AI gebruiken in Zendesk QA

Waar AI werkelijk helpt in een kwaliteitsprogramma, de ene grens die je beter niet oversteekt, en wat het betekent voor een Nederlandstalig team.

Waar AI werkelijk helpt in een kwaliteitsprogramma, de ene grens die je beter niet oversteekt, en wat het betekent voor een Nederlandstalig team.

Waar het werkelijk helpt

• Mechanische categorieën scoren op elk gesprek in plaats van op een steekproef.
• Gesprekken vinden die het beoordelen waard zijn, zoals gesprekken waarin het sentiment scherp daalde.
• Lange gesprekken samenvatten zodat een beoordelaar zich snel kan oriënteren.
• Patronen zien over honderden gesprekken die niemand met lezen zou vinden.

Automatisch scoren is niet één centrale schakelaar. Een scorecard noemt de werkruimten die er automatisch mee scoren, los van de werkruimten die er met de hand mee beoordelen, dus het komt precies terecht waar je het neerzet en nergens anders.

De tweede wordt onderschat

De tijd van beoordelaars is het schaarse goed. AI gebruiken om de gesprekken naar boven te halen die een menselijke blik het meest waard zijn, is meer waard dan hem gebruiken om ze te scoren.

De grens

Feedback aan een agent hoort van een mens te komen. Een automatisch cijfer met een gegenereerde opmerking is een machine die iemand vertelt dat zijn werk slecht was, en daar leert niemand van.

Gebruik het om de beoordelaar te voeden, niet om hem te vervangen.

Het kan juistheid niet beoordelen

Of het antwoord klopte vraagt productkennis en context die alleen een collega heeft. Dat is bovendien de categorie die het zwaarst telt, en dat begrenst hoeveel van dit werk te automatiseren is.

Controleer het voordat je het vertrouwt

Lees gesprekken die het heeft gescoord en houd ze naast je eigen lezing. Waar het het stelselmatig met je oneens is, klopt de categorie niet voor jouw context.

Vertel agents wat automatisch is

Mensen aanvaarden dat een machine spelling scoort. Ze storen zich eraan te ontdekken dat een cijfer waarvan ze dachten dat het van een collega kwam, dat niet was.

Let op verschillen tussen talen

Automatisch scoren presteert per taal ongelijk, dus een meertalig team kan verschillen tonen die het gereedschap weerspiegelen en niet het werk.

Voor een Nederlandstalig team is dat concreet en niet vaag. Readability wordt in het Nederlands helemaal niet gescoord, en Empathy, Tone, Solution offered en Comprehension komen er pas zodra LLM-based AutoQA aanstaat. Leg je een Nederlandse wachtrij naast een Engelse, dan zit een deel van het verschil in het gereedschap.

Zie ook

• Waar AutoQA de mist in gaat
• Wat AutoQA doet
• Een scorecard maken
• Wat een scorecard maakt die mensen accepteren