Otomatik kalite kontrolü yeni bir inceleme sorunu yaratır
Her çağrıyı analiz etmek için yapay zekâ kullanmak, manuel örneklemeye kıyasla kapsamı önemli ölçüde artırabilir. Ancak başka bir soru doğurur: analizci bu puanı neden verdi? Denetçi dayanağı hızla inceleyemiyorsa, ekip yalnızca bir kara kutunun yerine başka birini koymuş olur.
Kanıt, sinyalden doğrulamaya giden yolu kısaltır
Cally’nin analitiği, değerlendirmeyi veya içgörüyü kanıtın ortaya çıktığı tam konuşma turuna ya da araç yürütmesine bağlayabilir. “Başarısız” çağrıyı inceleyen denetçi uzun kayıtta gezinmek veya tüm dökümde aramak zorunda kalmaz. Sistemin başarısızlığın gerçekleştiğini düşündüğü andan başlayabilir.
Araç olayları görüşmenin gerçeğinin bir parçasıdır
Birçok çağrı sonucu harici sisteme bağlıdır. Ajan, API başarı döndürdüğü için veya yanıtı yanlış okuduğu için iptalin başarılı olduğunu söyleyebilir. Cally, işlem yürütme geçmişini koruyup dökümde araç olaylarını vurgulayarak kalite inceleyicilerine hem ne söylendiğini hem sistemin gerçekte ne yaptığını gösterir.
Kanıt, prompt’ları ve iş akışlarını iyileştirmeye de yardımcı olur
Aynı hata türü tekrar tekrar tek bir iş akışı düğümüne, bilgi yanıtına veya işlem yanıtına işaret ediyorsa, sorun müdahale edilebilir hale gelir. Ekipler tüm ajanı yeniden yazmak yerine belirli bileşeni değiştirebilir. Kanıt, görüşme sonrası analitiği hata ayıklama döngüsüne dönüştürür.
İnsan incelemesi daha etkili hale gelir
Amaç, insanları kalite güvencesinden çıkarmak değildir. Amaç, dikkati daraltmak için otomasyonu kullanmaktır. Yapay zekâ her çağrıyı inceleyebilir, sıra dışı durumları veya hataları öne çıkarabilir ve kanıta işaret edebilir; denetçiler ise zamanını muhakemeye, politikalara ve iyileştirmeye ayırabilir.
Kalite puanı her zaman iki soruya yanıt vermelidir: “Ne oldu?” ve “Bunu nereden doğrulayabilirim?”