Analiza sentymentu klientów w call center: co daje i gdzie leżą granice prawne

Menedżer call center nie potrzebuje AI, żeby wiedzieć, że część klientów odkłada słuchawkę wściekła. Potrzebuje jej, żeby wiedzieć które rozmowy tak się skończyły, dlaczego — i czy to pojedynczy incydent, czy początek fali odejść. Dokładnie to robi analiza sentymentu rozmów: klasyfikuje nastawienie klienta na podstawie tego, co powiedział, i pokazuje je w skali całej operacji, nie próbki. Jest tylko jeden warunek, od którego zależy i wiarygodność, i legalność takiego systemu: musi pracować na tekście transkrypcji, a nie na tonie głosu. Sentyment klienta wyczytany z tekstu jest legalny; wnioskowanie o emocjach konsultantów z głosu jest w miejscu pracy zakazane od 2 lutego 2025 r. Po kolei.

Czym jest analiza sentymentu rozmów — i dlaczego tekst wystarczy

Analiza sentymentu to klasyfikacja nastawienia wyrażonego w wypowiedzi — najprościej: negatywne, neutralne, pozytywne — wraz z tym, czego to nastawienie dotyczy. Na rynku funkcjonują dwa podejścia techniczne. Pierwsze pracuje na sygnale akustycznym: tonie głosu, tempie, głośności, prozodii. Drugie pracuje wyłącznie na tekście transkrypcji: na tym, co zostało powiedziane słowami.

Podejście tekstowe jest w praktyce wystarczające. Klient, który jest niezadowolony, komunikuje to wprost: „to jest skandal”, „trzeci raz dzwonię w tej samej sprawie”, „rozważam przejście do konkurencji”, „chcę złożyć reklamację”. Model językowy nie musi zgadywać emocji z barwy głosu — wystarczy, że rozumie treść. Tekst ma też dwie przewagi, których akustyka nie da: jest audytowalny (każdą klasyfikację można pokazać cytatem z transkrypcji, który człowiek zweryfikuje w sekundę) i jest stabilny (prozodia różni się między osobami, kulturami i sytuacjami — podniesiony głos bywa zdenerwowaniem, ale bywa też hałasem w tle albo temperamentem).

Jest wreszcie powód prawny, i to twardy. System wnioskujący o emocjach z głosu przetwarza dane biometryczne i wchodzi w definicję „systemu rozpoznawania emocji” z art. 3 pkt 39 AI Act — ze wszystkimi tego konsekwencjami, z zakazem z art. 5(1)(f) na czele, gdy dotyczy osób w miejscu pracy. Wnioskowanie o sentymencie wyłącznie z tekstu jest według wytycznych Komisji Europejskiej poza tą definicją, bo nie przetwarza danych biometrycznych. Tekstowa analiza sentymentu klientów i biometryczne rozpoznawanie emocji to prawnie dwie różne rzeczy — nawet jeśli marketing dostawców skleja je w jedną funkcję.

Co analiza sentymentu daje call center

Wartość sentymentu nie polega na tym, że dashboard pokaże „73% rozmów neutralnych”. Polega na tym, że sygnał z pojedynczych rozmów da się zagregować i zamienić na decyzje. Najbardziej praktyczne zastosowania:

• Wychwytywanie eskalacji — rozmowy, w których nastawienie klienta gwałtownie się pogarsza, trafiają do przeglądu, zanim skończą się skargą do UOKiK albo jednogwiazdkową opinią.
• Sygnały ryzyka odejścia — deklaracje rezygnacji i porównania do konkurencji widoczne w tekście to najtańszy system wczesnego ostrzegania dla zespołu retencji.
• Klastry reklamacji — jeśli negatywny sentyment skupia się wokół jednego tematu, problem jest systemowy: proces, awaria, cennik — nie konsultant.
• Feedback produktowy — powtarzające się negatywne wzmianki o konkretnej funkcji czy zapisie umowy to gotowa lista dla zespołu produktu, bez ankiet.
• Priorytetyzacja odsłuchu — trener nie jest w stanie odsłuchać wszystkiego; sentyment wskazuje, od których rozmów zacząć, żeby czas człowieka trafiał tam, gdzie dzieje się najwięcej.

W praktyce warto myśleć o tym jak o tabeli decyzyjnej:

Jak to działa na transkrypcjach

Punkt wyjścia to dobra transkrypcja rozmowy z diaryzacją, czyli rozdzieleniem wypowiedzi na mówców (definicje obu pojęć znajdziesz w słowniku: transkrypcja, diaryzacja). Bez diaryzacji nie wiadomo, czyj sentyment się mierzy — a cała konstrukcja prawna i metodyczna opiera się na tym, że analizowane są wypowiedzi klienta.

Sama analiza przebiega w dwóch krokach. Najpierw klasyfikacja per fragment: każda wypowiedź klienta (albo krótki blok wypowiedzi) dostaje etykietę nastawienia wraz z tematem, którego dotyczy. Dzięki temu zamiast jednej uśrednionej oceny rozmowy widać jej przebieg — a to przebieg niesie informację. Rozmowa, która zaczyna się od gniewu i kończy podziękowaniem, to sukces konsultanta; rozmowa, która zaczyna się neutralnie i kończy „w takim razie rezygnuję”, to porażka procesu. Średnia obu może wyglądać identycznie.

Drugi krok to agregacja: per rozmowa (sentyment początkowy, końcowy, punkty zwrotne), per kampania, per temat, per tydzień. Dopiero na tym poziomie sentyment staje się narzędziem zarządczym — trend spadkowy w jednej kampanii przy stabilnych pozostałych wskazuje problem lokalny, a skok negatywnych rozmów o płatnościach w dniu wdrożenia nowego cennika nie wymaga długiego śledztwa. W raportach i dashboardach kluczowy jest przy tym drill-down: z każdej liczby musi dać się zejść do konkretnej rozmowy i cytatu, bo liczba, której nie można zweryfikować, nie jest sygnałem, tylko dekoracją.

Gdzie leżą granice prawne

Granica numer jeden przebiega między klientem a konsultantem — i między tekstem a głosem. Art. 5(1)(f) AI Act zakazuje od 2 lutego 2025 r. wnioskowania o emocjach osób w miejscu pracy z danych biometrycznych, a głos jest daną biometryczną. Konsultant jest w pracy, więc analiza jego emocji z tonu głosu czy prozodii to praktyka zakazana, zagrożona karą do 35 mln euro lub 7% światowego obrotu — bez okresów przejściowych i bez wyjątku dla „dobrych intencji”. Szczegółowo rozbieramy ten przepis w tekście o zakazie rozpoznawania emocji w miejscu pracy.

Klient nie jest pracownikiem, więc zakaz go nie obejmuje — ale to nie znaczy, że „u klienta wolno wszystko”. Analiza emocji klientów z głosu to system rozpoznawania emocji wysokiego ryzyka (Załącznik III pkt 1 lit. c), z obowiązkiem poinformowania rozmówców od 2 sierpnia 2026 r. (art. 50(3)). Do tego dochodzi problem praktyczny: w nagraniu są dwa głosy, więc dostawca „analizy emocji klienta” z audio musi wiarygodnie wykazać, że kanał konsultanta nie trafia do analizy prozodii — a jeśli wynik zasila potem oceny konsultantów, konstrukcja robi się bardzo trudna do obrony. Sentyment z tekstu omija oba problemy u źródła: nie przetwarza biometrii żadnej ze stron. Pełną mapę obowiązków AI Act dla contact center znajdziesz w artykule o EU AI Act w call center.

Granica numer dwa to RODO — i ona dotyczy każdego wariantu. Nagrania i transkrypcje to dane osobowe klientów oraz konsultantów: potrzebna jest podstawa prawna przetwarzania (w kontroli jakości zwykle prawnie uzasadniony interes, nie zgoda), rzetelna informacja o nagrywaniu i jego celach, ograniczona retencja oraz — przy systematycznym monitoringu pracowników — DPIA. Ma też znaczenie, gdzie fizycznie przetwarzane są nagrania i transkrypcje; temu poświęciliśmy osobny tekst o analizie rozmów AI i RODO.

Jak wdrożyć analizę sentymentu z głową

1. Zacznij od jednej kampanii lub kolejki. Wybierz obszar, w którym negatywne rozmowy najwięcej kosztują — np. reklamacje albo utrzymanie klienta — i tam przetestuj cały obieg: sygnał, przegląd, działanie.
2. Skalibruj system na ludzkim odsłuchu. Zanim zaufasz etykietom, niech trener lub osoba z QA oceni próbkę tych samych rozmów na ślepo. Rozbieżności pokażą, gdzie definicje wymagają doprecyzowania — ironia, kurtuazyjne „wszystko w porządku” tuż przed rezygnacją czy branżowy żargon to typowe pułapki.
3. Ustal definicje, zanim zaczniesz raportować. Co jest „rozmową negatywną”: jedna ostra wypowiedź czy przewaga negatywnych fragmentów? Liczy się sentyment końcowy czy najniższy punkt? Bez tego dwa zespoły będą czytać ten sam wykres na dwa sposoby.
4. Traktuj sentyment jako sygnał, nie werdykt. Jego zadaniem jest kierowanie uwagi człowieka: które rozmowy odsłuchać, który temat eskalować. Nie wpinaj sentymentu klienta do kart ocen ani premii konsultantów — klient bywa zdenerwowany z powodów, na które konsultant nie ma wpływu, a ocena pracy powinna dotyczyć zachowań konsultanta, nie humoru rozmówcy.
5. Wracaj do kalibracji. Nowe produkty, nowe skrypty i nowe typy spraw zmieniają język klientów. Kwartalny przegląd próbki rozmów utrzymuje etykiety w zgodzie z rzeczywistością.

Jak podchodzi do tego CallSea

W CallSea sentyment klienta jest jednym z sygnałów analizy — obok oceny jakości rozmów według Twoich kryteriów i wykrywania błędów krytycznych. Architektura jest tekstowa od początku do końca: modele analizujące otrzymują wyłącznie tekst transkrypcji i nie mają dostępu do audio, więc wnioskowanie z tonu głosu — czyjegokolwiek — jest technicznie niewykonalne, a nie tylko wyłączone. Drugi bezpiecznik działa na poziomie konfiguracji: walidator blokuje zapisanie kryteriów wnioskujących o emocjach lub stanie psychicznym konsultantów, zgodnie z art. 5(1)(f) AI Act. Wyniki sentymentu widzisz w dashboardach z drill-down do konkretnej rozmowy i cytatu, a dane nie opuszczają Unii Europejskiej.

Najczęstsze pytania