Najważniejsze wnioski
Transkrybuj wiadomość głosową i traktuj tekst jako właściwy zapis. Problem z mówionym poleceniem to nie czas potrzebny na odsłuchanie — to fakt, że trzy tygodnie później nie da się go wyszukać, zacytować ani przesłać dalej osobie, która ma wykonać pracę. Adresy, ilości, daty i sposób zapisu nazwisk to szczegóły, które najczęściej są przesłyszane i najdroższe w skutkach, jeśli się pomylisz. To, jak przetworzysz to, co wysyła klient, zależy od Ciebie. To, jak on to wysyła — zwykle nie, więc lepiej dopasować się do jego zwyczaju, niż z nim walczyć.
Niektórzy klienci piszą. Inni mówią. Jeśli Twoi mówią, znasz już ten scenariusz: czterdziestosekundowa notatka o siódmej rano, w której jednym tchem pojawia się zlecenie, adres i zmiana w zamówieniu z zeszłego tygodnia — a nigdzie żadnego pisemnego śladu.
Możesz to odsłuchać. Z tym nie ma problemu. Problem zaczyna się później, gdy ktoś pyta, jaki numer lokalu podał klient albo czy faktycznie zgodził się na drugą opcję, a jedyna odpowiedź leży gdzieś w pliku audio, w wątku, który przewinąłeś już ze dwieście razy.
Odsłuchanie to nie jest to, co kosztuje najwięcej
Czterdzieści sekund to czterdzieści sekund. Uciążliwe, gdy jedziesz samochodem, drobne w skali tygodnia. Prawdziwy koszt pojawia się dużo później i objawia się jako brak: wiadomości głosowej nie da się przeszukać. Telefon znajdzie słowo „faktura” w wiadomości, którą ktoś napisał osiem miesięcy temu. Nie znajdzie go w nagraniu, bo z punktu widzenia wyszukiwarki w takim pliku nie ma żadnych słów — jest tylko plik z podanym czasem trwania.
To ma największe znaczenie właśnie w momencie, gdy najmniej chce się mieć dodatkową pracę. Trzy tygodnie po zleceniu pytanie nigdy nie brzmi „o czym w zasadzie rozmawialiśmy”. Jest konkretne. Który adres. Jakie wykończenie. Która data. Czy dodatkowa godzina była uzgodniona, czy tylko przyjęta na wiarę. Gdy dochodzi do sporu o to, co zostało ustalone, jedna linijka tekstu, którą można wskazać, wygrywa z plikiem audio niemal zawsze — nawet jeśli nagranie zawiera identyczną informację, bo wymaga od drugiej strony usiąść, odsłuchać i zgodzić się z Twoją interpretacją tego, co powiedziała.
Jest jeszcze kwestia przewijania. Znalezienie szczegółu w nagraniu oznacza jego odtworzenie, zgadywanie, gdzie jest właściwy fragment, przesunięcie paska za daleko i odtworzenie jeszcze raz. Zrób to przy pięciu nagraniach od tego samego klienta i okaże się, że na samo szukanie poszło więcej czasu niż na wykonanie zadania. Zapis w formie tekstu zmienia to w pole wyszukiwania i parę sekund pracy.
Głos zawodzi akurat przy szczegółach, które kosztują najwięcej
Spójrz na to, co faktycznie przychodzi głosem. Rzadko są to sprawy abstrakcyjne. To numer domu, kod pocztowy, ilość, przedział czasu dostawy, czyjeś nazwisko, numer modelu odczytany z pudełka. To właśnie te szczegóły są najczęściej przesłyszane — i to te, przy których błąd bywa kosztowny, nie tylko wstydliwy.
Wypowiadane liczby są zawodne. Cyfry zlewają się w pośpiechu, „piętnaście” i „pięćdziesiąt” brzmią podobnie, gdy się je rzuca szybko, a głośnik telefonu w hałaśliwym busie tego nie ułatwia. Nazwy ulic gubią się przez akcent i przez to, że mózg podstawia wersję, którą się oczekuje. Z nazwiskami jest jeszcze gorzej: słyszysz coś, co brzmi wiarygodnie, zapisujesz to wiarygodne coś, a od tego momentu zapis na fakturze jest błędny. Nic z tego nie wynika z niedbalstwa. To po prostu skutek jednorazowego słuchania, w pośpiechu, przy robieniu jednocześnie czegoś innego.
Zasada, którą warto sobie przyjąć, jest prosta: każdy szczegół, który finalnie ma trafić gdzie indziej — na etykietę, fakturę, dokument dostawy, wpis w kalendarzu — powinien najpierw istnieć jako tekst, zanim go przepiszesz dalej. Nie dlatego, że z nagrania na pewno coś przekręcisz, ale dlatego, że jeśli to zrobisz, nie masz z czym tego skonfrontować poza tym samym nagraniem, które już Cię wprowadziło w błąd.
Wiadomości, której nie można odtworzyć, nie da się od razu zacząć realizować
Tekst jest bezgłośny. Można go przeczytać na spotkaniu, w pociągu, w kuchni klienta, gdy stoi tuż obok, w warsztacie, gdy hałasuje wyciąg. Wiadomość głosowa wymaga albo ciszy, albo słuchawek — a często nie masz ani jednego, ani drugiego.
To, co się wtedy dzieje, jest przewidywalne i nie wynika z lenistwa. Mówione polecenie, które dociera w miejscu, gdzie nie możesz go odsłuchać, zostaje odłożone, nie wykonane. Mówisz sobie, że odsłuchasz je w samochodzie. Samochód się zdarza, telefon leży w kieszeni, a wieczorem masz już trzy takie nagrania i nie jesteś pewien, w którym była ta pilna sprawa. Polecenie, które przeczytane zajęłoby dwadzieścia sekund, dotarło do Ciebie po całym dniu — a w głowie klienta to Ty zostałeś poinformowany o ósmej rano.
Tekst likwiduje tę różnicę. Przeglądasz go, gdziekolwiek jesteś, oceniasz, czy jest pilny, i albo reagujesz od razu, albo dopisujesz do listy zadań z całą treścią, a nie z notatką dla siebie w stylu „odsłuchać wiadomość od klienta”.
Jak zamienić to, co przychodzi, na coś, co da się zachować
Praktyczne rozwiązanie to najpierw konwersja, potem dopiero praca z treścią. Transkrypcja robi z polecenia coś, co da się wyszukać, zacytować i przekazać dalej — czyli dokładnie to, czego wcześniej brakowało.
- Można wyszukać — adres z zeszłego miesiąca znajdziesz, wpisując fragment nazwy ulicy, a nie próbując przypomnieć sobie, w którym tygodniu przyszedł.
- Można zacytować — gdy dochodzi do spornej sytuacji, wklejasz zdanie klienta w oryginale, zamiast je parafrazować i słyszeć, że parafraza jest niedokładna.
- Można przekazać dalej — osoba, która faktycznie wykonuje pracę, dostaje słowa, a nie plik, który musi gdzieś sobie odtworzyć w spokoju.
Jeśli wiadomości przychodzą przez WhatsApp, a Ty pracujesz przy komputerze, rozszerzenie SozAI do WhatsApp Web dodaje przycisk transkrypcji pod każdą wiadomością głosową i wyświetla jednolinijkowe podsumowanie, a pod nim pełny tekst — bezpośrednio w czacie, tam gdzie ta wiadomość już się znajduje. Działa w Twojej własnej sesji przeglądarki i nic nie jest odsyłane z powrotem do rozmowy, więc nadawca nie dostaje żadnego powiadomienia, a czat w żaden sposób nie jest oznaczany. Ten ostatni szczegół ma większe znaczenie, niż się wydaje, bo wiele osób wolałoby nie sygnalizować klientowi, że przetwarza jego wiadomości.
Do wszystkiego, co nie jest wiadomością w czacie — nagrań, które zrobiłeś sam, plików przesłanych mailem, dłuższego audio, które potrzebujesz z oznaczeniem osób mówiących albo w innym języku — służy aplikacja do transkrypcji na iOS, Android i macOS, która obsługuje pliki audio i wideo w długiej liście języków. Zasada w obu przypadkach jest ta sama: zamień na tekst, potem pracuj z tekstem.
Gdy masz już słowa, zrób z nimi tę nudną, ale konieczną rzecz. Wklej adres do karty zlecenia. Wpisz datę do kalendarza wraz z dokładnym sformułowaniem klienta. Jeśli polecenie zmienia coś, co było wcześniej ustalone, odpowiedz na piśmie, podsumowując, jak teraz rozumiesz zakres pracy. Transkrypcja połączona z pisemnym potwierdzeniem to solidny zapis. Transkrypcja sama w sobie, leżąca w czacie, to tylko połowa tego zapisu.
Czy prosić klientów, żeby pisali
Poproś. Nic to nie kosztuje i u części osób zadziała. „Możesz mi wysłać adres tekstem, a nie powiedzieć go głosem” to normalna prośba, a niemała część klientów po prostu ją spełni, zwłaszcza jeśli przedstawisz to jako sposób na uniknięcie sytuacji, w której dostawa trafi pod złe drzwi.
Później trzeba pogodzić się z tym, że sporej części klientów to się nie uda — i z powodów, które nie mają z Tobą nic wspólnego. Niektórym pisanie po prostu jest trudne. Niektórzy zawsze są w trasie. Niektórzy są starsi, mają dysleksję albo po prostu mówią szybciej, niż piszą, i dla nich wiadomość głosowa jest jedynym powodem, dla którego są w stanie wysłać Ci cokolwiek o siódmej rano. Naciskanie zwykle daje tydzień poprawy, po którym wszystko wraca do nagrań głosowych, a relacja jest odrobinę gorsza.
Warto dzielić nie według zwyczaju, a według treści. Niech czat zostanie czatem. Proś konkretnie o rzeczy, które kosztują najwięcej, gdy są błędne: adresy, liczby, sposób zapisu nazwisk, wszystko związane z pieniędzmi. Większość ludzi wpisze kod pocztowy, nawet jeśli nie napisze całego akapitu. A resztę traktuj jako swoje zadanie do przekonwertowania, bo przetworzenie tego, co przychodzi, zależy od Ciebie w sposób, w jaki zmiana sposobu komunikacji drugiej strony — nie zależy.
Czego transkrypcja nie zrobi za Ciebie
Nie zmieni niejasnego polecenia w jasne. Jeśli klient powiedział „zrób jak ostatnio, tylko trochę większe”, masz teraz to zdanie na piśmie, co jest lepsze niż nic, ale wciąż nie jest specyfikacją. Tekst to zapis tego, co zostało powiedziane, nie jego poprawiona wersja — a odczytanie go bywa najszybszym sposobem, by zauważyć, że potrzebujesz dodatkowego pytania.
Dokładność też ma swoje granice, i skupiają się one wokół tych samych szczegółów, przez które w ogóle chciałeś mieć transkrypcję. Nietypowe nazwiska, nazwy ulic, kody produktów i szybko wypowiadane cyfry są trudne dla każdego systemu pracującego na zaszumionym nagraniu telefonicznym, więc sprawdzaj je z oryginałem, zanim wpiszesz je na fakturę albo etykietę wysyłkową. Transkrypcja, która ma dobre zdanie, a błędny numer domu, jest gorsza niż bezużyteczna, jeśli nikt nie sprawdzi jej dwa razy.
A zapis pisemny to nie to samo, co zgoda. Mając słowa klienta w formie tekstu, jesteś w dużo lepszej pozycji niż mając tylko plik, ale to, co najczęściej kończy spory, to Twoja krótka odpowiedź potwierdzająca zlecenie tak, jak je rozumiesz, wysłana od razu, w tym samym wątku. Transkrypcja sprawia, że napisanie takiej odpowiedzi zajmuje minutę, a nie dziesięć. Jeśli chcesz więcej informacji o samym procesie zamiany materiału mówionego na tekst użyteczny, strony o zamianie notatek głosowych na tekst i zamianie plików audio na tekst opisują resztę przypadków, na które możesz trafić.
