Dalla conversazione al fatto tipizzato, su un orologio settimanale.

La Fase 02 e il modo in cui una trascrizione grezza diventa una riga nel vostro corpus di fatti. Il pipeline di arricchimento fa passare ogni conversazione accettata attraverso uno schema tipizzato: dieci dimensioni parallele, ciascuna producente righe con una finestra bi-temporale, un vettore di segmento, un conteggio di salienza, uno score di confidenza e una citazione verso il chunk che lo ha prodotto. Il corpus si aggiorna su un orologio settimanale per default. Potete regolare la cadenza per dimensione se il vostro verticale lo richiede. La comparabilita e il prodotto.

Questa pagina e la vista di prodotto di quella fase: come appare lo schema, cosa fa un aggiornamento e cosa controllate dalla console. I meccanismi del pipeline (il filtro di allucinazione, il controllo di contaminazione incrociata, lo scoring deterministico, l'hash di integrita del prompt) sono documentati sotto Metodologia e sotto Fiducia e sicurezza.

Ogni conversazione produce righe su dieci dimensioni parallele. Per il retail, l'insieme operativo e: punti di attrito, scoring delle opportunita, mappa di percezione del brand, scoring di maturita IA, fattori di retention, segnale di mercato, rischio normativo e di conformita, lacuna di formazione, comportamento per segmento di clientela e mappa delle menzioni dei concorrenti. Lo schema e specifico per verticale nella sua forma di superficie. Due o tre dimensioni cambiano per verticale (per la consulenza, il comportamento per segmento di clientela viene sostituito con indicatori di economia del coinvolgimento; per la ristorazione, la mappa di percezione del brand viene sostituita con la varianza operativa a livello di turno). La forma rimane la stessa: dieci slot tipizzati.

La stabilita e il punto centrale. Un punto di attrito registrato in un mercato a maggio si legge allo stesso modo di un punto di attrito registrato in un altro a novembre, perche entrambi sono righe nello stesso schema prodotto dallo stesso protocollo. E questa proprieta che rende possibile il benchmarking cross-mercato. I sondaggi non possono farlo, perche lo strumento cambia a ogni traduzione. I focus group non possono farlo, perche le dinamiche di gruppo distorcono la comparabilita. L'agente di intervista mantiene il protocollo costante in ogni conversazione, il che consente allo schema di restare costante al di sopra di esso.

Un ciclo di aggiornamento e un batch pianificato di nuove conversazioni che la piattaforma recluta, conduce e arricchisce. La cadenza predefinita e settimanale per coorte attiva. Quando il ciclo si completa, ogni nuovo fatto arriva nel corpus con la propria finestra bi-temporale. I fatti la cui validita e scaduta dall'ultimo ciclo passano nel registro storico. I dashboard si ricalcolano sul corpus aggiornato.

Il trigger di aggiornamento non e un promemoria del calendario. La console mostra un orologio di obsolescenza per dimensione: quando il venti percento dei fatti di percezione del brand ha superato la propria validita negli ultimi sessanta giorni, la console segnala che la dimensione e da aggiornare. Questa e la colonna portante dei ricavi ricorrenti della piattaforma: i dati obsoleti sono un segnale di prodotto visibile nel dashboard, e indicano esattamente quando commissionare ulteriore acquisizione.

Il decadimento e calibrato per dimensione e per verticale. I fatti di percezione del brand decadono in settimane. Il segnale di mercato decade in settimane. Il comportamento per segmento di clientela decade in settimane o mesi. I punti di attrito e lo scoring delle opportunita decadono in mesi. Lo scoring di maturita IA decade in trimestri. I fattori di retention decadono in trimestri. La lacuna di formazione decade solo quando il catalogo di formazione o il prodotto cambiano.

La piattaforma viene consegnata con una calibrazione di base che copre retail, consulenza, ristorazione e farmacia. Da li, l'Expert-in-the-Loop affina le emivite per il vostro verticale. Quando un esperto di dominio nel vostro team comunica alla piattaforma che una particolare classe di fatti si muove piu velocemente o piu lentamente della base, la calibrazione si aggiorna e il corpus viene rieseguito sotto la nuova regola di decadimento. La calibrazione precedente rimane nel registro di audit.

Ogni conversazione arriva nel corpus con uno score di qualita composito da 0 a 100, calcolato da una formula deterministica. La formula combina la ricchezza (quanti punti di attrito, opportunita, sorprese, contraddizioni e verbatim ha prodotto la conversazione), la profondita (conteggio dei turni, lunghezza del turno piu lungo, durata) e l'esecuzione (quanto bene l'agente ha seguito i sei KPI auditati). Uno score di 71 significa tre punti di attrito, due opportunita, una sorpresa e copertura completa del KPI di percezione del brand. Il dettaglio e visibile per conversazione.

Le conversazioni al di sotto di una soglia vengono segnalate come outlier ed escluse dagli aggregati destinati ai dirigenti. Il registro di intelligence viene conservato per l'audit; non scompare. La descrizione completa della formula di scoring, dei pesi e delle soglie degli outlier si trova su la pagina Metodologia.

Quando un esperto di dominio cliente nel vostro team comunica alla piattaforma che un'interpretazione e errata nel suo contesto, il sistema trova ogni conversazione nel corpus che corrisponde a quel contesto e le rielabora nel pipeline. Rianalizza, riassegna i tag e ripondera ogni corrispondenza. La correzione dell'esperto si propaga nell'intero corpus storico. Il registro di audit conserva ogni interpretazione precedente accanto a quella nuova.

Esistono due superfici per apportare una correzione. La prima e un'annotazione del dashboard: l'esperto vede l'interpretazione, il verbatim sorgente e la descrizione della metodologia, e corregge dove necessario. La seconda e l'agente di intervista direttamente, via voce. L'esperto parla all'agente come a una superficie di coaching, e il perfezionamento entra nello stesso ciclo di correzione. Il dettaglio si trova su la pagina Fiducia e sicurezza.

Per ogni conversazione arricchita, il corpus guadagna circa cento righe di fatti sulle dieci dimensioni. Ogni riga porta la dimensione, l'affermazione, l'identificatore del chunk sorgente, la finestra bi-temporale, il vettore di segmento, gli score di salienza e confidenza, e l'embedding per il recupero vettoriale. La stessa riga raggiunge il dashboard, l'API per partner di marca e i vostri agenti IA tramite la superficie MCP. La citazione e identica tra i tre.

A 1.000 conversazioni il corpus contiene circa 100.000 righe di fatti. A 50.000 conversazioni su aggiornamento settimanale, il corpus contiene milioni di righe con gestione attiva dell'obsolescenza. L'architettura gestisce tutte e tre le scale sullo stesso store. La decisione di progettare per il caso piu grande gia dalla distribuzione piu piccola e cio che mantiene il corpus utile man mano che crescete. Aggiungere capacita in seguito significa reingerire il registro storico, il che e il punto in cui la maggior parte delle piattaforme collassa.