Hoe AI-gespreksscoring werkt: van rubriek tot betrouwbare score

Door het IdentityCall AI-team | Gespreks-QA | 6 min leestijd

AI-gespreksscoring werkt door een gesprek te transcriberen, het te beoordelen aan de hand van de criteria die je definieert, en een score terug te geven met de onderbouwing daarachter. De werking is eenvoudig, maar de details, vooral of de onderbouwing zichtbaar is, bepalen of je het resultaat kunt vertrouwen.

Stap 1: het gesprek transcriberen en structureren

Scoring begint met een schoon transcript. Het gesprek wordt met spraak-naar-tekst omgezet in tekst en met diarisatie per spreker gescheiden, zodat het model kan zien wie wat zei. Zonder nauwkeurige diarisatie is het beoordelen van het gedrag van een agent giswerk.

Stap 2: pas je rubriek toe

Je definieert hoe goed eruitziet als een rubriek: een set doelen, elk gescoord als geslaagd/niet geslaagd of op een numerieke schaal, met de bewoording en weging die je team gebruikt. Bijvoorbeeld: heeft de agent de identiteit geverifieerd, het probleem behandeld en de verplichte mededeling gegeven?

De AI beoordeelt het transcript doel voor doel, in plaats van één vage algemene indruk te geven. Dat maakt het resultaat bruikbaar: je ziet welke specifieke criteria zijn gehaald.

Stap 3: scoren met onderbouwing

Dit is de stap die betrouwbare scoring onderscheidt van een blackbox. Een goed systeem geeft niet alleen een score terug, maar ook het bewijs en de onderbouwing daarachter: het deel van het gesprek dat elk doel haalde of niet haalde.

Zichtbare onderbouwing is om twee redenen belangrijk. Ze laat een mens de score verifiëren, en ze laat je de rubriek verbeteren wanneer het model en een beoordelaar het oneens zijn. Een cijfer zonder uitleg kan niet worden gecontroleerd of vertrouwd.

Stap 4: samenvoegen en handelen

Individuele scores voegen samen tot scorecards van agents en teams: gemiddelde score, mate waarin doelen worden gehaald, en beste en slechtste gesprekken. Daar wordt scoring coaching, gericht op de agents en gedragingen die het nodig hebben, onderbouwd met specifieke gesprekken.

Hoe goed eruitziet

Sta bij het beoordelen van AI-gespreksscoring op drie dingen:

• Jouw rubriek, geen sjabloon. Je moet je bestaande scorecard kunnen reproduceren.
• Elk gesprek gescoord. Een dekking van 100%, geen steekproef met automatisering eroverheen.
• Zichtbare onderbouwing. Elke score hoort te komen met het bewijs daarachter.

Terugwerkend scoren voor een snelle nulmeting

Een praktische tip: pas je nieuwe rubriek toe op historische gesprekken. Terugwerkend scoren geeft je meteen een nulmeting in plaats van weken te wachten tot er data is verzameld, zodat je vanaf dag één trends en uitschieters ziet.

Zie geautomatiseerde gespreks-QA en AI-doelscoring bij IdentityCall.

Belangrijkste punten

• Scoring draait op een schoon, gediariseerd transcript.
• Ze beoordeelt elk rubriekdoel apart, geen vage algemene indruk.
• Zichtbare onderbouwing maakt een score controleerbaar en betrouwbaar.
• Terugwerkend scoren geeft je vanaf dag één een nulmeting.