یادداشت قبلی به این پرداخت که هوش مصنوعی چه کارهایی میتواند در مرکز تماس انجام دهد. این یادداشت به پرسش مهمتری میپردازد: وقتی این کارها انجام شد، ساختار سازمانی، تعریف شغلی و مدل مدیریت مرکز تماس چه شکلی پیدا میکند؟ و مهمتر از همه: در این ساختار جدید، جایگاه واحدهایی مانند «تعالی مشتری»(Customer Excellence) یا «موفقیت مشتری» (Customer Success) کجاست و آیا نقش آنها بهجای کوچکشدن، پررنگتر میشود؟
خودکارسازی، حجم کار عملیاتی تکراری را کم میکند، اما حجم کار تحلیلی و راهبردی را زیاد میکند. سازمانی که این جابهجایی را نبیند و صرفاً «کاهش نیرو» را هدف بگیرد، در میانمدت هم از رقبا عقب میافتد و هم CX را تخریب میکند.
جهتگیری غالب پژوهشهای ۲۰۲۶ صنعت، برخلاف تصور رایج، حذف گستردهٔ نیروی انسانی نیست:
یافته مقدار منبع سازمانهایی که برنامه دارند مسئولیتهای اپراتور انسانی را گسترش دهند (نه کاهش) بیش از ۸۰٪ Gartner 2026
سازمانهایی که انتظار دارند مهارتهای جدید به نقش اپراتور اضافه شود ۸۴٪ Gartner 2026
سازمانهایی که برنامه دارند اپراتوران را به سمت نقش «متخصص مدیریت دانش» ببرند ۵۸٪ Gartner 2026
پیشبینی: هیچیک از شرکتهای Fortune 500 تا ۲۰۲۸ خدمات مشتری انسانی را کاملاً حذف نخواهند کرد — Gartner 2026
سهم تعاملاتی که تا ۲۰۲۶ واقعاً بهطور کامل با هوش مصنوعی خودکار میشوند تنها ۱۰٪ Gartner 2026
سهم تعاملاتی که تا ۲۰۲۷ کاملاً با هوش مصنوعی حل میشوند حدود ۱۴٪ Gartner 2026
سازمانهایی که تا پایان ۲۰۲۶ نقشهای موازی هوش مصنوعی (مدیر عامل هوش مصنوعی، متخصص عملیات هوش مصنوعی، متخصص طراحی مکالمه) ایجاد میکنند ۳۰٪ Forrester
نرخ ریزش سالانهٔ نیروی انسانی در صنعت مرکز تماس (پیش از هوش مصنوعی هم بالا بوده) ۳۰ تا ۴۵٪
صنعتی خریدارانی که هنوز خواهان ارتباط انسانی در کنار سرعت هوش مصنوعی هستند ۸۹٪ Cisco
نتیجهگیری: الگوی غالب، «اپراتور تقویتشده با هوش مصنوعی» (AI-Augmented Agent) است، نه حذف اپراتور. کاری که حذف میشود، «تماسهای ساده و تکراری» است؛ کاری که باقی میماند و رشد میکند، تماسهای پیچیده، پرمخاطرهٔ عاطفی و مبتنی بر قضاوت انسانی است.
مدل سنتی «از ساده شروع کن، اعتمادسازی کن، بعد ترفیع بگیر» که ستون فقرات آموزش نیروی مراکز تماس بود، در حال تحول یافتن است. وقتی هوش مصنوعی تماسهای ساده را جذب میکند، نیروی تازهکار دیگر فضای «تمرین با ریسک پایین» ندارد و باید سریعتر به سمت مهارتهای سطح بالا (قضاوت، همدلی، حل تعارض) هدایت شود. این یعنی آموزش و کوچینگ اهمیتی بیش از گذشته پیدا میکند — دقیقاً جایی که واحد تعالی/موفقیت مشتری وارد میشود.
بر اساس تحلیلهای صنعتی ۲۰۲۶، ساختار سازمانی مراکز تماس پیشرو به سمت افزودن نقشهای زیر حرکت میکند (برخی از این نقشها دو سال پیش اصلاً وجود نداشتند):
نقش جدید شرح این نقش با کدام واحد سنتی همپوشانی دارد؟
مدیر هوش مصنوعی (AI Agent Manager) نظارت بر عملکرد، دقت و رفتار عاملهای هوش مصنوعی، مانند مدیریت یک تیم مجازی مدیریت عملیات + فناوری اطلاعات
طراح مکالمه (Conversation Designer) طراحی سناریوهای گفتوگوی طبیعی آیویآر و چتبات با درک زبانشناسی و روانشناسی مشتری تعالی مشتری + محصول
کارشناس رسیدگی به موارد ارجاعی (Escalation Specialist) مدیریت تماسهایی که هوش مصنوعی و اپراتور معمولی نتوانستهاند حل کنند /عملیات ارشد
متخصص مدیریت دانش (Knowledge Management Specialist) نگهداری و بهروزرسانی پایگاه دانشی که هوش مصنوعی از آن پاسخ میسازد؛ بدون این نقش، هوش مصنوعی «هذیانگویی» میکند تعالی مشتری + آموزش
مدیر موفقیت مشتری دیجیتال (Digital CSM) مدیریت رابطهٔ مشتری در مقیاس بالا با کمک ابزارهای خودکار، بهجای تماس مستقیم با تکتک مشتریان/ موفقیت مشتری
تحلیلگر تجربهٔ یکپارچهٔ انسان-هوش مصنوعی (Omni-Agent Intelligence Analyst) بررسی مشترک عملکرد تماسهای انسانی و هوش مصنوعی در یک چارچوب /واحد کیفیت تعالی مشتری + کنترل کیفیت
نکتهٔ کلیدی: بیشتر این نقشهای جدید، تحلیلی-راهبردیاند، نه اجرایی-تکراری. این یعنی مرکز تماس آینده به نیروی کمتری با مهارت پایین و نیروی بیشتری با مهارت تحلیلی نیاز دارد — دقیقاً حوزهٔ تخصصی واحد تعالی/موفقیت مشتری.
پشتیبانی مشتری (Customer Support / عملیات مرکز تماس) واکنشی است: مشتری مشکل دارد، تماس میگیرد، مشکل حل میشود. موفقیت/تعالی مشتری پیشکنشی و تحلیلی است: الگوهای رفتاری و شکایات مشتریان را میبیند، ریشهٔ مشکلات را پیدا میکند، و — نکتهٔ کلیدی برای این یادداشت — تصمیم میگیرد کدام بخش از تعامل باید خودکار شود و کدام بخش باید انسانی بماند.
وقتی هوش مصنوعی وارد مرکز تماس میشود، یک شکاف جدید ایجاد میشود: چه کسی تصمیم میگیرد هوش مصنوعی چه بگوید، کِی به انسان منتقل کند، و چطور کیفیت پاسخش را بسنجیم؟ این دقیقاً همان شکافی است که واحد تعالی مشتری باید پر کند — نه تیم فناوری اطلاعات (که فقط زیرساخت را میسازد) و نه تیم عملیاتی سنتی (که درگیر پاسخگویی روزانه است و زمان تحلیل کلان ندارد).
واحد تعالی/موفقیت مشتری در ساختار جدید سه نقش همزمان بازی میکند:
پل بین دادهٔ مشتری و تصمیم فناوری: کدام سؤالات پرتکرار باید به هوش مصنوعی سپرده شوند؟ کدام سناریوها ریسک بالایی برای تجربهٔ مشتری دارند و باید همیشه دست انسان بمانند؟
پل بین صدای مشتری و تیم محصول/راهبرد: الگوهای استخراجشده از تحلیل هزاران مکالمه (که اکنون با هوش مصنوعی امکانپذیر شده) باید به تصمیمات محصول و سیاست سازمانی ترجمه شوند.
پل بین اپراتور انسانی و ابزار هوش مصنوعی: آموزش، کوچینگ و طراحی مسیر شغلی اپراتورانی که از «پاسخدهنده» به «ناظر و حلکنندهٔ موارد پیچیده» تبدیل میشوند.
مطالعات نشان میدهند شرکتهای رو به رشد ۲۱٪ بیشتر از رقبای راکد خود، موفقیت مشتری را در اولویت قرار میدهند و ۳۳٪ بیشتر تمایل دارند در هزینههای خود صرفهجویی کنند — یعنی سرمایهگذاری در موفقیت مشتری با کارایی هزینه همسو است، نه در تضاد با آن. همچنین طبق تحلیلهای صنعتی ۲۰۲۶، رهبرانی که هوش مصنوعی را بخشی از یک استراتژی جامع «هماهنگی + داده + طراحی تجربه» میبینند (که دقیقاً کار واحد تعالی مشتری است)، ۶۴٪ بهبود مستقیم در CX گزارش کردهاند؛ در مقابل، سازمانهایی که هوش مصنوعی را صرفاً ابزار کاهش هزینه میدانند، این بهبود پایدار را نمیبینند.
با ترکیب یافتههای صنعتی جهانی (Gainsight، SuccessCOACHING) دربارهٔ مدلهای سازمانی موفقیت مشتری و واقعیتهای عملیاتی مراکز تماس، چهار سناریوی اصلی برای جایگاه واحد تعالی/موفقیت مشتری در کنار عملیات وجود دارد:
تحلیلگران تعالی مشتری داخل همان تیم عملیاتی مرکز تماس قرار میگیرند و مستقیماً به مدیر مرکز تماس گزارش میدهند.
مزیت: هماهنگی روزانهٔ سریع، آشنایی عمیق با جزئیات عملیاتی.
ریسک: دید کلان و استقلال تحلیلی از دست میرود؛ تحت فشار KPIهای کوتاهمدت عملیاتی (مثل کاهش زمان مکالمه)، تصمیمات بلندمدت CX قربانی میشوند. این دقیقاً همان اشتباهی است که در ادبیات صنعتی بهعنوان «بیشبهینهسازی برای Containment بهجای نتیجهٔ واقعی» نام برده میشود.
واحد تعالی/موفقیت مشتری کاملاً جدا از عملیات، مستقیماً زیر نظر مدیریت ارشد یا معاونت CX، با اختیار تحلیل دادهمحور و تصمیمگیری دربارهٔ نقشهٔ راه خودکارسازی.
مزیت: استقلال تحلیلی، توان دیدن الگوهای کلان بین کانالها و بخشها، جایگاه راهبردی برای مذاکره با تیم فناوری بر سر اولویتهای هوش مصنوعی.
ریسک: احتمال فاصلهگرفتن از واقعیت روزمرهٔ خط مقدم؛ کندی در اجرای تصمیمات به دلیل لایهٔ اضافهٔ سازمانی.
یک هستهٔ مرکزی کوچک و تخصصی تعالی/موفقیت مشتری (تحلیلگران ارشد، طراحان مکالمه، مسئول کیفیت هوش مصنوعی) + «قهرمانان CX» (CX Champions) که در دل هر تیم عملیاتی حضور دارند و پل ارتباطی روزانه با هسته مرکزی هستند.
مزیت: ترکیب سرعت اجرا (نزدیکی به عملیات) با عمق تحلیلی (هستهٔ متمرکز). این دقیقاً مدلی است که در تحلیلهای ۲۰۲۶ بهعنوان آیندهٔ غالب معرفی شده: بررسی مشترک عملکرد انسان و هوش مصنوعی در یک چارچوب واحد («Omni Agent Intelligence»)، بهجای دو تیم جدا با دو مجموعه معیار جدا.
ریسک: نیاز به بلوغ سازمانی بالاتر برای اجرا؛ اگر نقشها و مرزهای تصمیمگیری شفاف تعریف نشوند، دوبارهکاری و ابهام مسئولیت ایجاد میشود.
عملیات روزمره تقریباً بهطور کامل به هوش مصنوعی/فروشندهٔ بیرونی سپرده میشود و فقط یک تیم کوچک تعالی مشتری برای نظارت راهبردی نگه داشته میشود.
مزیت: کمترین هزینهٔ ثابت نیروی انسانی.
ریسک: بالاترین ریسک برای CX، بهویژه در بازار ایران که — همانطور که در بخش ۶ نشان داده میشود — بیش از ۸۹٪ مشتریان جهانی (و با احتمال بیشتر مشتریان ایرانی به دلایل فرهنگی) هنوز خواهان ارتباط انسانی در کنار سرعت هستند؛ همچنین وابستگی به فروشندهٔ بیرونی برای دادهٔ حساس مشتری (بهخصوص در بانک/بیمه) با محدودیتهای حاکمیت داده در ایران تناقض دارد.
مرکز پژوهشهای مجلس شورای اسلامی، بر اساس دادههای مرکز آمار ایران و مطالعات بینالمللی، اعلام کرده ۲۰٪ از موقعیتهای شغلی بازار کار ایران در معرض اتوماسیون و هوش مصنوعی قرار دارند (در مقایسه با میانگین ۲۵٪ در کشورهای توسعهیافته و ۱۶٪ در کشورهای در حال توسعه). نکتهٔ بسیار مهم برای موضوع این یادداشت: صنایع بیمه و مخابرات — دو صنعت با بیشترین حجم مرکز تماس در ایران — بیش از ۹۵٪ کاهش کار انسانی ناشی از خودکارسازی را تجربه خواهند کرد. در مقابل، در بخشهای خدمات پزشکی و دولتی، تقریباً نیمی از این کاهش، نه از حذف شغل بلکه از افزایش همکاری انسان-ماشین ناشی میشود.
همین گزارش تأکید میکند که در ۹۰٪ موارد، هوش مصنوعی نقش مکمل (نه جایگزین کامل) در مشاغل ایفا میکند و تنها در کمتر از ۱۰٪ موارد جایگزینی کامل نیروی انسانی رخ میدهد. این با یافتههای جهانی (MIT: ۹۵٪ پروژههای هوش مصنوعی سازمانی به وعدههای خود عمل نکردهاند؛ نمونهٔ Klarna که پس از تعدیل نیرو به امید اتوماسیون کامل، دوباره تعدادی از همان نیروها را استخدام کرد) همراستا است.
پیشبینی میشود تا سال ۱۴۱۰ حدود نیمی از شاغلان کشور نیاز به بازآموزی یا ارتقای مهارت داشته باشند. برای مراکز تماس بیمه و مخابرات، این افق زمانی بسیار نزدیکتر است — سرمایهگذاری در بازآموزی اپراتوران به سمت نقشهای تحلیلی (مثل متخصص مدیریت دانش یا طراح مکالمه فارسی) باید همین امروز شروع شود، نه پس از تکمیل پروژهٔ خودکارسازی.
شکاف دیجیتال ایران با کشورهای پیشرفته (که در یادداشت قبلی هم اشاره شد) باعث میشود سرعت این گذار در ایران کمی کندتر از میانگین جهانی باشد — این «فرصت زمانی» باید برای آمادهسازی نیروی انسانی استفاده شود، نه نادیده گرفته شود.
نبود یک برنامهٔ ملی هماهنگ برای آموزش مهارت دیجیتال، ریسک شکاف درآمدی و نابرابری بین نیروهایی که مهارتهای مکمل هوش مصنوعی دارند و نیروهایی که ندارند را افزایش میدهد؛ سازمانها میتوانند با ایجاد مسیر شغلی روشن (اپراتور → متخصص تعالی مشتری → تحلیلگر ارشد CX) این ریسک را در سطح خود مدیریت کنند.
برای سازمانهای ایرانی که میخواهند سناریوی «ج» (هسته-قهرمان) را پیاده کنند، مسیر شغلی زیر پیشنهاد میشود:
سطح نقش تمرکز اصلی مهارت کلیدی موردنیاز ۱ اپراتور تقویتشده با هوش مصنوعی مدیریت تماسهای پیچیدهای که هوش مصنوعی نتوانسته حل کند؛ نظارت بر پیشنهادهای زندهٔ هوش مصنوعی همدلی، قضاوت سریع، آشنایی با ابزار هوش مصنوعی ۲ قهرمان تعالی مشتری (CX Champion) پل ارتباطی روزانه بین تیم عملیاتی و هستهٔ مرکزی؛ گزارش الگوهای بازخورد مشتری تحلیل دادهٔ ابتدایی، ارتباطات میانتیمی ۳ متخصص تعالی/موفقیت مشتری طراحی و اصلاح سناریوهای مکالمهٔ هوش مصنوعی، تحلیل ریشهای شکایات، تعیین مرز انسان/ماشین تحلیل داده، طراحی تجربه، آشنایی با معماری هوش مصنوعی مکالمهای ۴ تحلیلگر/مدیر ارشد CX تدوین راهبرد کلان تجربهٔ مشتری، رابط با مدیریت ارشد و تیم محصول تفکر راهبردی، مدیریت تغییر سازمانی
این مسیر، هم پاسخی به نگرانی مشروع نیروی انسانی دربارهٔ «آیندهٔ شغلی» است، هم دقیقاً همان چیزی است که گزارش مرکز پژوهشهای مجلس بهعنوان راهحل غالب (نقش مکمل هوش مصنوعی در ۹۰٪ موارد) پیشبینی کرده است.
انقلاب خودکارسازی هوش مصنوعی در مراکز تماس، ساختار سازمانی را از یک هرم عملیاتی ساده (مدیر ← سرپرست ← اپراتور) به یک شبکهٔ سهلایه تبدیل میکند: لایهٔ اجرا (انسان + هوش مصنوعی تقویتشده)، لایهٔ پل ارتباطی (قهرمانان CX در دل تیمها)، و لایهٔ تحلیل راهبردی (هستهٔ تعالی/موفقیت مشتری). سازمانهایی که فقط لایهٔ اول را ببینند و لایهٔ سوم را نادیده بگیرند، خودکارسازی را به کاهش هزینهٔ کوتاهمدت محدود میکنند و در بلندمدت هم تجربهٔ مشتری و هم انگیزهٔ نیروی انسانی خود را از دست میدهند.
برای بازار ایران، با توجه به دادهٔ رسمی مرکز پژوهشهای مجلس دربارهٔ اثر بسیار بالای اتوماسیون بر صنایع بیمه و مخابرات، و نیاز نیمی از نیروی کار کشور به بازآموزی تا ۱۴۱۰، مدل ترکیبی هسته-قهرمان با مسیر شغلی روشن از اپراتور تا تحلیلگر ارشد CX، هم از نظر اقتصادی مقرونبهصرفهتر و هم از نظر همسویی با رویکرد تعالی تجربهٔ مشتری، توصیهٔ اصلی این یادداشت است.
توجه: این یادداشت مکمل گزارش قبلی («آیویآر هوشمند و تجربهٔ مشتری در بازار ایران») است و توصیه میشود هر دو سند در کنار هم برای تصمیمگیری راهبردی استفاده شوند.
