הבינה המלאכותית (במ) נתפסת לעיתים קרובות כטכנולוגיה מהפכנית, יכול לספק יעילות, דיוק ופתיחת הזדמנויות אסטרטגיות חדשות. עם זאת, בעוד שהחברות נהנות מהיתרונות של הבינה המלאכותית, מופיעה גם אתגר קריטי ו, לפעמים, הוזנח: השוויון האלגוריתמי. הטיות חבויות במערכות אלו עשויות לפגוע לא רק ביעילות ההחלטות העסקיות, אבל ייצור תוצאות משפטיות, אתיות וחברתיות משמעותיות. 

הנוכחות של הטיות אלגוריתמיות יכולה להיות מוסברת על ידי הטבע של ה-AI עצמו, במיוחד בלמידת מכונה. מודלים מאומנים עם נתונים היסטוריים, וכשהנתונים הללו משקפים דעות קדומות או עיוותים חברתיים, האלגוריתמים באופן טבעי ממשיכים להנציח את ההטיות הללו. מלבד ההטיות במידע, האלגוריתם עצמו יכול להביא לחוסר איזון במשקל הגורמים שנעשה, או בנתונים שנעשה בהם שימוש כפרוקסי, זאת אומרת, נתונים שמחליפים את המידע המקורי, אבל הן לא אידיאליות לניתוח ההוא. 

דוגמה סמלים לתופעה זו נמצאת בשימוש בזיהוי פנים, במיוחד בהקשרים רגישים כמו ביטחון ציבורי. ערים שונות בברזיל אימצו מערכות אוטומטיות במטרה להגביר את היעילות של פעולות המשטרה, אבל ניתוחים מראים שהאלגוריתמים הללו לעיתים קרובות עושים טעויות משמעותיות, בעיקר כאשר מזהים אנשים מקבוצות אתניות ספציפיות, כמו אנשים שחורים. מחקרי החוקרת ג'וי בואלאמוויני, לעשות את MIT, הצביעו על כך שאלגוריתמים מסחריים מציגים שיעורי שגיאה מעל 30% עבור נשים שחורות, בעוד שגברים לבנים, המספר צונח דרסטית ליותר מ-1%

חקיקה ברזילאית: יותר קשיחות בעתיד

בברזיל, além da Lei Geral de Proteção de Dados (LGPD) também está em tramitação o Marco Legal da IA (PL nº 2338/2023), שקובע הנחיות כלליות לפיתוח ויישום של בינה מלאכותית במדינה. 

למרות שעדיין לא אושר, הצעת החוק הזו כבר מצביעה על זכויות שהחברות יידרשו לכבד, כמו: זכות למידע מראש (ליידע כאשר המשתמש מתקשר עם מערכת בינה מלאכותית), זכות להסבר על החלטות אוטומטיות, זכות לערער על החלטות אלגוריתמיות וזכות לאי-אפליה על ידי הטיות אלגוריתמיות. 

נקודות אלו ידרשו מהחברות ליישם שקיפות במערכות של בינה מלאכותית גנרטיבית, בהירות כאשר טקסט או תשובה נוצרו על ידי מכונה) ומנגנוני ביקורת כדי להסביר כיצד המודל הגיע לתוצאה מסוימת

ממשלתיות אלגוריתמית: הפתרון להטיות

לעסקים, ההטיות האלגוריתמיות חורגות מהתחום האתי, הופכים לבעיות אסטרטגיות רלוונטיות. אלגוריתמים מוטים יש להם את הפוטנציאל לעוות החלטות חיוניות בתהליכים פנימיים כמו גיוס, הענקת אשראי וניתוח שוק. למשל, אלגוריתם לניתוח ביצועי סניפים שמעריך באופן שיטתי אזורים עירוניים על חשבון אזורים פריפריאליים (בגלל נתונים חסרים או הטיות) יכול להוביל להשקעות לא ממוקדות. כך, גורמים סמויים פוגעים ביעילות של אסטרטגיות מונחות נתונים, גורם למנהלים לקבל החלטות המבוססות על מידע חלקית שגוי

ההטיות הללו יכולות להיות מתוקנות, אבל הם יהיו תלויים במבנה של ממשלה אלגוריתמית, עם דגש על מגוון הנתונים שנעשה בהם שימוש, שקיפות בתהליכים ובכללת צוותים מגוונים ורב-תחומיים בפיתוח טכנולוגי. בהשקעה במגוון בצוותים הטכניים, למשל, חברות מצליחות לזהות מהר יותר מקורות פוטנציאליים להטיה, מבטיחים שפרספקטיבות שונות יישקלו ושכישלונות יזוהו מוקדם

בנוסף לכך, שימוש בכלי ניטור מתמשך הוא חיוני. מערכות אלו מסייעות בזיהוי סטיות של הטיות אלגוריתמיות בזמן אמת, מאפשר התאמות מהירות וממזער את ההשפעה השלילית. 

שקיפות היא פרקטיקה נוספת חיונית בהפחתת הטיות. אלגוריתמים לא צריכים לפעול כמו קופסאות שחורות, אלא כמערכות ברורות ומוסברות. כאשר חברות בוחרות בשקיפות, זוכים באמון של לקוחות, משקיעים ומסדירים. שקיפות מקלה על ביקורות חיצוניות, מעודדים תרבות של אחריות משותפת בניהול הבינה המלאכותית

יוזמות נוספות כוללות הצטרפות למסגרות ולתעודות עבור ממשלת בינה מלאכותית אחראית. זה כולל הקמת ועדות פנימיות אתיות בתחום הבינה המלאכותית, להגדיר מדיניות ארגונית לשימושך, ואמץ סטנדרטים בינלאומיים. למשל, frameworks como: a ISO/IEC 42001 (gestão de inteligência artificial, a ISO/IEC 27001 (segurança da informação) e ISO/IEC 27701 (privacidade) ajudam a estruturar controles nos processos de dados usados por IA generativa. דוגמה נוספת היא קבוצת הפרקטיקות המומלצות על ידי NIST (המכון הלאומי לתקנים וטכנולוגיה) של ארה"ב המנחות את ניהול הסיכון האלגוריתמי, כיסוי גילוי הטיית, בדיקות איכות נתונים ומעקב מתמשך אחרי מודלים

יועצים מומחים ממלאים תפקיד אסטרטגי בתרחיש הזה. עם מומחיות בבינה מלאכותית אחראית, ממשלתיות אלגוריתמיות וציות רגולטורי, חברות אלו עוזרות לארגונים לא רק להימנע מסיכונים, אבל להפוך שוויון ליתרון תחרותי. הפעולה של יועצים אלה נעה בין הערכות מפורטות של סיכון, עד לפיתוח מדיניות פנימית, עובר הכשרות ארגוניות על אתיקה בבינה מלאכותית, מבטיחים שהצוותים יהיו מוכנים לזהות ולהפחית הטיות אלגוריתמיות אפשריות

בצורה זו, המיטוט של הטיות אלגוריתמיות אינו רק אמצעי מניעה, אלא גישה אסטרטגית. חברות שמתייחסות לשוויון אלגוריתמי מראות אחריות חברתית, מחזקים את המוניטין שלהם ומגנים על עצמם מפני סנקציות משפטיות ומשברים ציבוריים. אלגוריתמים לא משוחדים נוטים להציע תובנות מדויקות ומאוזנות יותר, מגביר את היעילות של ההחלטות העסקיות ומחזק את המיקום התחרותי של הארגונים בשוק

על סילביו סובריירה ויירה, מנכ"ל וראש ייעוץ של SVX Consultoria

אנחנו בשנת 2025: כמה מרכזי קשר כבר משתמשים בטכנולוגיות מתקדמות לניתוח חוויית הלקוח (CX, במונח באנגלית) ותהליכים לניתוח קול הלקוח (VoC) – בינתיים, הנתונים האלה, שהם די עשירים, משתמשים בהם מעט כדי להעריך את ביצועי הפעולה. במקום זאת, אנחנו עדיין משתמשים במדדים מסורתיים להבטחת איכות עבור מדידה זו

מסורתית, מרכזי הקשר מודדים את הבטחת האיכות באמצעות מדדים כמו מהירות ממוצעת של תגובה, זמן ממוצע של שירות, שיעור הפתרון בשיחה הראשונה, אפשרות שהלקוח ימליץ על השירות, והמאמץ של הלקוח לקבל שירות. נתונים רלוונטיים שניתן להפיק מניתוח ה-CX לא שימשו להערכת איכות השירות. למה

כי גם עם כל כך הרבה מידע, בלי פתרון, חזון ואסטרטגיה מתאימים, מרכזי הקשר הופכים בסופו של דבר ל"חור שחור" של נתונים

בלי הטיפול המתאים, הנתונים נשארים מפוצלים בסילוים, מקשיים בהבנה ההוליסטית של הביצועים וחוויית הלקוח

נתונים המגיעים ממגוון ערוצים, כמו שיחות טלפון, דוא"ל, צ'אטים ורשתות חברתיות, לעיתים קרובות הם לא מקושרים בצורה יעילה, מוביל לניתוחים שטחיים ובלתי מחוברים. בנוסף לכך, חוסר הסטנדרטיזציה באיסוף ובטיפול בנתונים אלה יכול לגרום לאי-סדרים ולפגוע באיכות המידע המשמש להערכות

על פי האגודה הברזילאית לשירותי טלפון (ABT), השוק המקומי של מרכזי קשר מעסיק מיליוני אנשים ומניע סכומים ניכרים, במיוחד לאחר הצמיחה של המסחר האלקטרוני ודיגיטציה של תהליכי קשר עם הצרכן. במציאות המורכבת הזו, החיפוש אחרי יעילות כבר לא מוגבל רק להפחתת עלויות תפעול, אך להבטיח חוויה מספקת יותר ללקוח ולאסוף תובנות יקרות ערך לקבלת החלטות אסטרטגיות

אינטליגנציה איכותית: איך למדוד

ביוני שעבר, דו"ח אנליטי של גרטנר הציע מדד מדידה חדש לחלוטין עבור מרכזי קשר: אינטליגנציה של איכות

הדוח שהכינה החברה מביא כמה תובנות מעניינות, תוצאות מחקר שנערך על ידי גרטנר עם מנהיגי שירותי תמיכה ומרכזי קשר. הנקודה הראשונה היא שרק 19% מהנשאלים רואים את ביצועי הסוכן כגורם המרכזי להבטחת איכות השירות, בעוד ש-52% מדגישים את חוויית הלקוח ואת קול הלקוח כמדדים חיוניים

בנוסף לכך, תהליכי המדידה של איכות היום מתרכזים בניתוח ערוצי הקול, משאירים את האינטראקציות הדיגיטליות בצד. כדי להשלים את התסריט הזה, לפחות 85% מהמובילים סומכים רק על הערכות ידניות

ביסודיות, המדידה של אינטליגנציה איכותית במרכזי קשר כוללת שלושה זרמים עיקריים של מידע: הנתונים המסורתיים של ניתוח איכות; נתוני ניתוח דיבור, מה שמביא את ניתוח הרגשות, זיהוי הטון הרגשי של השיחות, ומאפשר לחברות להבין טוב יותר את התגובות של הלקוחות; והנתונים של VoC, מה שמייצג את המשוב שניתן ישירות על ידי הלקוח

במובן הזה, אינטליגנציה איכותית היא גישה חדשנית שמשלבת טכנולוגיות מתקדמות ואסטרטגיות הוליסטיות, הפיכת הנפח הרחב של נתוני מרכז הקשר לתובנות שניתן לפעול עליהן – וזה קורה כי המתודולוגיה האנליטית הזו לא רק מאחדת את הנתונים המגיעים מערוצי תקשורת שונים, אך גם מבצע ניתוחים מתקדמים כדי לזהות דפוסים ומגמות שיכולים לשפר באופן משמעותי את הביצועים של השירות כולו

בנוסף לכך, האינטליגנציה האיכותית מאפשרת לקשר נתונים ממקורות שונים, כמו שיחות טלפון, דוא"ל, צ'אטים ואינטראקציות ברשתות חברתיות. בזמן שאנו מאחדים את המידע הזה, אפשר להשיג תובנה יותר מלאה ומדויקת לגבי חוויית הלקוח, מאפשר לחברות לנקוט בפעולות פרואקטיביות כדי לפתור בעיות ולשפר את שביעות רצון הלקוחות. האחדות הזו אפשרית בזכות הסטנדרטיזציה הטובה יותר באיסוף ובטיפול בנתונים, עם הקמת קריטריונים אחידים ללכידה ולניתוח של מידע, מבטל חוסרים ומבטיח שכל הנתונים יילקחו בחשבון בהערכות

איך פלטפורמת CX יכולה לתרום לתהליך

ניתן להבחין כי הגישה של אינטליגנציה איכותית יש לה שורשים בהתקדמות טכנולוגית המאפשרת ניתוח של כמויות גדולות של נתונים בצורה מהירה

בעבר היה נפוץ להעריך את סוכני השירות באמצעות דגימות צנועות של שיחות או אינטראקציות, היום יש כלים שמבצעים ניתוח של 100% מהקשרים, יהיו הם בקול, שיחה, דוא"ל או רשתות חברתיות

הפלטפורמות המתקדמות ביותר של CX מציעות כלים חזקים לאיסוף, אינטגרציה וניתוח נתונים המגיעים ממספר ערוצי תקשורת. שימוש בפלטפורמת ניהול חוויית הלקוח חכמה מאפשר למרכזי קשר לקבוע קריטריונים אחידים ולייעל את התהליכים שלהם, מה שמוביל לחוויית לקוח יותר קוהרנטית ומספקת

באופן כללי, פתרונות ה-CX החזקים יותר כוללים את פתרונות ניתוח הדיבור שכבר משולבים – והניתוח של דיבור ורגש יכולים, למשל, לחזות אילו לקוחות נוטים יותר לבטל שירות או איזה סוג של סוכן מייצר את שביעות הרצון הגבוהה ביותר בקרב הציבור שפונה. אם דפוס שיחה או גישה מסוימת מתגלה כיעילה יותר, תובנות אלו יכולות לשמש לאימון כל הצוות, מעלה את רמת הביצועים הכללית

כך, האינטליגנציה האיכותית לא רק מודדת מה קרה, אבל ציין אילו פעולות ניתן ליישם כדי להשיג תוצאות טובות יותר. סוג זה של התערבות הוא חיוני למנהלים שצריכים לקבל החלטות בעלות השפעה גבוהה בסביבות תחרותיות. בזירה הברזילאית, שבה תחלופת העובדים היא באופן בולט גבוהה, סוג זה של תובנה מספקת תובנות לאסטרטגיות שימור, הכשרה ובחירת עובדים מדויקות יותר

עם כל השיקולים הללו, אפשר להסיק כי אינטליגנציה איכותית מייצגת התפתחות משמעותית בדרך שבה מתבוננים על הביצועים של מרכזי קשר

הניתוח לא מתמקד יותר בהערכה רק של מדדי פרודוקטיביות, אבל בהבנת גורמים רגשיים, הקשרים הקונטקסטואליים והאסטרטגיים הקיימים במערכת היחסים בין חברות ללקוחות. הבנה רחבה ועמוקה זו יש לה פוטנציאל להשפיע ישירות על התוצאות הפיננסיות, סיפוק הלקוח ודימוי המוסד

למרות המאמץ הראשוני לעבור ממודל כמותי גרידא להערכה משולבת של נתונים והתנהגויות, היתרונות הם משמעותיים ותומכים בהחלטות מבוססות ומדויקות. בצורה זו, אינטליגנציה איכותית נוטה להתייצב כנקודת ייחוס למנהלים שרואים בשירות הלקוחות עמוד תווך של הבחנה וערך מוסף, הרבה מעבר לאינדיקטורים התפעוליים המסורתיים שהנחו בעבר את האסטרטגיות של המגזר