作者：凯瑟琳·麦克奈尔和托尼娅·韦伯
与人工质量保证（QA）团队所能审查的数量相比，AI质量监控能够对更多的交互进行评分、标记和分类。然而，如果数据没有经过合理整理，以便管理层能够发现价值流失的环节并确定应优先改进的方面，那么数据量的增加只会导致更多仪表盘、更多警报和更多对话记录。
在COPC Inc. 的工作中，我们认为这是质量保证（QA）部门更深入参与影响业务决策的绝佳机会。人工智能可以提高透明度，但仍需有人来解读数据的含义。
这个评分是否真实反映了客户实际遇到的情况？这真的是辅导方面的问题，还是流程阻碍了客服专员的工作？这种现象是源于政策、工具、知识缺口，还是培训需求？哪个问题最值得首先向管理层反映？
这是人工智能无法独立完成的工作，而这正是经验丰富的质量保证（QA）专业人员最具价值之处。
质量策略师将规律与商业决策联系起来
一名质量策略师立足于质量、运营、培训、技术和领导力的交汇点，帮助企业理解质量保证数据的含义以及后续应采取的行动。
那个人正在关注分数背后更宏观的趋势。
- 客户为什么会回电？
- 是代理漏掉了一个步骤，还是工作流程让人困惑？
- 这篇知识文章是否内容不完整？
- AI 对这次互动的评分是否公平？
- 这个问题是与指导、政策、流程、工具、合规还是培训有关？
经验丰富的质量负责人和质量保证团队非常适合开展这项工作，因为他们懂得如何解读海量的交互数据、识别趋势、调查根本原因，并将这些发现与业务决策相结合。他们能够辨别质量问题究竟是反映了个人培训需求，还是指向流程、政策、知识库、技术或客户旅程中更广泛的问题。
领导者如何构建与工作相匹配的联络中心质量保证职业发展路径
为了让质量保证团队成长为这一战略性角色，领导者必须围绕相关工作构建一条发展路径。
这意味着要为质量保证团队提供必要的培训、权限和访问权限，使其能够将发现的问题落实到评分卡之外。运营模式需要建立明确的机制，确保这些发现能够传达给能够采取行动的团队。
下一代联络中心质量保证体系需要在校准、AI输出审核、根本原因报告、质量表单设计、行动计划以及后续评估等方面明确责任归属。
随着人工智能质量监控范围的扩大，这些技能变得愈发重要。质量保证（QA）专业人员和培训师仍需判断评分是否公平、分类是否准确，以及数据所反映的是培训问题还是更广泛的运营问题。他们还需了解，当人工智能生成的评分或摘要遗漏了经验丰富的质量专业人员本应察觉的上下文信息时，该如何应对。
一些组织可能会使用“AI 质量保证专家”或“质量策略师”等头衔。虽然头衔各不相同，但发展方向是一致的。质量保证正日益向解读、校准和运营影响力方向发展。
要构建这样的职业发展路径，还需要有意识地投入职业发展。在这种环境下，最重要的技能包括数据解读、商业案例制定，以及将分析结果传达给能够据此采取行动的领导者的能力。
在 COPC，我们帮助联络中心负责人构建必要的运营模式、岗位职责和质量计划，从而将人工智能监控转化为持续的绩效提升。
阅读全文《呼叫中心的人工智能质量监控：如何将质量保证从成本中心转变为战略情报》，了解COPC 是如何将这一理念付诸实践的 。
关于作者
凯瑟琳·麦克奈尔（Kathleen McNair），美洲区首席执行官
凯瑟琳负责领导COPC在美洲地区的顾客体验 、认证和培训业务。她全面负责所有服务交付及损益管理。凭借在供应商管理、合同签订和绩效提升方面的深厚专业知识，她曾为大型全球运营企业主导过涵盖运营管理、业务流程外包（BPO）采购及客户旅程设计等领域的转型项目。 凯瑟琳在构建涵盖销售、客户服务和技术支持的多渠道项目方面拥有卓有成效的业绩，帮助客户扩展人工辅助和数字化客户体验。
托尼娅·韦伯（Tonya Webber），咨询总监
托尼娅拥有超过十六年的顾客体验 经验，专长于运营转型、流程优化和绩效提升。她与COPC的客户通力合作，通过流程差距分析、知识管理、治理框架以及数据驱动的改进举措，加强客户互动运营。 作为SaaS服务商RealPage的前运营总监，托尼娅曾带领分析师团队提升运营效率、支持产品发布，并弥合关键流程缺口。她在项目管理、质量管理及战略供应商关系管理方面造诣深厚，因运用根本原因分析和持续改进实践，从而产生可衡量的业务影响而广受认可。