Define qué cuenta cada indicador antes de leer su valor
Para cada cifra, anota unidad, período, campaña, versión de pauta, numerador, denominador y exclusiones. Aclara si cuentas llamadas únicas, archivos o decisiones por criterio. Un mismo archivo reprocesado no debería convertirse silenciosamente en dos conversaciones en una comparación operativa.
Distingue métricas visibles en el producto de cálculos complementarios del equipo. VoxKPI muestra audios cargados y evaluados, score promedio, clasificación por umbrales, tasa de aprobación por puntaje, distribución de scores y comparación por campaña. Los cálculos de concordancia y casos confirmados que se proponen aquí requieren un registro de evaluación adicional; no se atribuyen al tablero.
Cobertura y finalización: qué parte de la operación observaste
Cobertura de evaluación = llamadas únicas evaluadas ÷ llamadas únicas elegibles del período × 100. Define «elegibles» antes de calcular: por ejemplo, las grabaciones de una campaña dentro de un intervalo determinado. El denominador puede requerir un registro del sistema de origen; un tablero solo conoce los archivos que recibió.
Finalización del lote cargado = audios evaluados ÷ audios cargados del mismo lote × 100. Explica qué tratamiento reciben duplicados, errores y reintentos antes de equiparar este cálculo con cobertura de la operación. Un lote totalmente evaluado no demuestra que todas las llamadas del origen hayan llegado.
La diferencia entre cargados y evaluados ayuda a identificar trabajo pendiente de completar. Comprueba el estado y la causa antes de llamarlo retraso: puede incluir archivos con problemas que requieren intervención. Si el denominador es cero o falta el dato de origen, informa «no calculable» o «dato no disponible», según corresponda.
Score, pesos y aprobación responden preguntas distintas
El score promedio es la suma de puntajes de las llamadas evaluadas dividida por la cantidad de llamadas con puntaje válido. No es un porcentaje de exactitud de la IA. En una pauta ponderada, el peso expresa la importancia de cada criterio; en el promedio de llamadas, cada observación puede contar por igual. No confundas ambas ponderaciones.
En el tablero de VoxKPI, las cantidades aprobadas, en revisión y rechazadas, y la tasa de aprobación, se calculan a partir del score y los umbrales. Al filtrar una campaña, se usan sus umbrales configurados; la vista sin filtro de campaña utiliza valores generales de 85 para aprobación y 60 para revisión. Son reglas de esa vista, no estándares de calidad recomendados para tu negocio.
Esta clasificación estadística no equivale a la decisión final de auditoría. En el detalle, las reglas críticas y las frases prohibidas pueden afectar el resultado automático; un auditor puede registrar aprobado, rechazado o pendiente con comentario, y su decisión prevalece. No deduzcas la cantidad de decisiones humanas finales a partir de las tarjetas basadas en score.
Un puntaje sobre el umbral no certifica cumplimiento normativo, satisfacción del cliente ni una venta válida. Esas conclusiones necesitan evidencia y procesos propios del negocio. Lee por separado nota, clasificación estadística, motivo del resultado y decisión de auditoría.
| Indicador | Cómo leerlo | Qué no demuestra |
|---|---|---|
| Score promedio | Nivel medio de puntaje bajo la pauta aplicada; revisar también su distribución. | Exactitud del sistema o ausencia de errores críticos. |
| Tasa de aprobación del tablero | Evaluaciones sobre el umbral de aprobación ÷ evaluadas × 100. Revisar el filtro de campaña. | Decisiones humanas finales, clientes satisfechos o ventas. |
| En revisión en el tablero | Puntajes dentro del intervalo de revisión de la vista consultada. | Casos que un supervisor ya revisó ni decisiones finales pendientes. |
| Rechazadas en el tablero | Puntajes bajo el umbral de revisión de la vista consultada. | Total de rechazos por reglas críticas o de incumplimientos confirmados por una persona. |
Un ejemplo ficticio: mismo lote, tres denominadores
Los siguientes datos son inventados para explicar los cálculos. No son resultados de VoxKPI ni valores recomendados. Suponemos 240 llamadas únicas elegibles en origen, 200 cargadas y 180 evaluadas dentro del mismo corte. Según la clasificación de puntajes del ejemplo, 126 quedan aprobadas, 36 en revisión y 18 rechazadas; estos conteos no representan decisiones humanas finales.
| Pregunta | Cálculo del ejemplo | Resultado ficticio |
|---|---|---|
| ¿Qué parte del universo elegible fue evaluada? | 180 ÷ 240 × 100 | 75% de cobertura |
| ¿Qué parte de lo cargado terminó de evaluarse? | 180 ÷ 200 × 100 | 90% de finalización |
| ¿Qué parte de lo evaluado supera el umbral de aprobación? | 126 ÷ 180 × 100 | 70% de aprobación por puntaje |
| ¿Cuántas evaluaciones quedan clasificadas en revisión? | 36 de las 180 evaluadas | 20% de las evaluadas |
Lo que esa tabla todavía no permite concluir
En el ejemplo quedan 40 llamadas elegibles sin cargar y 20 cargadas sin evaluación automática terminada. Sus causas deben investigarse por separado. Las 36 clasificadas en revisión no indican cuántas abrió un supervisor ni cuántas decisiones finales siguen pendientes: son preguntas que deben revisarse aparte.
No es posible calcular el score promedio a partir de las cantidades de aprobadas, en revisión y rechazadas. Necesitas los puntajes individuales o su suma, y comprobar cuántos son válidos. Tampoco puedes saber si 70% de aprobación es bueno sin la pauta, sus cambios, la selección de llamadas y las exigencias del negocio.
Al comparar campañas, empieza por cobertura, calidad del audio y versión de pauta. Si una exige obligaciones distintas, su promedio no es directamente intercambiable con el de otra. El tablero puede mostrar ambas; la interpretación debe conservar esas diferencias.
Evalúa las alertas y también lo que quedó sin señalar
Para validar un criterio crítico, construye una referencia revisada en una muestra autorizada. Separa los casos señalados que el equipo confirma, los señalados que descarta y los incumplimientos de referencia que no fueron detectados. Define también cuáles no se pueden resolver por falta de evidencia.
Dos cálculos posibles responden preguntas diferentes: hallazgos confirmados ÷ alertas revisadas indica qué fracción de esas alertas fue validada; incumplimientos detectados ÷ incumplimientos presentes en la referencia indica qué fracción de los casos conocidos se encontró. No uses el primer cálculo para afirmar que no se escaparon errores: para eso hay que revisar también llamadas sin alerta.
Si buscas la frecuencia de un error crítico, divide las llamadas con ese error confirmado por las llamadas revisadas donde el criterio era aplicable. Declara si una llamada puede tener varios errores. Cuando la muestra se eligió por riesgo o por alertas, ese porcentaje describe la muestra y no se puede trasladar sin más a toda la operación.
Convierte los indicadores en un informe que permita actuar
Presenta primero qué conjunto cubre el informe y qué quedó pendiente. Después muestra puntajes y estados por campaña, identifica las diferencias relevantes y enlaza internamente la evidencia que puede revisar el equipo autorizado. Termina con una acción, un responsable y una fecha de revisión para cada problema priorizado.
Mantén por separado los resultados comerciales o de experiencia: ventas, resolución al primer contacto, reclamos, satisfacción y reuniones requieren sus propios datos. El score de auditoría no los reemplaza. Para relacionarlos necesitas un diseño de medición que conserve períodos, población y posibles cambios de operación.
La referencia de NIST propone revisar si las métricas siguen siendo adecuadas cuando cambia el contexto y documentar sus límites. Aplicado al trabajo de calidad, conviene revisar las definiciones cuando cambian la pauta, las grabaciones o el uso que el negocio hace de los resultados.
Preguntas frecuentes
¿Una tasa de aprobación alta significa que la IA es precisa?
No. En el tablero, expresa qué parte de las evaluaciones supera el umbral de puntaje de la vista consultada. No es exactitud de la IA ni cantidad de aprobaciones humanas finales. Para evaluar corrección necesitas contrastar conclusiones con una referencia revisada y evidencia suficiente.
¿Puedo comparar el score de campañas diferentes?
Puedes observarlos, pero una comparación de desempeño exige revisar si comparten criterios, escala, pesos, umbrales y condiciones de audio y selección. Una diferencia puede venir de la pauta y no de la calidad de la atención.
¿Todos los indicadores de esta guía aparecen en VoxKPI?
No. El tablero muestra los indicadores de carga, evaluación, score y estados descritos al inicio. Los cálculos de cobertura contra el origen, concordancia y validación humana son propuestas metodológicas que requieren datos o registros complementarios.