Divida cada soft skill em comportamentos observáveis, como reconhecer a situação do cliente ou evitar culpar alguém, e avalie esses comportamentos na transcrição. Assim, dois avaliadores, ou uma IA, chegam à mesma nota.
Em resumo
- Pergunte “o atendente foi empático?” e cada avaliador responde de um jeito.
- Avalie o que o atendente fez, não o que o avaliador sentiu.
- Calibre mais os critérios de soft skills, porque é ali que os avaliadores mais divergem.
- Avaliadas com cobertura total, as soft skills viram momentos de coaching.
Por que as soft skills costumam ser mal avaliadas
A maioria dos formulários de monitoria trata as soft skills de um de dois jeitos ruins. Ou as deixa de fora, avaliando só a mecânica objetiva porque ela é fácil, o que diz silenciosamente aos atendentes que a forma como fizeram o cliente se sentir não conta. Ou as inclui como impressões, com critérios como “o atendente foi empático?” ou “o tom foi adequado?”, que parecem razoáveis e são quase impossíveis de avaliar, porque cada avaliador responde a partir da própria ideia do que é empatia.
O resultado é o pior dos dois mundos. Os critérios que talvez mais importem para a experiência do cliente são os avaliados com menos consistência, e os atendentes aprendem que a nota de soft skills mede, na verdade, quem os avaliou. É o mesmo problema de consistência que a calibração existe para resolver, concentrado nos critérios em que ele pesa mais.
Divida a habilidade em comportamentos observáveis
O que torna uma soft skill avaliável é parar de avaliar a abstração e passar a avaliar os comportamentos que a produzem. Empatia não é um sentimento que você detecta; é um conjunto de coisas que o atendente fez ou deixou de fazer, cada uma visível na transcrição.
| Soft skill | Versão impossível de avaliar | Comportamentos observáveis para avaliar |
|---|---|---|
| Empatia | O atendente foi empático? | Reconheceu o problema específico antes de resolver; citou o impacto para o cliente; evitou minimizar a situação |
| Tom | O tom foi adequado? | Ajustou a formalidade ao cliente; evitou frases secas ou robóticas; mudou a abordagem quando o cliente estava chateado |
| Contorno de conflitos | O atendente acalmou a situação? | Reconheceu a frustração de forma explícita; assumiu a responsabilidade em vez de se esquivar; ofereceu um próximo passo concreto logo no início |
| Escuta ativa | O atendente escutou? | Retomou detalhes que o cliente deu; não pediu informações já fornecidas; confirmou o entendimento antes de agir |
| Tranquilização | O cliente ficou tranquilo? | Definiu uma expectativa concreta; explicou o que acontece em seguida; evitou promessas vagas |
Escreva os comportamentos para que a evidência decida
Com os comportamentos em mãos, formule cada um como algo que a transcrição responde, e não algo que o avaliador julga. “Reconheceu o problema específico do cliente antes de oferecer uma solução” é respondível: você pode apontar a linha, ou a ausência dela. “Foi caloroso” não é. É a mesma disciplina de escrever uma rubrica que uma IA consegue avaliar (em inglês), e ela tem um efeito colateral útil: critérios claros o bastante para uma IA avaliar são critérios claros o bastante para que os seus avaliadores humanos finalmente concordem também.
Tenha duas ressalvas em mente. Primeiro, não especifique demais a ponto de virar um script. O comportamento é “reconheceu a situação do cliente”, e não “disse exatamente as palavras ‘entendo que isso é frustrante’”, porque avaliar o script produz o tom robótico tratado em positive scripting (em inglês). Avalie se o atendente fez a coisa, com as próprias palavras. Segundo, considere o contexto: a empatia que uma troca de senha de rotina exige é diferente da que exige um erro de cobrança que custou dinheiro ao cliente, então os melhores formulários de monitoria julgam se a resposta foi proporcional à situação.
Calibre mais aqui, depois avalie tudo
Os critérios de soft skills são onde os avaliadores mais divergem, então é onde a calibração (em inglês) mais compensa. Passe os seus critérios de empatia e de tom especificamente pela calibração: peça aos avaliadores que deem nota às mesmas conversas emocionalmente carregadas, mostre onde eles divergem e refine as definições dos comportamentos até que convirjam. Se os avaliadores não conseguem concordar, o critério ainda é uma impressão, não um comportamento, e precisa ser reescrito.
Duas coisas tornam a avaliação de soft skills realmente útil. Cobertura: avaliar todas as conversas (em inglês), e não uma amostra, é o que permite ver se a empatia de um atendente se mantém em toda a variedade de atendimentos dele, e não só nos poucos que foram sorteados. E rastreabilidade: como cada nota de comportamento aponta a linha exata, o coaching sobre algo tão delicado quanto a empatia pode partir de um momento real de uma conversa real, e não da impressão geral de um gestor, e essa é a diferença entre um feedback que o atendente aceita e um feedback que ele recebe com ressentimento. Avaliar bem o eixo da empatia é, na prática, onde muitos programas são mais fracos e onde uma abordagem de QA feita para isso se destaca.
Perguntas frequentes
Como avaliar soft skills como a empatia na monitoria?
Dividindo cada soft skill nos comportamentos observáveis que a produzem e avaliando esses comportamentos na transcrição. Em vez de perguntar se o atendente foi empático, você avalia se ele reconheceu o problema específico do cliente, citou o impacto e evitou minimizar a situação. Os comportamentos podem ser respondidos com base nas evidências, então os avaliadores, e uma IA, conseguem avaliá-los de forma consistente.
Por que as soft skills são avaliadas de forma tão inconsistente?
Porque costumam ser escritas como impressões, e não como comportamentos. Um critério como “o tom foi adequado?” pede que cada avaliador responda a partir da própria ideia do que é adequado, então as notas variam conforme quem avaliou a conversa. Reescrever o critério como comportamentos específicos e observáveis elimina a maior parte dessa variação.
Uma IA consegue avaliar empatia e tom?
Sim, desde que os critérios sejam baseados em comportamentos, e não em impressões. Uma IA consegue verificar se o atendente reconheceu a situação do cliente, retomou detalhes que ele deu e evitou frases secas, porque isso é observável na transcrição. Ela não consegue avaliar de forma confiável “o atendente foi empático?” formulado como abstração, que é justamente a versão que os avaliadores humanos também avaliam de forma inconsistente.
Como avaliar a empatia sem deixar os atendentes com cara de script?
Avalie o comportamento, não as palavras exatas. O critério é que o atendente reconheceu a situação do cliente, do jeito que ele formulou, e não que disse uma frase específica. Avaliar um script obrigatório produz o tom robótico que vai contra o objetivo. Julgue se o atendente fez a coisa e permita que a resposta seja proporcional à situação.
Por que calibrar mais os critérios de soft skills?
Porque é neles que os avaliadores mais divergem. Peça que deem nota às mesmas conversas emocionalmente carregadas, veja onde divergem e refine as definições dos comportamentos até que convirjam. Se ainda assim não concordam, o critério continua sendo uma impressão e precisa ser reescrito.
Termos relacionados
- Positive scripting: 30 before-and-after examples (em inglês)
- Writing a QA rubric an AI can score (em inglês)
- Calibração de monitoria
- How to run QA calibration sessions (em inglês)
- How to turn QA data into coaching (em inglês)
Torne a empatia e o tom algo que você realmente consegue avaliar
Traga os seus critérios atuais de soft skills e um conjunto de conversas emocionalmente carregadas. Vamos mostrar como transformar empatia e tom em comportamentos que os seus avaliadores e uma IA avaliam do mesmo jeito, em todas as conversas, com cada nota ligada à linha exata, para que o coaching parta de um momento real.
