Une scorecard personnalisée définit ce qu'est la qualité pour votre équipe en fixant explicitement les critères qui comptent pour vous - tels que la précision, le ton ou le respect des politiques. Les scorecards fonctionnent avec les Monitors : un Monitor définit quelles conversations sont examinées, et une scorecard définit comment chacune est évaluée. Les Monitors évaluent actuellement uniquement les conversations Fin AI Agent, pas celles des coéquipiers humains.

Vous pouvez avoir plusieurs scorecards pour différents Monitors. Choisissez la scorecard à associer à un Monitor depuis l'écran de configuration du Monitor :

Allez dans Analyser > Monitors et cliquez sur Scorecards. Vous pouvez utiliser la Fin Quality Scorecard prête à l'emploi ou créer la vôtre en cliquant sur + Nouvelle scorecard :

Commencez par ajouter des critères de scorecard. Cliquez d'abord sur Nouvelle scorecard > + Critère > Créer nouveau.

Lors de la création d'un nouvel attribut, suivez les étapes suivantes :

Donnez au critère un nom court et clair (par exemple, Sentiment ou Précision de la réponse). Ce nom apparaît dans les rapports et sera utilisé comme référence.

Ajoutez une description claire expliquant ce que le critère vérifie et comment il doit être noté. La description est l'invite que l'IA utilise pour noter ce critère, et plus elle est précise, plus l'IA évaluera les conversations avec exactitude. Elle aide aussi les évaluateurs humains à appliquer les mêmes critères de manière cohérente.

Décidez si le critère doit être noté automatiquement par l'IA ou manuellement par des évaluateurs humains. Vous pouvez mélanger des attributs notés par l'IA et par des humains dans la même scorecard.

Ajoutez les valeurs de notation possibles qu'un évaluateur ou l'IA peut sélectionner (par exemple : Bon, Moyen, Mauvais). Chaque attribut doit avoir au moins deux options de notation. Pour chaque option de notation, vous devrez :

Le score que vous attribuez détermine comment cette notation contribue au score global de l'évaluation.

Pour chaque option de notation, vous pouvez définir une liste de raisons de notation qui sont des étiquettes prédéfinies expliquant pourquoi un score particulier a été donné. Les raisons de notation aident les évaluateurs et l'IA à catégoriser les scores de manière cohérente, facilitant l'identification des tendances dans les conversations.

Lorsque l'IA note un critère, elle sélectionne automatiquement la raison prédéfinie la plus pertinente si elle existe. Si aucune raison prédéfinie ne convient, l'IA génère une explication claire pour que chaque score ait un contexte significatif.

Vous pouvez activer ou désactiver Inclure dans le score de l'évaluation.

Dans cet exemple, un attribut de scorecard a été créé pour évaluer la facilité d'escalade :

Vous pouvez automatiser l'ensemble du processus QA pour une scorecard en activant Révision automatique de la scorecard.

Lorsqu'il est activé :

Après avoir ajouté des critères de scorecard, configurez comment ils affectent le résultat global de l'évaluation.

Vous pouvez marquer un critère comme Critique. Si un critère critique reçoit une note d'échec, toute l'évaluation échoue :

Les critères critiques sont utiles pour des normes non négociables telles que les exigences de conformité, la sécurité ou le respect des politiques, et la gestion des escalades.

Chaque critère peut se voir attribuer un poids pour définir son importance relative.

Les poids ne s'appliquent qu'aux critères inclus dans le score de l'évaluation. Utilisez les poids pour refléter ce qui compte le plus — par exemple, un poids plus élevé sur la Précision que sur l'Efficacité si la justesse est plus importante que la rapidité.

Vous pouvez définir un seuil de réussite — le score global minimum requis pour qu'une évaluation soit considérée comme réussie. Par exemple, si le seuil de réussite est de 80 %, toute évaluation en dessous de 80 % est marquée comme échouée.

Cela est évalué après la notation pondérée, à condition qu'aucun critère critique n'ait déjà échoué l'évaluation.

Voici un exemple de la façon dont trois critères se combinent en un score final :

Score global = (100x60 + 50x30 + 100x10) / (60+30+10) = 85%

Une fois les évaluations terminées, les scores sont visibles à la fois dans la liste des conversations et dans chaque conversation.

Dans Monitor, la liste des conversations affiche le score global de l'évaluation (pourcentage ou Échec) à côté des notes des critères individuels sous forme de colonnes. Cela facilite la lecture des performances à travers les conversations et la détection des échecs ou des scores faibles.

Lorsque vous ouvrez une conversation et allez à l'onglet Score, vous pouvez voir la scorecard assignée, le statut de l'évaluation, le score global et la notation sélectionnée pour chaque critère. Cette vue montre exactement comment le score final a été déterminé. Lorsque Fin note un critère avec l'IA, vous pouvez survoler la note dans l'onglet Score pour voir une info-bulle affichant la notation sélectionnée, la description du critère et le raisonnement de Fin pour ce score — le tout au même endroit.