Ai kan ge en mindre fördomsfull bedömning av medarbetarens prestation

Att utvärdera en medarbetares prestation i en roll som innebär många personliga interaktioner via samtal kräver objektiva, mätbara kriterier för att minska subjektiva bedömningar baserade på uttal, röstläge och liknande.

Historiskt har interaktionerna utvärderats antingen genom samlyssning eller genom att inspelade samtal har avlyssnats i efterhand och därefter ”graderats” manuellt.

Här kan ai göra skillnad.

Men det är viktigt att använda tekniken på rätt sätt. Inom EU finns en gemensam lagstiftning om ai för att säkerställa att användningen av ai-system på EU:s inre marknad är säker, respekterar mänskliga rättigheter och underlättar för innovation och investering inom ai. Man får exempelvis inte:

• Analysera människors känsloläge på arbetsplatsen

• Utvärdera eller klassificera personer eller grupper baserat på deras sociala beteende eller förmodade personlighetsdrag

För att på bästa sätt göra en objektiv utvärdering kan detta vanligen enbart göras på text, inte på inspelade ljudfiler. Det här är något som exempelvis medarbetare inom kundservice, it-support och innesälj kan dra nytta av.

Transkribering av samtalen är grunden till en objektiv bedömning

Transkribering betyder att man omvandlar talat språk till skriven text, eller som det ibland kallas tal-till-text. Det kan ske i realtid eller efter inspelning.

Moderna transkriberingssystem använder transformer-arkitekturer för att tolka ljudvågor och konvertera dem till text. Stora språkmodeller (Large Language Models, LLM:er) gör transkriberingen mer korrekt genom att förstå sammanhang. Om modellen hör till exempel “rabatt” och “faktura”, förstår den att det är ett kundservice-samtal och väljer rätt ord.

Slutligen, efter att ljudet blivit text, används LLM:er för:

• Grammatikjustering (från rå transkription till läsbar text)

• Talaridentifiering (dela upp samtalet)

• Sammanfattning av samtalet

• Analys

Hur görs utvärderingen bäst?

Efter transkribering finns olika möjligheter till analys baserat på behov i organisationen. Med tekniken skapar man en bra bas för fördomfri analys.

• Objektiv dokumentation: När samtal transkriberas, minskar risken att bedömningar baseras på minnesfel eller subjektiva tolkningar.

• Neutraliserat språkbruk: Ai kan analysera ordval och ton för att upptäcka fördomar eller förutfattade meningar i kommunikationen.

• Rensat från personliga attribut: Ai kan ta bort personliga attribut (namn, könsmarkörer) innan analys.

• Standardiserat underlag: Alla får sina samtal analyserade på samma sätt vilket gör jämförelser mer rättvisa.

Här är exempel på vad som kan utvärderas i texten genom analys:

• Sentiment (kund/medborgare med flera)

• Empati (agent/säljare)

• Överensstämmelse av uppsatta mål

• Nyckelord

• Tystnader (naturliga pauser under kontroll)

• Avbrott/överlapp

• Genomsnittlig hanteringstid (AHT, Average Handling Time)

• Första samtalslösning (FCR, First Call Resolution eller First Contact Resolution)

Upplevt värde hos medarbetare

Att utvärderas av ai kan ses både som en risk och som en möjlighet beroende på sammanhang. Men kombinationer där ai genererar en initial utvärdering som sedan granskas av människor kan ge högre förtroende än enbart ai eller bara mänskliga bedömningar – ett plus ett blir lika med tre!

Att tänka på när man inför ai-baserad utvärdering:

• Förtroende byggs om ai‑systemen är transparenta, rättvisa, förklarbara och kompletterar mänsklig bedömning.

• Neutralitet värderas, särskilt av dem som oroar sig för mänskliga förutfattade meningar.

• Risken för misstro och oro finns om ai uppfattas som opersonlig.

I de fall som medarbetarna själva får ta del av utvärderingen av samtal löpande för eget lärande kan det ses som ett bra verktyg. Man kan till exempel avsluta dagen med att spela upp dagens ”bästa” samtal för att boosta sig själv.

Sammanfattningsvis kan ai‑stödd transkribering och analys skapa en stabil grund för mer rättvisa, konsekventa och transparenta utvärderingar av medarbetarnas insatser. Rätt använd blir tekniken ett stöd för lärande, utveckling och kvalitetssäkring. Genom att kombinera ai med mänsklig expertis kan organisationer både höja servicenivån och skapa en arbetsmiljö där medarbetare känner sig trygga i att bedömas på sina faktiska prestationer – inte på subjektiva upplevelser.

I slutänden handlar varje utvärdering om människor – deras insatser, styrkor och utvecklingsmöjligheter. Ai kan hjälpa oss att se dessa delar tydligare, mer objektivt och med mindre risk för förutfattade tolkningar. Det är så den verkliga potentialen frigörs.

Vänliga hälsningar

Linda Ekener Mägi
Affärsutvecklare, Tele2 Företag