Dwóch wyszkolonych anotatorów oznaczających sentyment 20 000 wypowiedzi z call center zgodziło się na poziomie kappa Cohena wynoszącym zaledwie 0,605, w skali, w której 1,0 oznacza pełną zgodność, a 0 zgodność przypadkową (badacze ConnexAI, IntechOpen 2026). Ten pułap ma znaczenie, ponieważ każdy wynik sentymentu w panelu analityki mowy jest trenowany i oceniany względem takich etykiet. Tymczasem komercyjne systemy rozpoznawania mowy myliły się w 16,5% do 19,2% słów na 50 prawdziwych rozmowach z call center, wobec 10,2% do 11,62% na standardowym zbiorze telefonicznym (Szymanski i in., Findings of EMNLP 2020), a 49,8% z 1104 firm już stosuje analitykę interakcji na takich transkryptach (Metrigy, AI for Business Success 2025-26). Zebraliśmy dane z Metrigy, dokumentów NICE i Verint składanych w SEC, testów mowy opublikowanych na EMNLP i LREC, przez OpenAI i na arXiv, z NBER, aktu w sprawie sztucznej inteligencji i Zgromadzenia Ogólnego stanu Illinois oraz z kilku innych źródeł pierwotnych. O stronie automatyzacji tej samej branży (boty głosowe i agenci AI zamiast analityki) przeczytasz w naszych statystykach automatyzacji contact center przez głosową AI.
TL;DR
- 49,8% firm już korzysta z analityki interakcji, a kolejne 29,9% planuje ją dodać (Metrigy, AI for Business Success 2025-26).
- 55% contact center nadal prowadzi kontrolę jakości (QA) w arkuszach kalkulacyjnych, wobec 65% rok wcześniej (Scorebuddy i Call Centre Helper, grudzień 2025).
- Współczynnik błędów słów (WER) komercyjnych systemów ASR na 50 prawdziwych rozmowach z call center: od 16,5% do 19,2% (Szymanski i in., Findings of EMNLP 2020).
- Whisper large-v2 myli się w 17,6% słów na rozmowach telefonicznych CallHome, ale tylko w 2,7% na czytanej mowie z audiobooków (OpenAI, artykuł o Whisper 2022).
- Na prawdziwym nagraniu z call center z akcentami afrykańskimi Whisper-large-v3 uzyskał WER 24,69%, a najlepszy model 13,45% (AfriSpeech-MultiBench, arXiv 2025).
- Anotatorzy-ludzie zgadzają się co do sentymentu wypowiedzi z call center na poziomie kappa Cohena 0,605 (badacze ConnexAI, IntechOpen 2026).
- Dwóch anotatorów oceniających prawdziwe rozmowy z klientami zgodziło się na poziomie ICC zaledwie 0,62 dla walencji i 0,52 dla pobudzenia (badanie CusEmo, arXiv 2023).
- Modele sentymentu wyłącznie akustyczne osiągnęły dokładność ważoną 54,23% na rozmowach telefonicznych, wobec 85,76% u ludzi (Chen i in., LREC 2020).
- Asystent AI zwiększył produktywność konsultantów obsługi klienta o 14%, a sentyment klientów o 0,18 punktu w skali od -1 do 1 (NBER Working Paper 31161).
- Wnioskowanie o emocjach pracowników w pracy na podstawie głosu jest w UE zakazane od 2 lutego 2025 roku (akt w sprawie sztucznej inteligencji, rozporządzenie (UE) 2024/1689).
- Illinois ustala odszkodowania od 1000 USD do 5000 USD za każde naruszenie dotyczące identyfikatorów biometrycznych, takich jak odciski głosu (740 ILCS 14).
1. Wdrożenia: analityka interakcji i zautomatyzowana kontrola jakości
Pytanie o wdrożenia jest rozstrzygnięte w połowie. 49,8% z 1104 firm już korzysta z analityki interakcji (oprogramowania, które transkrybuje i analizuje rozmowy, czaty i e-maile pod kątem tematów, fraz zgodności z przepisami i sentymentu), a kolejne 29,9% planowało wdrożyć ją w ciągu roku (Metrigy, AI for Business Success 2025-26). Zmienił się opis zadania. Największa grupa firm stosujących analitykę, 46,2%, uważa teraz, że największą wartością jest porównywanie wyników agentów AI z wynikami konsultantów-ludzi (analiza Metrigy, 14 maja 2025). Analityka mowy staje się tablicą wyników dla automatyzacji, a nie tylko narzędziem do coachingu.
Proces kontroli jakości (QA), który analityka ma zastąpić, jest nadal zaskakująco ręczny. Ankieta sponsorowana przez dostawcę wykazała, że poleganie na arkuszach kalkulacyjnych w QA spadło z 65% do 55% rok do roku, a 44% contact center wyraziło duże zainteresowanie automatyczną lub bieżącą oceną (Scorebuddy i Call Centre Helper, What Contact Centers Are Doing Right Now, grudzień 2025). Baza dostawców jest skoncentrowana i duża: NICE podało łączne przychody za 2025 rok w wysokości 2945,4 mln USD, wobec 2735,3 mln USD, przy wzroście przychodów z chmury o 12,8%, a za firmę od konwersacyjnej AI Cognigy zapłaciło łącznie 887,3 mln USD (formularz NICE 20-F za rok obrotowy 2025).
| Metryka | Wartość | Źródło |
|---|---|---|
| Firmy już korzystające z analityki interakcji | 49,8% z 1104 firm | Metrigy, AI for Business Success 2025-26 |
| Firmy planujące wdrożyć analitykę interakcji w 2025 roku | 29,9% | Metrigy, AI for Business Success 2025-26 |
| Firmy stosujące analitykę, dla których największą wartością jest porównanie skuteczności agentów AI ze skutecznością konsultantów-ludzi | 46,2% (największa grupa) | Analiza Metrigy, maj 2025 |
| Contact center używające arkuszy kalkulacyjnych do kontroli jakości, w tym roku wobec zeszłego roku | 55% wobec 65% | Ankieta Scorebuddy i Call Centre Helper, grudzień 2025 (sponsorowana przez dostawcę) |
| Contact center z dużym zainteresowaniem automatyczną lub bieżącą oceną jakości | 44% | Ankieta Scorebuddy i Call Centre Helper, grudzień 2025 (sponsorowana przez dostawcę) |
| Organizacje klientów NICE i klienci z Fortune 100 | Ponad 25 000 organizacji w ponad 150 krajach, w tym 85 firm z Fortune 100 | NICE, formularz 20-F, rok obrotowy 2025 |
| Klienci Verint z Fortune 100 i obsługiwane kraje | Ponad 80 firm z Fortune 100, w ponad 175 krajach | Verint, formularz 10-K, rok obrotowy zakończony 31 stycznia 2025 |
| Przychody Verint z działalności subskrypcyjnej | Około 80% | Verint, formularz 10-K, rok obrotowy zakończony 31 stycznia 2025 |
Uwaga kontekstowa: powszechnie krążą liczby twierdzące, że ręczne zespoły QA sprawdzają tylko “od 1% do 3%” lub “mniej niż 5%” rozmów, ale każda znaleziona przez nas wersja prowadziła do blogów dostawców lub niemożliwych do zweryfikowania cytatów, więc je wykluczyliśmy. Żadne niezależne publiczne badanie z lat 2025 i 2026 nie podaje udziału rozmów sprawdzanych przez ludzi w porównaniu z ocenianymi maszynowo. Formularz Verint 10-K podaje też, że około 72% jej przychodów pochodziło z obu Ameryk.
2. Dokładność transkrypcji na prawdziwych nagraniach rozmów
Każdy wynik sentymentu oparty na tekście zaczyna się od transkryptu, a wąskopasmowe (8 kHz), spontaniczne nagrania rozmów należą do najtrudniejszych codziennych nagrań, z jakimi mierzy się system rozpoznawania. Współczynnik błędów słów (WER) to odsetek słów, które system zastępuje, pomija lub wstawia w porównaniu z transkryptem ludzkim. Trzy komercyjne systemy uzyskały WER od 16,5% do 19,2% na 50 prawdziwych rozmowach z call center, wobec 10,2% do 11,62% na telefonicznym zbiorze wzorcowym Switchboard (Szymanski i in., WER we are and WER we think we are, Findings of EMNLP 2020). Autorzy zauważają, że najlepsze opublikowane wyniki na Switchboard wynoszą około 5%, więc prawdziwe rozmowy dawały błąd mniej więcej trzy do czterech razy większy, niż sugerują nagłówkowe zbiory wzorcowe (16,5 / 5 = 3,3 i 19,2 / 5 = 3,84). Najnowsze dostępne dane dla systemów komercyjnych na prywatnych nagraniach z call center: Szymanski i in., 2020; nie znaleźliśmy publicznego powtórzenia tego testu na prawdziwych nagraniach rozmów z użyciem obecnych silników komercyjnych.
Nowsze modele otwarte pokazują tę samą lukę. Whisper large-v2 uzyskał WER 2,7% na LibriSpeech test-clean (czytane audiobooki), ale 17,6% na CallHome i 13,8% na Switchboard, czyli na obu zbiorach rozmów telefonicznych (OpenAI, Robust Speech Recognition via Large-Scale Weak Supervision, 2022). Akcent poszerza ją jeszcze bardziej: na małym prywatnym zbiorze prawdziwych rozmów konsultantów z klientami z akcentami afrykańskimi wyniki wahały się od 13,45% dla najlepszego modelu do 88,71% dla najgorszego (AfriSpeech-MultiBench, arXiv listopad 2025). Ten wymiar szczegółowo omawiają nasze statystyki błędu akcentu i współczynnika błędów słów.
| Metryka | Wartość | Źródło |
|---|---|---|
| WER trzech komercyjnych systemów ASR na 50 prawdziwych rozmowach z call center (8,5 godziny nagrania, 2,2 godziny mowy) | od 16,5% do 19,2% | Szymanski i in., Findings of EMNLP 2020 |
| WER tych samych trzech systemów na telefonicznym zbiorze wzorcowym HUB’05 Switchboard | od 10,2% do 11,62% | Szymanski i in., Findings of EMNLP 2020 |
| WER w call center według branży dla najlepszego systemu | 13,73% (ubezpieczenia) do 20,95% (rezerwacje podróży) | Szymanski i in., Findings of EMNLP 2020 |
| WER na mowie klientów wobec mowy konsultantów, dla najsłabszego z trzech systemów | 20,99% wobec 17,83% | Szymanski i in., Findings of EMNLP 2020 |
| WER Whisper large-v2 na czytanej mowie z audiobooków (LibriSpeech test-clean) wobec rozmów telefonicznych CallHome wobec rozmów telefonicznych Switchboard | 2,7% wobec 17,6% wobec 13,8% | OpenAI, artykuł o Whisper 2022 |
| WER NVIDIA Conformer-CTC large wobec wav2vec2-large-960h na rozmowach telefonicznych CallHome | 11,3% wobec 34,8% | OpenAI, artykuł o Whisper 2022 (tabela porównawcza) |
| WER na prawdziwym nagraniu z call center z akcentami afrykańskimi: najlepszy model wobec Whisper-large-v3 wobec GPT-4o Transcribe | 13,45% wobec 24,69% wobec 23,20% | AfriSpeech-MultiBench, arXiv listopad 2025 |
| Odsetek zbioru ewaluacyjnego z call center transkrybowanego przez ASR (618 wypowiedzi) zawierającego błędy transkrypcji | 42,6% (263 próbki) | Badacze ConnexAI, IntechOpen 2026 |
Uwaga o wartościach odstających: różnica między konsultantem a klientem nie jest powszechna. W najlepszym z trzech systemów komercyjnych WER dla klientów i konsultantów był niemal identyczny (16,48% wobec 16,49%), więc strona klienta jest trudniejsza dla niektórych silników, a nie dla wszystkich. Błędy różnią się też rodzajem od błędów w zbiorach wzorcowych; nasze statystyki halucynacji w rozpoznawaniu mowy opisują wymyślone słowa, których sam wynik WER nie wyodrębnia.
3. Sentyment tekstu w transkryptach rozmów: zgodność ludzi i dokładność maszyn
Niewygodną liczbą w analityce sentymentu jest poziom odniesienia dla ludzi. Dwóch anotatorów oznaczających 20 000 wypowiedzi z call center (łącza szerokopasmowe, ubezpieczenia i inne branże) zgodziło się na poziomie kappa Cohena 0,605 (badacze ConnexAI, Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen 2026). Kappa koryguje surową zgodność o przypadek: 1,0 oznacza pełną zgodność, a 0 to, co dałby sam przypadek. Każda liczba podawana przez dostawcę jako “dokładność sentymentu” jest oceniana względem etykiet, które często kwestionują sami ludzie.
W tych granicach modele radzą sobie dobrze z czystym tekstem i potykają się na najważniejszej klasie. Przy pełnej instrukcji anotacji otwarty duży model językowy (LLM) o 32 miliardach parametrów zgodził się z ludzkim wzorcem referencyjnym w 91% przypadków dla trzech klas, ale jego makro F1 (średnia wyników F1 dla poszczególnych klas, która karze za ignorowanie rzadkich klas) wyniosło 0,79. Prawdziwym testem wytrzymałościowym są wyniki ASR: na produkcyjnych rozmowach transkrybowanych maszynowo to samo podejście osiągnęło makro F1 0,74 dla pojedynczych wypowiedzi i 0,86, gdy widziało okno sześciu tur. Kontekst znaczył więcej niż rozmiar: w tych samych testach model Qwen3 o 4 miliardach parametrów uzyskał makro F1 0,78, a jego odpowiednik o 32 miliardach parametrów 0,56. W korpusie telefonicznym Switchboard rozkład etykiet pokazuje, dlaczego w panelach dominuje klasa “neutralna”: 52,6% segmentów było neutralnych (Chen i in., A Large Scale Speech Sentiment Corpus, LREC 2020).
| Metryka | Wartość | Źródło |
|---|---|---|
| Zgodność dwóch anotatorów-ludzi co do sentymentu 20 000 wypowiedzi z call center (kappa Cohena) | 0,605 | Badacze ConnexAI, IntechOpen 2026 |
| Otwarty LLM (Qwen2.5-32B-Instruct) z pełną instrukcją wobec ludzkiego wzorca referencyjnego, 3 klasy sentymentu, 8750 próbek | dokładność 0,91, makro F1 0,79 | Badacze ConnexAI, IntechOpen 2026 |
| Dostrojony DistilBERT wobec klasyfikatora SVM, makro F1 na rozmowach transkrybowanych przez ludzi | 0,90 wobec 0,82 | Badacze ConnexAI, IntechOpen 2026 |
| LLM na transkryptach maszynowych (ASR) rozmów produkcyjnych: pojedyncza wypowiedź wobec okna kontekstu sześciu tur, makro F1 | 0,74 wobec 0,86 | Badacze ConnexAI, IntechOpen 2026 |
| Średnia dokładność poszczególnych anotatorów-ludzi względem etykiety większościowej, rozmowy telefoniczne Switchboard (49 500 segmentów, 140 godzin) | Około 85% | Chen i in. (Google), LREC 2020 |
Uwaga kontekstowa: w tym samym rozdziale klasa negatywna była słabym punktem nawet dla najlepszego klasyfikatora (dostrojony DistilBERT osiągnął F1 0,78 dla sentymentu negatywnego wobec 0,94 dla pozytywnego), a SVM załamał się na transkryptach maszynowych, uzyskując makro F1 0,25 dla mowy konsultantów i 0,46 dla mowy klientów. Produkcyjne rozmowy transkrybowane maszynowo były też zniekształcone: 61% neutralnych, 30% pozytywnych i 9% negatywnych. Model, który wszystko oznacza jako neutralne, wygląda na takich danych na dokładny, a pomija rozgniewane 9%.
4. Akustyczne wykrywanie emocji: co dodaje głos
Ton głosu jest atutem sprzedażowym “AI rozpoznającej emocje”, a jednak w telefonicznym teście sentymentu Switchboard był najsłabszym pojedynczym sygnałem. Model wyłącznie akustyczny osiągnął dokładność ważoną 54,23% w trzyklasowym sentymencie, wobec 85,76% u ludzi, a dodanie tekstu podniosło ją do 65,65% (Chen i in., LREC 2020, podając wartości bazowe Lu i in. 2019). Dokładność ważona liczy każdy segment jednakowo; dokładność nieważona uśrednia trzy klasy, więc wynik nieważony modelu akustycznego, 39,63%, jest tylko o około 6 punktów wyższy niż 33,3%, które dałoby losowe zgadywanie (39,63 - 33,33 = 6,3). Najnowsze dostępne dane dla publicznego testu sentymentu rozmów telefonicznych porównującego wszystkie trzy rodzaje wejścia: korpus sentymentu Switchboard, LREC 2020.
Prawdziwe rozmowy obsługi klienta są jeszcze trudniejsze do oznaczenia. W francuskim call center obsługującym podróże służbowe (badanie CusEmo) dwóch anotatorów oceniających emocje klientów w sposób ciągły osiągnęło współczynnik korelacji wewnątrzklasowej (ICC, miara zgodności od 0 do 1) 0,62 dla walencji (jak pozytywna lub negatywna jest emocja) i 0,52 dla pobudzenia (jak aktywna lub spokojna) (End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations, arXiv 2023). Zgodność najlepszego modelu z tymi ocenami (CCC, współczynnik korelacji zgodności, gdzie 1 oznacza pełną zgodność) wyniosła 0,699 dla walencji i 0,508 dla pobudzenia, po poinformowaniu go, jak empatyczny był konsultant. Innymi słowy, nastrój klienta łatwiej odczytać, gdy model słyszy także konsultanta. O klinicznych zastosowaniach tej samej technologii przeczytasz w naszych statystykach dokładności rozpoznawania emocji z mowy.
| Metryka | Wartość | Źródło |
|---|---|---|
| Dokładność ważona, trzyklasowy sentyment na rozmowach telefonicznych Switchboard: model wyłącznie akustyczny wobec modelu akustyka plus tekst wobec modelu używającego cech rozpoznawania mowy wobec słuchaczy-ludzi | 54,23% wobec 65,65% wobec 70,10% wobec 85,76% | Chen i in. (Google), LREC 2020 |
| Dokładność nieważona (uśredniona po klasach), te same cztery podejścia w tej samej kolejności | 39,63% wobec 54,59% wobec 62,39% wobec 84,61% | Chen i in. (Google), LREC 2020 |
| Zbiór źródłowy CusEmo z francuskiego call center obsługującego podróże służbowe | 5548 rozmów, 375,39 godziny | Badanie CusEmo, arXiv 2023 |
| Rozmowy CusEmo z anotacją kontekstu; nagrania klientów ocenione pod kątem emocji | 469 rozmów; 13,15 godziny | Badanie CusEmo, arXiv 2023 |
| Zgodność dwóch anotatorów oceniających emocje klienta (ICC): walencja wobec pobudzenia | 0,62 wobec 0,52 | Badanie CusEmo, arXiv 2023 |
| Zgodność najlepszego modelu z ocenami ludzi (CCC) po dodaniu empatii konsultanta: walencja wobec pobudzenia | 0,699 wobec 0,508 | Badanie CusEmo, arXiv 2023 |
Uwaga kontekstowa: korpus CusEmo jest przeznaczony wyłącznie do użytku wewnętrznego i nie został opublikowany, a anotację kontekstu otrzymało tylko 469 z 5548 rozmów. Prawdziwych danych o emocjach z call center brakuje właśnie dlatego, że nagrania zawierają dane osobowe, co jest jednym z powodów, dla których większość opublikowanych wartości dokładności pochodzi z podcastów, mowy aktorskiej lub kilkudziesięcioletnich korpusów telefonicznych.
5. Zmierzone wyniki biznesowe
Dostawcy analityki sprzedają wyniki, a najlepiej kontrolowane dowody pochodzą z tekstu, nie z głosu. W badaniu 5179 konsultantów obsługi klienta i około 3 milionów czatów asystent konwersacji AI zwiększył liczbę rozwiązanych zgłoszeń na godzinę średnio o 14%, a u początkujących i niskowykwalifikowanych konsultantów o 34% (Brynjolfsson, Li i Raymond, Generative AI at Work, NBER Working Paper 31161). Badanie mierzyło nastrój klientów klasyfikatorem sentymentu opartym na LLM (SiEBERT, oceniającym tekst od -1 do 1), co czyni je jednym z niewielu dużych badań terenowych, w których automatyczny sentyment jest wynikiem, a nie cechą wejściową.
Poruszyły się też łagodniejsze wskaźniki: sentyment klientów wzrósł o 0,18 punktu (pół odchylenia standardowego), prośby o rozmowę z kierownikiem spadły o prawie 25%, a czas obsługi skrócił się o 3,8 minuty. Wskaźnik rozwiązania zgłoszeń prawie się nie zmienił. Kupujący zdają się wierzyć, że dane należą na szczyt: prawie 84% firm, a w grupie sukcesu Metrigy 96,7%, uważa, że dane o interakcjach z klientami powinny być częścią zarządczych paneli wyników (analiza Metrigy, maj 2025).
| Metryka | Wartość | Źródło |
|---|---|---|
| Wzrost produktywności (rozwiązane zgłoszenia na godzinę) z asystentem konwersacji AI, 5179 konsultantów | 14% średnio | NBER Working Paper 31161, Brynjolfsson, Li i Raymond |
| Wzrost produktywności początkujących i niskowykwalifikowanych konsultantów | 34% | NBER Working Paper 31161 |
| Zmiana średniego sentymentu klientów (wynik SiEBERT od -1 do 1) | +0,18 punktu, około pół odchylenia standardowego | NBER Working Paper 31161 |
| Zmiana liczby próśb klientów o rozmowę z kierownikiem (poziom wyjściowy około 6 punktów procentowych) | Prawie o 25% niższa | NBER Working Paper 31161 |
| Zmiana średniego czasu obsługi | Krótszy o 3,8 minuty, spadek o 9% | NBER Working Paper 31161 |
| Zmiana wskaźnika rozwiązania zgłoszeń (poziom wyjściowy 82%) | +1,3 punktu procentowego, istotna tylko na poziomie 10% | NBER Working Paper 31161 |
| Firmy, które chcą mieć dane o interakcjach w zarządczych panelach wyników: wszystkie firmy wobec najskuteczniejszej grupy | Prawie 84% wobec 96,7% | Analiza Metrigy, maj 2025 |
Uwaga o wartościach odstających: sentyment konsultantów w badaniu NBER wzrósł tylko o 0,02 punktu, około 1% odchylenia standardowego, więc zysk pojawił się w tym, jak pisali klienci, a nie w tym, jak pisali konsultanci. Badanie dotyczy czatu tekstowego w jednej firmie; nie znaleźliśmy porównywalnie dużego badania kontrolowanego dotyczącego wyników analityki rozmów głosowych.
6. Regulacje i prywatność: zasady rozpoznawania emocji i prawo o odciskach głosu
Granica prawna biegnie między tym, czyje emocje są odczytywane, i tym, z czego. Od 2 lutego 2025 roku akt w sprawie sztucznej inteligencji (AI Act) zakazuje systemów AI, które wnioskują o emocjach osoby w miejscu pracy, z wyjątkiem względów medycznych lub bezpieczeństwa (rozporządzenie (UE) 2024/1689, art. 5 ust. 1 lit. f oraz art. 113). Akt definiuje rozpoznawanie emocji jako wnioskowanie “na podstawie ich danych biometrycznych”, dlatego wytyczne Komisji uznają za zakazane call center, które używa rozpoznawania głosu do śledzenia gniewu pracowników, ale śledzenie emocji klientów uznają za wykraczające poza zakaz, podobnie jak wnioskowanie z tekstu pisanego (wytyczne Komisji Europejskiej dotyczące zakazanych praktyk AI, 4 lutego 2025, przykłady w streszczeniu CMS, 10 lutego 2025). W praktyce analiza sentymentu klientów oparta na transkryptach jest w Europie najbezpieczniejszym rozwiązaniem, a ocena tonu głosu konsultantów najbardziej ryzykownym.
Motyw 44 aktu uzasadnia zakaz, wskazując poważne wątpliwości co do naukowych podstaw rozpoznawania emocji, wymieniając ograniczoną wiarygodność, brak specyficzności i ograniczoną możliwość uogólniania, czyli te same słabości, które mierzą wskaźniki zgodności z sekcji 3 i 4. W Stanach Zjednoczonych największa ekspozycja jest biometryczna: Illinois uznaje odcisk głosu za identyfikator biometryczny, więc każdy system, który buduje odciski głosu rozmówców (na przykład do uwierzytelniania dzwoniących), podlega jego przepisom i odszkodowaniom za każde naruszenie (ustawa Illinois o prywatności informacji biometrycznych, 740 ILCS 14).
| Metryka | Wartość | Źródło |
|---|---|---|
| Data, od której obowiązuje zakaz UE dotyczący wnioskowania o emocjach w miejscu pracy i w edukacji (art. 5 ust. 1 lit. f) | 2 lutego 2025 roku | Akt w sprawie sztucznej inteligencji, rozporządzenie (UE) 2024/1689, art. 113 |
| Maksymalna kara za stosowanie zakazanej praktyki AI | 35 000 000 EUR lub 7% łącznego światowego rocznego obrotu, w zależności od tego, która kwota jest wyższa | Akt w sprawie sztucznej inteligencji, art. 99 ust. 3 |
| Status systemów rozpoznawania emocji, które nie są zakazane (na przykład wobec klientów) | Wymienione jako systemy AI wysokiego ryzyka | Akt w sprawie sztucznej inteligencji, załącznik III, pkt 1 lit. c |
| Ogólna data stosowania aktu w sprawie sztucznej inteligencji w opublikowanym brzmieniu | 2 sierpnia 2026 roku | Akt w sprawie sztucznej inteligencji, art. 113 |
| Call center używające rozpoznawania głosu do śledzenia emocji pracowników, takich jak gniew | Zakazane | Wytyczne Komisji Europejskiej, luty 2025 |
| Call center używające rozpoznawania głosu do śledzenia emocji klientów | Poza zakazem dotyczącym miejsca pracy | Wytyczne Komisji Europejskiej, luty 2025 |
| Odszkodowania ustawowe w Illinois za każde naruszenie dotyczące identyfikatorów biometrycznych, takich jak odciski głosu: z winy nieumyślnej wobec umyślnej lub rażąco lekkomyślnej | 1000 USD wobec 5000 USD | Illinois BIPA, 740 ILCS 14/20 |
| Data wejścia w życie ustawy Illinois BIPA i ostatnia nowelizacja | 3 października 2008 roku; znowelizowana przez Public Act 103-769, w mocy od 2 sierpnia 2024 roku | Zgromadzenie Ogólne stanu Illinois |
Uwaga kontekstowa: wytyczne Komisji nie są wiążące, a ostateczna wykładnia należy do Trybunału Sprawiedliwości UE. Sam roczny raport NICE ostrzega, że akt w sprawie sztucznej inteligencji “stosuje się stopniowo do sierpnia 2026 roku”, a kary za niezgodność “są znaczne” (formularz NICE 20-F za rok obrotowy 2025).
Podsumowanie: dokładność wykrywania sentymentu w analityce mowy call center w liczbach
| Metryka | Wartość | Źródło |
|---|---|---|
| Firmy już korzystające z analityki interakcji wobec planujących jej wdrożenie w 2025 roku | 49,8% wobec 29,9% (z 1104) | Metrigy, AI for Business Success 2025-26 |
| Contact center nadal używające arkuszy kalkulacyjnych do kontroli jakości | 55% (spadek z 65%) | Scorebuddy i Call Centre Helper, grudzień 2025 |
| Łączne przychody NICE w 2025 roku | 2945,4 mln USD | NICE, formularz 20-F, rok obrotowy 2025 |
| WER komercyjnych systemów ASR na 50 prawdziwych rozmowach z call center | od 16,5% do 19,2% | Szymanski i in., Findings of EMNLP 2020 |
| Te same systemy na telefonicznym zbiorze wzorcowym Switchboard | od 10,2% do 11,62% | Szymanski i in., Findings of EMNLP 2020 |
| WER Whisper large-v2: czytane audiobooki wobec rozmów telefonicznych CallHome | 2,7% wobec 17,6% | OpenAI, artykuł o Whisper 2022 |
| WER na nagraniach z call center z akcentami afrykańskimi: najlepszy model wobec Whisper-large-v3 | 13,45% wobec 24,69% | AfriSpeech-MultiBench, arXiv 2025 |
| Zgodność ludzi co do sentymentu wypowiedzi z call center (kappa Cohena) | 0,605 | Badacze ConnexAI, IntechOpen 2026 |
| Makro F1 sentymentu LLM na transkryptach ASR: pojedyncza wypowiedź wobec kontekstu sześciu tur | 0,74 wobec 0,86 | Badacze ConnexAI, IntechOpen 2026 |
| Dokładność ważona sentymentu rozmów telefonicznych: wyłącznie akustyczny wobec akustyka plus tekst wobec ludzi | 54,23% wobec 65,65% wobec 85,76% | Chen i in. (Google), LREC 2020 |
| Zgodność anotatorów co do walencji wobec pobudzenia klientów w prawdziwych rozmowach (ICC) | 0,62 wobec 0,52 | Badanie CusEmo, arXiv 2023 |
| Wzrost produktywności dzięki asystentowi konwersacji AI, wszyscy konsultanci wobec początkujących | 14% wobec 34% | NBER Working Paper 31161 |
| Zmiana sentymentu klientów (skala od -1 do 1) i próśb o rozmowę z kierownikiem przy wsparciu AI | +0,18 punktu; prawie o 25% mniej próśb | NBER Working Paper 31161 |
| Zakaz UE dotyczący wnioskowania o emocjach w miejscu pracy obowiązuje od | 2 lutego 2025 roku | Akt w sprawie sztucznej inteligencji, art. 113 |
| Call center używające rozpoznawania głosu do śledzenia emocji pracowników wobec emocji klientów | Zakazane wobec poza zakresem zakazu dotyczącego miejsca pracy | Wytyczne Komisji Europejskiej, luty 2025 |
| Maksymalna kara UE za zakazane praktyki AI | 35 000 000 EUR lub 7% światowego obrotu | Akt w sprawie sztucznej inteligencji, art. 99 ust. 3 |
| Odszkodowania w Illinois za naruszenie biometryczne, nieumyślne wobec umyślnego | 1000 USD wobec 5000 USD | Illinois BIPA, 740 ILCS 14 |
Metodologia i źródła
- Metrigy, The Value of Interaction Analytics (AI for Business Success 2025-26, 1104 firmy) oraz analiza Metrigy dotycząca tego samego badania, 14 maja 2025: wdrożenia, planowane wdrożenia, główne zastosowania, podejście do paneli wyników.
- Scorebuddy i Call Centre Helper, What Contact Centers Are Doing Right Now, 11 grudnia 2025: ankieta o narzędziach QA, sponsorowana przez dostawcę; wielkość próby nie została podana w komunikacie.
- NICE Ltd, formularz 20-F za rok obrotowy zakończony 31 grudnia 2025 (SEC EDGAR): przychody, wzrost chmury, baza klientów, zapłata za Cognigy, czynnik ryzyka związany z aktem w sprawie sztucznej inteligencji.
- Verint Systems, formularz 10-K za rok obrotowy zakończony 31 stycznia 2025 (SEC EDGAR): baza klientów, kraje, udział subskrypcji, przychody regionalne.
- Szymanski i in., WER we are and WER we think we are, Findings of EMNLP 2020: komercyjne systemy ASR na 50 prawdziwych rozmowach z call center.
- Radford i in. (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision, 2022: WER Whisper na LibriSpeech, CallHome i Switchboard.
- Ashungafac i in. (Intron Health), AfriSpeech-MultiBench, arXiv listopad 2025: WER w domenie call center dla 18 systemów ASR.
- Jordan, Fonseka, Stacey i Sitvaev (ConnexAI), Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen, 20 czerwca 2026: zgodność ludzi, dokładność sentymentu LLM i klasyfikatorów, odporność na ASR. Autorzy pracują dla dostawcy AI dla contact center.
- Chen i in. (Google), A Large Scale Speech Sentiment Corpus, LREC 2020 (LDC2020T14): etykiety sentymentu Switchboard, dokładność ludzi, wartości bazowe akustyczne i tekstowe.
- End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations (CusEmo), arXiv 2023: korpus prawdziwych emocji z call center i wyniki modeli.
- Brynjolfsson, Li i Raymond, Generative AI at Work, NBER Working Paper 31161: wyniki dotyczące produktywności, sentymentu, eskalacji i rotacji.
- Rozporządzenie (UE) 2024/1689 (akt w sprawie sztucznej inteligencji), EUR-Lex: art. 3 pkt 39, art. 5 ust. 1 lit. f, art. 99 ust. 3, art. 113, załącznik III, motyw 44.
- Komisja Europejska, wytyczne dotyczące zakazanych praktyk AI, 4 lutego 2025 oraz streszczenie CMS dotyczące przykładów z call center, 10 lutego 2025.
- Zgromadzenie Ogólne stanu Illinois, ustawa o prywatności informacji biometrycznych, 740 ILCS 14: definicja odcisku głosu i odszkodowania ustawowe.
- Uwaga o danych: komercyjne badanie WER w call center (2020), artykuł o Whisper (2022), wartości bazowe sentymentu Switchboard (2020) i badanie CusEmo (2023) to najnowsze dostępne dane publiczne dla swoich pomiarów; nie znaleźliśmy nowszego publicznego testu komercyjnych silników na prawdziwych nagraniach rozmów, a zbiory danych z call center użyte w tych artykułach są prywatne. Rozdział IntechOpen jest miejscami wewnętrznie niespójny (jego streszczenie podaje 3000 obserwacji sentymentu, podczas gdy treść używa 8750, a F1 dla ASR podaje jako “około 0,76” w streszczeniu, wobec makro F1 0,74 i dokładności 0,76 w treści); korzystaliśmy z tabel z treści. Tekst artykułu CusEmo podaje 0,657 i 0,434 dla jednego ustawienia, które jego tabela wymienia jako 0,667 i 0,499. Zbiór call center w AfriSpeech-MultiBench ma tylko 16 próbek (0,80 godziny), a artykuł mówi zarówno o 18, jak i o 19 ocenianych systemach. Wyniki NBER pochodzą z czatu tekstowego w jednej firmie, a nie z rozmów głosowych. Metrigy opisuje ten sam wynik dotyczący wdrożeń raz jako 49,8%, a raz jako “tylko połowa”. Powszechnie powtarzanych twierdzeń, że ręczne QA obejmuje od 1% do 3% rozmów, nie udało się powiązać z niezależnym badaniem i wykluczyliśmy je. Harmonogram aktu w sprawie sztucznej inteligencji podajemy tak, jak opublikowano go w Dzienniku Urzędowym; przed oparciem się na dacie 2 sierpnia 2026 roku dla obowiązków dotyczących systemów wysokiego ryzyka sprawdź późniejsze zmiany.
Ostatnia aktualizacja: 27 października 2026 roku. Aktualizujemy to zestawienie kwartalnie, a kolejnego odświeżenia można się spodziewać, gdy Metrigy opublikuje kolejne badanie AI for Business Success, a NICE złoży kolejny roczny formularz 20-F.