nigdy nie powinien się zastanawiać, czy połączenie zostało przerwane. Badania rozmów w wielu językach pokazują, że między końcem wypowiedzi jednej osoby a początkiem drugiej ludzie zostawiają zwykle około 200 milisekund, czyli jedną piątą sekundy. Nikt nie oczekuje, że oprogramowanie dorówna temu co do milisekundy, ale im bardziej odpowiedź przekracza sekundę, tym bardziej rozmowa brzmi jak maszyna, która się zastanawia, a klienci wypełniają ciszę, wchodząc agentowi w słowo.

Czas między końcem wypowiedzi klienta a początkiem odpowiedzi agenta to opóźnienie, czyli latencja. Składa się na nie kilka etapów: zamiana mowy na tekst, wybór odpowiedzi, zamiana tej odpowiedzi z powrotem na mowę i sama sieć telefoniczna. Warto poprosić dostawcę – czy to wyspecjalizowanego w windykacji, czy ogólną platformę voice AI – o typową wartość i o najwolniejsze przypadki, zmierzone na prawdziwych połączeniach, a nie w demo w przeglądarce, bo sieć dodaje czas, którego demo nigdy nie pokazuje.

Potem trzeba posłuchać, jak agent radzi sobie z wolniejszymi momentami. Człowiek sprawdzający konto mówi „chwileczkę, już sprawdzam”. Agent, który robi to samo, krótko i tylko wtedy, gdy rzeczywiście na coś czeka, brzmi naturalnie. Taki, który każdą odpowiedź poprzedza wypełniaczem, brzmi, jakby grał na zwłokę.

Czy klient może mu przerwać?

Będzie, i to ciągle. Ludzie przerywają, żeby poprawić błędną informację, powiedzieć, że już zapłacili, albo dlatego, że zrozumieli i chcą iść dalej. Zdolność do przerwania mówienia, gdy klient zaczyna, nazywa się często barge-in, a agent, który jej nie ma, czyta dalej swoje zdanie, podczas gdy klient próbuje się przebić z „nie, to się nie zgadza”.

Warto sprawdzić trzy rzeczy. Czy agent milknie w ułamku sekundy, gdy się do niego mówi? Czy potem odpowiada na to, co usłyszał, zamiast wracać do przerwanego zdania? I czy odróżnia prawdziwe wejście w słowo od hałasu w tle: kaszlu, telewizora, dziecka w pokoju? Nie powinien zatrzymywać się przy każdym dźwięku w tle, bo wtedy klient też nigdy nie dokończy zdania.

Jak agent powinien wypowiadać kwoty, daty i numery referencyjne?

Tak, jak zrobiłby to uważny człowiek. „1 250,50” powinno zabrzmieć jak „tysiąc dwieście pięćdziesiąt euro i pięćdziesiąt centów”, a nie jak ciąg cyfr ani „jeden przecinek dwa pięć tysiąca”. Daty powinny być dniami, które klient potrafi umiejscowić: „w ten piątek, dwudziestego” zamiast „20.11”. Długie numery referencyjne należy czytać krótkimi grupami, z pauzą między nimi, i zaproponować ich przesłanie wiadomością, jeśli klient chce je zanotować.

Każdą liczbę podaną przez klienta trzeba powtórzyć, zanim zostanie przyjęta deklaracja spłaty. Jeśli klient mówi „w piątek dam radę piętnaście”, agent powinien upewnić się, czy chodzi o 15, czy o 50 euro, i o który piątek. Liczby wypowiadane na głos to miejsce, w którym rozmowa łatwo i po cichu idzie w złą stronę, bo „piętnaście” i „pięćdziesiąt” brzmią podobnie, a obie kwoty są wiarygodnymi wpłatami.

Co się dzieje, gdy odbiera automat albo niewłaściwa osoba?

Wiele połączeń wychodzących trafia na pocztę głosową, więc agent albo dialer, który wykonuje jego połączenia, musi odróżnić nagrane powitanie od żywej osoby – w branży nazywa się to wykrywaniem automatycznej sekretarki (AMD). Obie pomyłki kosztują. Jeśli agent weźmie człowieka za automat, rozłączy się albo odtworzy nagranie komuś, kto powiedział „halo”. Jeśli weźmie automat za człowieka, zacznie rozmowę z nagraniem. Załóżmy, że w ciągu tygodnia ludzie odbierają 1 000 połączeń, a agent źle ocenia 4% z nich: 40 klientów odebrało telefon na darmo.

Treść wiadomości na pocztę głosową trzeba ustalić przed startem. Może ją usłyszeć każdy domownik, więc rozsądna wiadomość jest krótka i neutralna: nazwa firmy, osoba, o którą należy pytać, i numer do oddzwonienia, nic o koncie.

Ta sama ostrożność obowiązuje, gdy odbiera żywa osoba, która nie jest klientem. Zanim agent wspomni o jakimkolwiek długu, powinien potwierdzić kontakt z właściwą osobą, czyli z samym klientem, a gdy na linii jest partner albo współpracownik, powiedzieć tylko tyle, ile trzeba, by umówić inny termin.

Czy klienci w ogóle odbiorą jego połączenia?

Tylko jeśli numer wygląda na taki, który warto odebrać. Numer oznaczony jako możliwy spam albo taki, którego klient nie rozpoznaje, często zostaje bez odpowiedzi, a wtedy jakość agenta po drugiej stronie nie ma znaczenia.

Każde nieodebrane połączenie obniża wskaźnik kontaktu, dlatego warto zapytać, jak dobiera się, rejestruje i monitoruje pod kątem oznaczeń spamu numery, z których dzwoni agent, oraz czy wyświetlany numer to taki, pod który klient może oddzwonić i trafić do tej samej firmy. Tym samym klientom warto pokazywać te same kilka numerów, a numer, który zaczyna zbierać oznaczenia spamu, wycofać, zamiast dzwonić z niego jeszcze intensywniej.

Jak przetestować agentów głosowych AI do windykacji przed startem?

Połączenia testowe trzeba rozpisać, zanim dostawca przeprowadzi jakiekolwiek. Najlepiej pogrupować je według tego, co może pójść nie tak: klient, który przerywa; klient, który podaje kwotę łatwą do przesłyszenia; ktoś, kto odbiera za kogoś innego; ktoś na słabej linii; ktoś, kto prosi o rozmowę z człowiekiem. Dziesięć kategorii po 30 połączeń daje 300 rozmów – dość, by zobaczyć wzorzec, a nie anegdotę – a mały zespół wykona je w kilka dni.

Dzwonić trzeba z prawdziwych telefonów, w sieciach komórkowych, z hałaśliwych pomieszczeń, bo właśnie tam są Państwa klienci. Każde połączenie należy ocenić według tabeli powyżej, a kwot, nazw miejscowości i nazwisk powinien słuchać rodzimy użytkownik każdego języka. Potem ten sam zestaw powtarza się po każdej istotnej zmianie w agencie, żeby poprawka w jednym miejscu nie zepsuła po cichu czegoś w innym.