在Opus Research和CallMiner联合举办的网络研讨会上，Opus Research副总裁兼首席分析师Ian Jacobs和CallMiner产品营销经理Megan Keup讨论了客户服务中自动化和人工代理的交叉点，以及用于评估其绩效的指标。

Jacobs引用了Opus最近的一项调查，该调查发现，几乎所有接受调查的400家企业都在使用某种语音人工智能技术（见下图），92%的企业捕获了他们的语音数据，而56%的企业转录了一半以上的交互。“他们正在进行语音自动化，并正在查看数据，但许多品牌在创造良好的服务体验方面仍存在问题。”

旧金山Opus Research公司

这种失败的一个可能原因是，大多数品牌只检查服务体验的各个部分。例如，人类智能体有一组指标，而机器人有另一组指标——它是否给出了预期的答案，是否产生了幻觉等。Jacobs认为，应该对人工智能代理和人类代理的整个体验进行评估。

“也许机器人的体验一开始很糟糕，但人类拯救了它。那个‘拯救’的时刻实际上比一直‘还好’的时候提供了更好的体验。”Jacobs说：“所以我认为我们应该统一人类和人工智能的性能指标。”

CallMiner的Keup建议，CSAT、解析时间和首次接触解决率等高级KPIs可以应用于人类和人工智能交互。“这样，你就可以将苹果与苹果进行比较，并将人工智能的性能纳入现有的质量保证流程。记分卡对人类智能体来说很常见，因此对人工智能智能体做类似的事情将使报告显示人工智能在哪些方面表现出色，以及人工干预在哪些方面仍然能提供更好的结果。”

Keup还指出，一些指标自然会出现分歧。例如，如果人工智能擅长更容易自动化的任务，而人类代理处理更棘手的交互，那么“也许你会看到预约安排的高解决率，但不一定是人类代理，因为他们处理的案件更复杂，涉及更多的批判性思维。”

在后端，像CallMiner这样的人工智能工具可以使呼叫中心从只监控或审查总交互的一小部分的传统方法过渡到所有交互。但是，如果目标是统一人类和人工智能的绩效指标，那么这不仅包括在适当的情况下确定共享指标，还包括团结团队本身——人类代理、部署和维护人工智能代理的IT人员，正如Jacobs所说，“试图在人类绩效和机器人绩效之间进行校准的QA负责人，以及负责整个运营的联络中心经理。”