AI może analizować wszystkie rozmowy z infolinii. Ale są z tym problemy

Analiza rozmów przez AI obejmuje już całe infolinie. Firmy zyskują tysiące godzin, ale muszą uważać na RODO.

Formułka o nagrywaniu rozmowy w celu poprawy jakości obsługi przez lata znaczyła mniej, niż sugerowała. Duże centra kontaktowe archiwizowały tysiące połączeń dziennie, lecz pracownicy odpowiedzialni za kontrolę jakości byli w stanie przesłuchać tylko niewielką próbkę. Sztuczna inteligencja zmienia ten model. Nagranie może zostać automatycznie przepisane, sklasyfikowane i porównane z pozostałymi rozmowami. Analiza obejmuje wtedy nie kilkadziesiąt połączeń, lecz całą infolinię.

Większa skala nie oznacza jednak automatycznie lepszej wiedzy. System może błędnie zapisać wypowiedź, nie rozpoznać branżowego terminu albo przypisać niewłaściwe znaczenie ironii i niejednoznacznym słowom. Dochodzą do tego przepisy o ochronie danych oraz ograniczenia wynikające z unijnego AI Act. Firma, która chce analizować wszystkie rozmowy, musi więc sprawdzić nie tylko wydajność narzędzia, lecz także cel, dokładność i zgodność całego procesu z prawem.

Od odsłuchiwania próbki do analizy każdej rozmowy

Tradycyjna kontrola jakości w call center była ograniczona liczbą ludzi i czasem. Według doświadczeń wdrożeniowych Arteria CX specjaliści analizowali zwykle 2-3 proc. połączeń. Przy 10 tys. rozmów dziennie oznaczało to ocenę zaledwie kilkudziesięciu nagrań. Dane te pochodzą od dostawcy usług i nie są wynikiem niezależnego badania całego rynku, pokazują jednak podstawową barierę ręcznego modelu kontroli.

Nowy proces zaczyna się od automatycznego rozpoznawania mowy, czyli ASR. System zamienia dźwięk na tekst. Kolejna warstwa algorytmów przeszukuje transkrypcję, grupuje podobne sprawy, wykrywa określone słowa i sprawdza, czy konsultant zrealizował wymagane elementy rozmowy.

„Przez lata analiza jakości opierała się na próbce. Dziś firmy zajmujące się obsługą klienta mają możliwość przeanalizowania każdej rozmowy” - mówi Katarzyna Piskorska, CEO Arteria CX.

Według informacji prasowej Arteria CX pracownik podczas ośmiogodzinnej zmiany jest w stanie ocenić 30-40 rozmów, natomiast system oparty na ASR i analizie języka może w tym czasie przetworzyć ponad 10 tys. połączeń. Firma podaje również przykład klienta z branży e-commerce, u którego automatyzacja miała uwolnić 18 tys. godzin pracy zespołu kontroli jakości.

W komunikacie nie przedstawiono jednak metodologii tego wyliczenia, długości okresu pomiarowego ani sposobu ustalenia, które godziny faktycznie zostały wykorzystane na inne zadania. Wynik należy więc traktować jako deklarację dostawcy opartą na konkretnym wdrożeniu, a nie jako przeciętną korzyść możliwą do osiągnięcia przez każde centrum obsługi.

Czego firmy szukają w nagranych rozmowach

Najcenniejsza informacja często nie znajduje się w pojedynczej skardze, lecz w powtarzającym się wzorcu. Setki klientów mogą pytać o ten sam zapis umowy, nie rozumieć jednego etapu zakupu albo ponownie dzwonić w sprawie, która miała zostać zamknięta podczas pierwszego kontaktu.

Automatyczna analiza rozmów może wskazać:

• - najczęstsze powody kontaktu z infolinią,
• - produkty i procedury niezrozumiałe dla klientów,
• - pytania, z którymi konsultanci radzą sobie najsłabiej,
• - przypadki wymagające ponownego kontaktu,
• - odstępstwa od skryptu lub obowiązków informacyjnych,
• - tematy, które powinny zostać lepiej opisane na stronie internetowej,
• - fragmenty procesu reklamacyjnego powodujące opóźnienia.

W ten sposób nagrania przestają być jedynie archiwum otwieranym po złożeniu reklamacji. Stają się zbiorem danych o działaniu organizacji. Menedżer może zauważyć problem wcześniej, zanim pojawi się w wynikach sprzedaży, liczbie rezygnacji albo skargach publikowanych w mediach społecznościowych.

AI nie eliminuje jednak pracy człowieka. Zmienia jej punkt ciężkości. Zamiast losowo odsłuchiwać niewielką liczbę rozmów, specjalista sprawdza przypadki oznaczone przez system, analizuje powtarzalne zjawiska i ocenia, czy wniosek algorytmu odpowiada rzeczywistości.

Sto procent rozmów nie oznacza stu procent dokładności

Największym marketingowym atutem narzędzi do speech analytics jest możliwość objęcia analizą wszystkich połączeń. Liczba przetworzonych nagrań nie mówi jednak, ile transkrypcji i klasyfikacji było poprawnych.

Jakość rozpoznawania mowy zależy między innymi od szumu, rodzaju mikrofonu, jakości połączenia, tempa mówienia, akcentu oraz słownictwa branżowego. Badania systemów ASR wykazywały istotne różnice w poziomie błędów między grupami użytkowników. Autorzy pracy opublikowanej w „Proceedings of the National Academy of Sciences” pokazali, że testowane komercyjne systemy znacznie gorzej rozpoznawały mowę części badanych grup. Nie oznacza to, że identyczny problem wystąpi w każdym polskim wdrożeniu, ale potwierdza konieczność testowania narzędzia na rzeczywistych nagraniach firmy, a nie wyłącznie na próbce przygotowanej przez producenta.

W praktyce przedsiębiorstwo powinno przed uruchomieniem systemu ustalić poziom błędów dla różnych typów połączeń, produktów, regionów i grup konsultantów. Szczególnej kontroli wymagają nazwy własne, numery, kwoty, terminy prawne oraz słowa zmieniające sens wypowiedzi, takie jak przeczenia.

Błędna transkrypcja jednego słowa może doprowadzić do nieprawidłowej oceny konsultanta. Problem staje się poważniejszy, jeśli wynik algorytmu wpływa na premię, plan naprawczy, ocenę pracowniczą albo decyzję o dalszym zatrudnieniu.

Nagrywanie rozmów i ich analiza to nie zawsze ten sam cel

RODO nie zakazuje nagrywania rozmów z infolinią. Administrator musi jednak wskazać podstawę prawną, określić cel przetwarzania, poinformować rozmówcę, ograniczyć dostęp do nagrań i ustalić czas ich przechowywania. Europejska Rada Ochrony Danych wskazuje, że klient powinien otrzymać między innymi informacje o celu nagrywania, odbiorcach danych, prawie dostępu oraz możliwości wniesienia sprzeciwu.

Istotne jest rozróżnienie dwóch operacji. Zachowanie rozmowy na potrzeby wykonania umowy lub rozpatrzenia sporu nie musi oznaczać, że firma może bez dalszej analizy wykorzystywać ją do trenowania modeli, profilowania konsultantów albo badania zachowań klientów. Każdy dodatkowy cel wymaga oceny zgodności z zasadami RODO.

Nie można też założyć, że analiza wszystkich rozmów jest zawsze proporcjonalna. W jednej ze spraw opisanych przez Europejską Radę Ochrony Danych francuski organ nadzorczy uznał systematyczne nagrywanie pełnych rozmów za nadmierne, ponieważ cel kontroli jakości można było osiągnąć przez analizę próbki. Sprawa dotyczyła innego modelu działalności i nie tworzy automatycznego zakazu dla call center, pokazuje jednak, że hasło „analizujemy 100 proc. rozmów” musi zostać uzasadnione potrzebą, a nie tylko techniczną możliwością.

Firma powinna przeprowadzić ocenę skutków dla ochrony danych, gdy sposób przetwarzania może powodować wysokie ryzyko dla praw i wolności osób. Znaczenie mają skala operacji, zakres danych, monitoring pracowników, użycie nowych technologii oraz możliwość automatycznego wyciągania wniosków o konkretnych osobach.

AI Act ogranicza rozpoznawanie emocji pracowników

Najbardziej ryzykowne są narzędzia, które próbują wyciągać wnioski o emocjach konsultanta na podstawie głosu. AI Act zakazuje stosowania systemów rozpoznawania emocji w miejscu pracy, poza przypadkami uzasadnionymi względami medycznymi lub bezpieczeństwem. Zakaz ten obowiązuje od 2 lutego 2025 roku.

Ważne jest jednak prawne rozróżnienie. AI Act definiuje system rozpoznawania emocji jako rozwiązanie wnioskujące o emocjach lub zamiarach człowieka na podstawie danych biometrycznych. Analiza słów zapisanych w transkrypcji i klasyfikowanie ich jako pozytywne albo negatywne nie stają się automatycznie rozpoznawaniem emocji w rozumieniu rozporządzenia.

Inaczej wygląda sytuacja, gdy system analizuje intonację, rytm, wysokość głosu lub inne cechy biometryczne i na tej podstawie przypisuje pracownikowi złość, stres albo zadowolenie. W środowisku pracy takie zastosowanie co do zasady podlega zakazowi.

W przypadku klientów rozpoznawanie emocji nie zostało objęte równie szerokim zakazem, ale od 2 sierpnia 2026 roku art. 50 AI Act nakazuje informować osoby poddane działaniu systemu rozpoznawania emocji o jego stosowaniu. Także tutaj obowiązek dotyczy rozwiązań mieszczących się w ustawowej definicji, a nie każdej analizy sentymentu tekstu.

Człowiek powinien kontrolować nie tylko wynik, lecz także cel

Dostawcy narzędzi do analizy rozmów podkreślają, że system ma wspierać konsultantów, a nie ich zastępować. Taki model jest możliwy, ale zależy od sposobu wykorzystania danych przez pracodawcę.

Człowiek w procesie nie może pełnić roli osoby, która jedynie zatwierdza automatyczny wynik. Powinien mieć możliwość sprawdzenia nagrania, poprawienia transkrypcji, zakwestionowania klasyfikacji i uwzględnienia kontekstu. Konsultant musi wiedzieć, jakie elementy rozmowy są oceniane i w jaki sposób wynik wpływa na jego sytuację.

Szczególnej ostrożności wymaga automatyczne podejmowanie decyzji. Artykuł 22 RODO przyznaje osobie prawo do niepodlegania decyzji opartej wyłącznie na zautomatyzowanym przetwarzaniu, jeżeli wywołuje ona skutki prawne lub w podobny sposób istotnie na nią wpływa. Nie każda punktacja jakości rozmowy spełni te warunki. System decydujący samodzielnie o sankcji pracowniczej, odmowie reklamacji lub zakwalifikowaniu klienta do określonej grupy ryzyka może już wymagać znacznie dokładniejszej analizy prawnej.

Technologia "widzi" więcej, lecz nie zawsze rozumie lepiej

Automatyczna analiza rozmów może ujawnić problemy, które wcześniej ginęły w tysiącach nieodsłuchanych nagrań. Daje firmom możliwość porównywania całych procesów, a zespołom kontroli jakości pozwala skupić się na sprawach wymagających doświadczenia i osądu.

Nie zwalnia jednak organizacji z odpowiedzialności. Przetworzenie każdej rozmowy jest przede wszystkim zmianą skali. Dopiero właściwie dobrane kryteria, kontrola błędów, przejrzyste zasady i reakcja ludzi zmieniają tę skalę w użyteczną wiedzę.

Firma rozważająca wdrożenie powinna zapytać dostawcę nie tylko o liczbę rozmów analizowanych w ciągu godziny. Równie ważne są wyniki testów dokładności, możliwość audytu, lokalizacja danych, okres przechowywania transkrypcji, sposób anonimizacji, procedura poprawiania błędów oraz zakres decyzji pozostawionych człowiekowi.

Źródła:

1. Arteria CX. „Miliony nagranych rozmów: jak sztuczna inteligencja zmienia sposób ich wykorzystania”. Informacja prasowa, 20 lipca 2026.
2. Parlament Europejski i Rada Unii Europejskiej. Rozporządzenie (UE) 2024/1689 z 13 czerwca 2024 r. w sprawie ustanowienia zharmonizowanych przepisów dotyczących sztucznej inteligencji.
3. Parlament Europejski i Rada Unii Europejskiej. Rozporządzenie (UE) 2016/679 z 27 kwietnia 2016 r., w szczególności art. 5, 6, 13, 22, 25 i 35.
4. European Data Protection Board. „Can I record telephone conversations with clients in order to improve quality of service and do I need consent for this?”. Data Protection Guide for Small Business.
5. European Data Protection Board. Summary Final Decision, Article 60, sprawa dotycząca systematycznego nagrywania rozmów telefonicznych.
6. Allison Koenecke i in. „Racial Disparities in Automated Speech Recognition”. Proceedings of the National Academy of Sciences 117, nr 14 (2020): 7684-7689.

Pobierz ebook "Wielki ranking agencji marketingowych 2026 roku i e-book o trendach w promocji w sieci"