به لطف GenAI، مراکز تماس، نظارت دستی را تا ۷۰ درصد کاهش می‌دهند.

VHO - این اثربخشی از زمان پیاده‌سازی سیستم تحلیل تماس iSense در VinaPhone مشاهده شده است - پلتفرمی که چندین لایه از فناوری‌های هوش مصنوعی و هوش مصنوعی مولد را بر اساس استانداردهای بین‌المللی برای تحلیل مکالمات، نظارت بر عملیات مرکز تماس و تشخیص زودهنگام ناهنجاری‌ها ترکیب می‌کند.

مراکز تماس خدمات مشتریان روزانه با ده‌ها هزار مشتری در تعامل هستند، اما سال‌هاست که بخش زیادی از این داده‌ها برای تشخیص زودهنگام مشکلات عملیاتی، عمدتاً دست‌نخورده باقی مانده‌اند. این یک محدودیت رایج در مدل‌های کنترل سنتی مراکز تماس است که در آن‌ها کسب‌وکارها تنها می‌توانند درصد بسیار کمی از تماس‌ها را برای ارزیابی کیفیت خدمات بررسی کنند.

هوش مصنوعی مستقیماً در عملکرد مرکز تماس دخیل است.

مرکز خدمات مشتریان VinaPhone در حال حاضر سیستم تجزیه و تحلیل تماس مبتنی بر هوش مصنوعی VNPT iSense را برای نظارت و تجزیه و تحلیل کیفیت خدمات در ۱۰۰٪ تماس‌ها پیاده‌سازی کرده و به بیش از ۳۰ میلیون مشترک خدمات پشتیبانی مشتری ارائه می‌دهد.

به گفته آقای وو شوان نهان، رئیس دپارتمان فناوری مرکز خدمات مشتریان وینافون، آی‌سنس از طریق لایه‌های پردازشی مانند تبدیل گفتار به متن، تحلیل محتوای مکالمه، تشخیص احساسات گوینده و نظارت بر میزان رعایت قوانین توسط کارشناسان مرکز تماس در هر تماس، مستقیماً در عملکرد مرکز تماس مشارکت دارد.

وینافون از اپلیکیشن آی‌سنس برای نظارت و تحلیل کیفیت تماس‌های خدمات مشتریان استفاده می‌کند.

بر اساس این مبنا، iSense از فناوری هوش مصنوعی مولد برای درک زمینه، خلاصه‌سازی خودکار مکالمات، طبقه‌بندی موضوعات بحث و ترکیب مسائل تکراری از داده‌های تماس در مقیاس بزرگ استفاده می‌کند.

بر این اساس، iSense به جای صرفاً ثبت اطلاعات، به بخش عملیات کمک می‌کند تا علائم اولیه ناهنجاری‌های خدمات، تنگناها در فرآیند خدمات مشتری یا مسائلی را که می‌توانند به طور بالقوه منجر به شکایات شوند، شناسایی کند. این راهکار همچنین از پیشنهاد اطلاعات و دانش بر اساس زمینه مکالمه پشتیبانی می‌کند و به کارشناسان مرکز تماس کمک می‌کند تا زمان صرف شده برای جستجو و حل موقعیت‌ها را در طول تعامل با مشتریان کاهش دهند.

برای اینکه هوش مصنوعی مولد بتواند به طور دقیق زمینه مکالمه را درک کند، داده‌های ورودی باید در تشخیص گفتار بسیار دقیق باشند. این رویکرد فناوری جدید اخیراً توسط VNPT AI - تیم توسعه iSense - در ICASSP 2026، برترین کنفرانس بین‌المللی پردازش سیگنال و گفتار IEEE (بارسلونا، اسپانیا) در تاریخ 6 می ارائه شد.

طی یک جلسه کاری با سازمان‌ها و دانشگاه‌هایی از جمله موسسه فناوری ماساچوست (MIT)، دانشگاه تسینگهوا و گروه Ant (علی‌بابا) ، VNPT AI اثربخشی رویکرد جدید خود را که در مقایسه با روش‌های قدیمی‌تر، عملکرد را بهبود می‌بخشد و دقت را افزایش می‌دهد، به اشتراک گذاشت و تجزیه و تحلیل کرد. این روش توجه قابل توجهی از جامعه علمی بین‌المللی را به خود جلب کرده است.

هوش مصنوعی VNPT رویکرد جدیدی را برای بهبود دقت GenAI در تحلیل زمینه‌ای در ICASSP 2026 به اشتراک می‌گذارد.

آقای نهان همچنین تأکید کرد که بزرگترین تغییر پس از استقرار هوش مصنوعی، جایگزینی انسان نیست، بلکه توانایی گسترش دامنه نظارت بر کیفیت در مقیاس وسیع است.

او گفت: «با یک مرکز تماس در مقیاس بزرگ، گوش دادن و ارزیابی دستی همه تماس‌ها تقریباً غیرممکن است. هوش مصنوعی به مدیریت حجم زیاد وظایف تکراری کمک می‌کند تا تیم کنترل کیفیت بتواند بیشتر روی مواردی که نیاز به ارزیابی حرفه‌ای دارند تمرکز کند.»

تا سال ۲۰۲۵، iSense بیش از ۳۰ میلیون تماس را نظارت و تجزیه و تحلیل خواهد کرد. این سیستم به کاهش تقریباً ۷۰ درصدی حجم کار نظارت دستی سرپرستان مرکز تماس کمک می‌کند، ضمن اینکه هزینه‌های پرسنلی برون‌سپاری شده مربوط به کنترل کیفیت مرکز تماس را نیز تقریباً ۲۱ درصد کاهش می‌دهد.

به گفته نماینده VinaPhone، وقتی بخش کنترل کیفیت دیگر بیشتر وقت خود را صرف گوش دادن دستی به گزارش‌های تماس نکند، می‌تواند بیشتر روی مسائل عملیاتی عملی مانند مدیریت موقعیت‌های غیرمعمول، بهبود فرآیندهای خدمات مشتری یا آموزش اپراتورهای مرکز تماس تمرکز کند.

هوش مصنوعی این استقلال را دارد که مشکل مرکز تماس به زبان ویتنامی را حل کند.

برای اینکه هوش مصنوعی در محیط مرکز تماس ویتنامی زبان به طور مؤثر عمل کند، عامل کلیدی در تسلط بر داده‌ها، مدل‌ها و بهینه‌سازی فناوری برای واقعیت‌های عملیاتی خاص در ویتنام نهفته است.

یکی از بزرگترین چالش‌ها هنگام استقرار هوش مصنوعی برای مراکز تماس در ویتنام، ویژگی‌های منحصر به فرد زبان ویتنامی در یک محیط مکالمه در دنیای واقعی است. مشتریان ممکن است سریع صحبت کنند، مکث کنند، حرف یکدیگر را قطع کنند، از گویش‌های منطقه‌ای استفاده کنند یا بسته به منطقه و احساسات خود، دائماً لحن خود را تغییر دهند.

برای حل این مشکل، iSense طوری ساخته شده است که چندین لایه از فناوری هوش مصنوعی را در کل چرخه عمر مکالمه ادغام کند. این سیستم شامل فناوری‌هایی مانند تشخیص گفتار برای تبدیل گفتار به متن، دفتربندی گوینده برای تفکیک گویندگان، تشخیص احساسات برای شناسایی احساسات از طریق ویژگی‌های صوتی و هوش مصنوعی مولد برای انجام وظایف پیچیده‌تر است.

هوش مصنوعی VNPT رویکرد جدیدی را برای بهبود دقت GenAI در تحلیل زمینه‌ای در ICASSP 2026 به اشتراک می‌گذارد.

هدف این سیستم فقط شناسایی آنچه مشتریان می‌گویند نیست، بلکه کمک به کسب‌وکارها برای شناسایی دقیق مشکل، نحوه برخورد کارشناسان مرکز تماس با آن و اقدامات بعدی مورد نیاز است.

تیم توسعه iSense اظهار داشت که مدل‌های هوش مصنوعی در iSense در محیط مرکز تماس دنیای واقعی طی سال‌ها فعالیت، با تجزیه و تحلیل داده‌ها از مناطق، لهجه‌ها و سناریوهای تجاری متنوع، بهینه شده‌اند. این امر به سیستم اجازه می‌دهد تا به طور مؤثرتری برای زبان ویتنامی و ویژگی‌های ارتباطی خاص مشتریان داخلی بهینه شود.

از دیدگاه راهکار، iSense همچنین به گونه‌ای طراحی شده است که به جای اعمال مجموعه‌ای ثابت از استانداردها برای همه مراکز تماس، به طور انعطاف‌پذیری برای هر عملکرد تجاری، گروه مشتری و معیارهای تحلیلی خاص قابل تنظیم باشد.

به گفته تیم توسعه، این مزیت پلتفرم‌های هوش مصنوعی مستقل است، زیرا کسب‌وکارها می‌توانند داده‌ها، فناوری و توانایی سفارشی‌سازی سیستم‌ها را مطابق با نیازهای عملیاتی واقعی به صورت پیشگیرانه کنترل کنند.

منبع: https://baovanhoa.vn/kinh-te/tong-dai-giam-70-viec-giam-sat-thu-cong-nho-genai-229753.html