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 peuvent évaluer à la fois les conversations Fin AI Agent et 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 Fin AI Agent > Analyze > Monitors et cliquez sur Scorecards. Vous pouvez utiliser la Fin Quality Scorecard prête à l'emploi ou créer la vôtre en cliquant sur + New scorecard :

Commencez par ajouter des critères de scorecard. Cliquez d'abord sur New scorecard > + Criteria > Create new.

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 réviseurs humains à appliquer les mêmes critères de manière cohérente.

Décidez si le critère doit être noté automatiquement par l'IA ou manuellement par des réviseurs 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 réviseur ou l'IA peut sélectionner (par exemple : Bon, Moyen, Mauvais). Chaque attribut doit avoir au moins deux options de notation. Pour chaque option, vous devez :

Le score que vous attribuez détermine comment cette note 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 réviseurs 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 note ait un contexte significatif.

Vous pouvez automatiser tout le processus QA d'une scorecard en activant Auto-review scorecard.

Une fois 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, l'évaluation entière 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.

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 revue soit considérée comme réussie. Par exemple, si le seuil de réussite est de 80 %, toute revue obtenant un score inférieur à 80 % est marquée comme échouée.

Cela est évalué après le calcul pondéré, à condition qu'aucun critère critique n'ait déjà fait échouer la revue.

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 revues 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 la revue (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 Review, vous pouvez voir la fiche d'évaluation assignée, le statut de la revue, le score global et la note sélectionnée pour chaque critère. Cette vue montre exactement comment le score final a été déterminé.

Lorsque Fin note un critère à l'aide de l'IA, vous pouvez survoler la note dans l'onglet Review pour voir une info-bulle affichant la note sélectionnée, la description du critère et le raisonnement de Fin pour ce score, le tout en un seul endroit.

Les coéquipiers peuvent voir les revues soumises sur leurs propres conversations en allant dans leur Inbox et en cliquant sur Review queue > Reviews received dans la barre latérale gauche.

Cette vue montre toutes les revues terminées, y compris :

Les coéquipiers peuvent cliquer sur n'importe quelle revue pour voir la répartition complète de la fiche d'évaluation.