هوش مصنوعی در مرکز تماس؛ راهنمای کامل کاربردها، معماری و پیاده‌سازی

مرکز تماس جایی است که بیشترین گفت‌وگوی مستقیم سازمان با مشتری در آن اتفاق می‌افتد. هر روز هزاران تماس پاسخ داده می‌شود، بخش بزرگی از آن‌ها تکراری است و تقریباً هیچ‌کدام به‌طور کامل شنیده و تحلیل نمی‌شود. هوش مصنوعی در مرکز تماس دقیقاً همین سه مسئله را هدف می‌گیرد و مرکزی که این لایه‌ها را دارد، مرکز تماس هوش مصنوعی یا مرکز تماس هوشمند نامیده می‌شود: پاسخ خودکار به درخواست‌های تکراری، کمک به کارشناس در تماس‌های پیچیده و تبدیل صدای مشتری به داده‌ای که بشود آن را جست‌وجو، اندازه‌گیری و بهبود داد. برای آشنایی با مفاهیم پایه، هوش مصنوعی چیست؟ را در سایت یادگیری ماشین ایران ببینید.

در این راهنما توضیح می‌دهیم هوش مصنوعی در مرکز تماس دقیقاً از چه اجزایی ساخته می‌شود، کاربردهای اصلی آن کدام‌اند، چه تفاوتی با مرکز تماس سنتی ایجاد می‌کند، چالش‌های زبان فارسی چیست و یک سازمان چطور می‌تواند بازگشت سرمایهٔ آن را برآورد و پیاده‌سازی را بی‌ریسک شروع کند.

هوش مصنوعی در مرکز تماس یعنی چه؟

هوش مصنوعی در مرکز تماس به مجموعه فناوری‌هایی گفته می‌شود که بخشی از کارهای انسانی در تماس با مشتری را انجام می‌دهند یا به انسان در انجام آن کمک می‌کنند: شنیدن و نوشتن گفت‌وگو، فهمیدن خواستهٔ مشتری، پاسخ دادن، تصمیم‌گیری دربارهٔ مسیر تماس و تحلیل هزاران مکالمه برای یافتن الگوها. این فناوری‌ها روی بستر نرم‌افزار مرکز تماس کار می‌کنند و جای آن را نمی‌گیرند؛ صف، توزیع تماس، ضبط مکالمه و گزارش‌گیری همچنان کار مرکز تماس است و هوش مصنوعی لایه‌ای هوشمند روی آن اضافه می‌کند.

به همین دلیل بهتر است به جای «یک هوش مصنوعی»، از لایه‌های هوش مصنوعی صحبت کنیم:

معماری: از صدای مشتری تا پاسخ هوشمند

در یک تماس هوشمند، صدای مشتری مسیر مشخصی را طی می‌کند. شناختن این مسیر کمک می‌کند بدانیم کیفیت نهایی به کدام حلقه وابسته است و در ارزیابی راهکارها کجا را باید دقیق‌تر سنجید.

دو نکتهٔ معماری در عمل بیشترین اثر را دارند. اول، تأخیر: مجموع زمان تبدیل گفتار، پردازش و تولید صدا باید آن‌قدر کوتاه باشد که گفت‌وگو طبیعی بماند؛ به همین دلیل پردازش به‌صورت جریانی (Streaming) انجام می‌شود. دوم، اتصال به سامانه‌های سازمان: ربات یا IVR گفتاری فقط وقتی واقعاً مسئله را حل می‌کند که بتواند وضعیت سفارش، مانده حساب یا سابقهٔ مشتری را از سامانه‌های داخلی بخواند و درخواست را ثبت کند.

کاربردهای اصلی هوش مصنوعی در مرکز تماس

کاربردها را می‌توان بر اساس زمانشان در چرخهٔ تماس دسته‌بندی کرد: پیش از رسیدن تماس به کارشناس، حین مکالمه و پس از پایان تماس. روی هر کاربرد بزنید تا توضیح، شاخص اثر و صفحهٔ مرتبط آن را ببینید.

مرکز تماس سنتی در برابر مرکز تماس هوش مصنوعی

هوش مصنوعی ماهیت کار مرکز تماس را عوض نمی‌کند، اما نقطهٔ تمرکز آن را جابه‌جا می‌کند: کارهای تکراری به ماشین سپرده می‌شود و کارشناس انسانی برای مسائل پیچیده و حساس آزاد می‌شود.

نکتهٔ مهم این است که این تغییر تدریجی است. مرکز تماسی که امروز با منوی گویای سنتی کار می‌کند، می‌تواند ابتدا فقط تحلیل مکالمات را اضافه کند، سپس IVR گفتاری و در مرحلهٔ بعد ربات پاسخگو را برای چند سناریوی پرتکرار راه بیندازد. برای آشنایی با تفاوت زیرساخت‌ها، مقالهٔ تفاوت مرکز تلفن و مرکز تماس را ببینید.

چالش‌های هوش مصنوعی گفتاری در زبان فارسی

بیشتر محصولات جهانی هوش مصنوعی مرکز تماس برای انگلیسی ساخته شده‌اند. در فارسی چند چالش ویژه وجود دارد که باید پیش از انتخاب راهکار به آن توجه کرد:

• کیفیت صدای تلفن: صدای تماس تلفنی معمولاً ۸ کیلوهرتز، فشرده و همراه با نویز است. موتوری که روی صدای استودیویی دقیق است، لزوماً روی تماس تلفنی خوب کار نمی‌کند.
• گفتار محاوره‌ای و لهجه‌ها: مشتری کتابی حرف نمی‌زند؛ تعارف، جمله‌های نیمه‌تمام و لهجه‌های مختلف بخشی از هر تماس است.
• اعداد و کدها: شمارهٔ کارت، کد پیگیری و مبلغ باید دقیقاً درست ثبت شوند. خروجی خام ASR اعداد را به حروف می‌نویسد و برای تبدیل آن‌ها به رقم، لایهٔ نرمال‌سازی (ITN) لازم است.
• اصطلاحات تخصصی: نام محصولات، خدمات و اصطلاحات هر سازمان باید به واژگان موتور اضافه شود.

معیار استاندارد سنجش دقت تبدیل گفتار به متن، نرخ خطای واژه (WER) است. توصیهٔ ما این است که هر عدد اعلام‌شده را روی نمونه‌ای از تماس‌های واقعی خود سازمان دوباره بسنجید؛ دقت روی مجموعه‌دادهٔ عمومی با دقت روی تماس‌های مرکز تماس شما یکی نیست. برای آشنایی بیشتر با این فناوری، مقالهٔ ASR چیست را بخوانید.

مدل‌های زبانی بزرگ و هوش مصنوعی مولد در مرکز تماس

نسل جدید ربات‌های پاسخگو بر پایهٔ مدل‌های زبانی بزرگ (LLM) ساخته می‌شوند. تفاوت آن‌ها با ربات‌های قدیمی این است که به جای درخت تصمیم ثابت، جملهٔ آزاد مشتری را می‌فهمند و پاسخ را از دانش سازمان (راهنماها، پرسش‌های متداول و سیاست‌ها) تولید می‌کنند. برای این‌که پاسخ‌ها درست و قابل اتکا باشند، مدل به منابع تأییدشدهٔ سازمان وصل می‌شود (روش RAG) و برای اقدام‌هایی مثل ثبت درخواست، فقط از طریق APIهای تعریف‌شده عمل می‌کند.

گام بعدی، هوش مصنوعی عاملی (Agentic AI) است: عاملی که فقط پاسخ نمی‌دهد، بلکه چند مرحله کار را خودش انجام می‌دهد؛ مثلاً سفارش را استعلام می‌کند، درخواست مرجوعی ثبت می‌کند و پیامک تأیید می‌فرستد. برای آشنایی با کاربردهای مولد، مقالهٔ Generative AI در مرکز تماس را ببینید.

استقرار داخلی یا ابری؟

صدای مشتری داده‌ای حساس است: شمارهٔ حساب، کد ملی، آدرس و گاهی اطلاعات پزشکی در آن گفته می‌شود. به همین دلیل برای بانک‌ها، بیمه‌ها، اپراتورها و سازمان‌های دولتی، محل پردازش داده یک تصمیم کلیدی است.

ماژول‌های هوش مصنوعی ساعیان ارتباط روی سرور خود سازمان نصب می‌شوند و به سرویس ابری خارجی وابسته نیستند. اگر به گزینهٔ ابری فکر می‌کنید، مقالهٔ مرکز تماس ابری را هم ببینید.

برآورد بازگشت سرمایه (ROI)

اثر مالی هوش مصنوعی در مرکز تماس بیشتر از دو منبع می‌آید: تماس‌هایی که بدون کارشناس حل می‌شوند و دقیقه‌هایی که از هر تماس صرفه‌جویی می‌شود (مثلاً با خلاصهٔ خودکار به جای ثبت دستی). با ماشین‌حساب زیر می‌توانید برآوردی اولیه برای مرکز تماس خودتان بگیرید.

برای سنجش اثر پس از اجرا، همین شاخص‌ها را پیش و پس از پایلوت مقایسه کنید: میانگین زمان مکالمه (AHT)، نرخ حل در اولین تماس (FCR)، نرخ ترک تماس و رضایت مشتری (CSAT). فهرست کامل را در راهنمای شاخص‌های کلیدی عملکرد مرکز تماس ببینید.

اثر هوش مصنوعی به کاهش کار محدود نمی‌شود؛ پیش‌بینی دقیق‌تر حجم تماس هم کمک می‌کند تعداد کارشناس در هر ساعت با نیاز واقعی جور شود. روش‌ها، اثر تقویم ایرانی و ماشین‌حساب ارلنگ C را در راهنمای پیش‌بینی حجم تماس و برنامه‌ریزی نیروی مرکز تماس آورده‌ایم.

نقشهٔ راه پیاده‌سازی

پروژه‌های موفق هوش مصنوعی در مرکز تماس معمولاً کوچک شروع می‌شوند و بر اساس داده بزرگ می‌شوند. این پنج مرحله، مسیری است که ریسک را پایین نگه می‌دارد:

چک‌لیست انتخاب راهکار هوش مصنوعی مرکز تماس

• آیا دقت تبدیل گفتار به متن روی تماس‌های واقعی شما سنجیده شده، یا فقط روی داده‌های نمایشی؟
• آیا راهکار با مرکز تماس فعلی شما (Asterisk، FreePBX، Issabel یا سایر سامانه‌ها) از طریق SIP یا API یکپارچه می‌شود؟
• داده‌ها کجا پردازش و نگهداری می‌شوند و چه کسی به آن‌ها دسترسی دارد؟
• آیا ربات همیشه راهی روشن برای اتصال به کارشناس انسانی دارد؟
• آیا گزارش‌ها شاخص‌هایی مثل نرخ حل خودکار، نرخ انتقال به کارشناس و دقت تشخیص را نشان می‌دهند؟
• آیا ارائه‌دهنده پشتیبانی فنی داخلی و امکان تنظیم مدل با واژگان سازمان را دارد؟

هوش مصنوعی مرکز تماس در ساعیان ارتباط

ساعیان ارتباط، شرکت دانش‌بنیان فعال در حوزهٔ مرکز تماس و VoIP، مجموعه‌ای از ماژول‌های هوش مصنوعی را در کنار نرم‌افزار مرکز تماس هوشمند خود ارائه می‌کند: تبدیل گفتار به متن فارسی، IVR هوشمند گفتاری، ربات تلفنی هوشمند، تحلیل مکالمات و کنترل کیفیت خودکار و سامانهٔ تیکتینگ متصل به مکالمه. سامانهٔ تیکتینگ ساعیان ارتباط در مرکز تماس بانک ملت نصب شده و در حال بهره‌برداری است.

فهرست همهٔ ماژول‌ها و مقالات این حوزه را در صفحهٔ هوش مصنوعی ساعیان ارتباط ببینید.

پرسش‌های متداول

آیا هوش مصنوعی جای کارشناسان مرکز تماس را می‌گیرد؟

نه به‌طور کامل. هوش مصنوعی بخشی از تماس‌های تکراری و ساده را خودکار پاسخ می‌دهد و کار پس از تماس را کوتاه می‌کند، اما تماس‌های پیچیده، حساس و شکایت‌ها همچنان به کارشناس انسانی نیاز دارند. نتیجهٔ معمول، آزاد شدن ظرفیت کارشناسان برای تماس‌های ارزشمندتر است.

هوش مصنوعی برای مرکز تماس فارسی چقدر دقیق است؟

دقت به کیفیت صدای تلفن، لهجه‌ها و اصطلاحات هر سازمان بستگی دارد و با معیار نرخ خطای واژه (WER) سنجیده می‌شود. عدد قابل اتکا فقط از آزمون روی تماس‌های واقعی خود سازمان به دست می‌آید؛ به همین دلیل پیشنهاد می‌کنیم پیش از هر تصمیم، یک پایلوت انجام شود.

آیا برای استفاده از هوش مصنوعی باید مرکز تماس فعلی را عوض کنیم؟

لزوماً نه. ماژول‌های هوش مصنوعی از طریق SIP یا API به مرکز تماس‌های رایج مثل Asterisk، FreePBX و Issabel متصل می‌شوند. البته مرکز تماس یکپارچه با این ماژول‌ها امکانات بیشتری مثل ثبت خودکار تیکت و گزارش یکپارچه می‌دهد.

داده‌های صوتی مشتریان کجا پردازش می‌شود؟

در استقرار داخلی، همهٔ پردازش روی سرور خود سازمان انجام می‌شود و صدا یا متن از سازمان خارج نمی‌شود. این مدل برای بانک‌ها، بیمه‌ها و سازمان‌های دولتی مناسب‌تر است.

از کدام کاربرد هوش مصنوعی شروع کنیم؟

بیشتر سازمان‌ها با تحلیل مکالمات یا IVR گفتاری شروع می‌کنند؛ چون بدون تغییر در رفتار مشتری، اثر سریع و قابل اندازه‌گیری دارند. سپس ربات پاسخگو برای چند سناریوی پرتکرار اضافه می‌شود.

پیاده‌سازی هوش مصنوعی در مرکز تماس چقدر زمان می‌برد؟

یک پایلوت محدود برای یک یا دو سناریو معمولاً چند هفته طول می‌کشد؛ زمان دقیق به آماده بودن داده‌ها، اتصال به سامانه‌های سازمان و دامنهٔ سناریو بستگی دارد.