Valutazione tramite framework
Un punteggio conta solo se è ancorato
al framework delle competenze.
Ogni template di roleplay dichiara quali competenze testa ciascuno scenario. L'IA valuta esattamente quei criteri, senza euristiche su parole chiave, senza un catalogo generico imposto dalla piattaforma.
Report di sessione
Visita medica, cardiologo scettico
Collaboratore: Marcela R. · Canale: Voice · 12 min
87
superata
Competenze congelate all'assegnazione
PROD-001
Padronanza del prodotto
92
OBJ-003
Gestione delle obiezioni
78
COMP-014
Conformità dell'etichetta
95
Criteri valutati (rubric)
Insight IA · Punti di forza
Ha ancorato il pitch al profilo di paziente iperteso dell'HCP entro 1:15. Ha citato uno studio di fase 3 quando è stato messo in difficoltà sull'efficacia.
Aree di miglioramento
A 4:32 l'HCP ha chiesto dell'interazione con i beta-bloccanti e la risposta è stata vaga ("verifico e ti aggiorno"). Raccomandazione: formazione mirata sulle interazioni farmacologiche.
Il framework del tuo tenant
Ogni tenant ha il proprio catalogo di competenze e criteri. Clonati dai cataloghi centrali per verticale durante l'onboarding e poi completamente modificabili: aggiungi competenze specifiche del tuo business che non esistono in nessun catalogo.
L'IA assegna il punteggio. Il codice decide.
L'IA gestisce lo scoring. La regola di pass/fail è codice auditabile, inclusi i "blocker di conformità" che fanno fallire la sessione anche con un punteggio alto (es. violare l'etichetta → bocciato, anche con 95 complessivo).
Congelato per l'audit
Criteri congelati all'assegnazione. Prompt fissato a una versione specifica. Trascrizione, audio e report archiviati con retention configurabile. L'audit è incluso di serie.
Dal framework al report.
L'intera catena è deterministica e auditabile.
01
Curazione del framework
L'admin del tenant modifica competenze, criteri e contesti di scenario. Aggiungere, modificare, disattivare: tutto è versionato.
02
Il template dichiara
Nel wizard l'autore sceglie quali competenze testa ogni scenario del template. Il peso di ciascun criterio è configurabile.
03
Il roleplay congela
All'assegnazione, i criteri vengono fotografati come snapshot sul roleplay. Anche se il template viene modificato in seguito, la sessione gira contro lo snapshot.
04
L'IA valuta, il codice decide
Job asincrono: costruisce prompt e trascrizione, chiede all'IA un JSON strutturato, lo analizza, applica le regole di pass/fail, persiste l'aggregato completo.
Perché non il consensus tra più IA
Più IA non si sommano, divergono.
Lo abbiamo provato: far girare 4 modelli in parallelo e prendere la media. Il problema è che ogni modello ha un bias sistematico diverso, e la media diluisce il segnale di quello che aveva ragione.
Approccio scelto: un modello curato per ogni surface, con un prompt versionato e validato contro la rubric. Deterministico, debuggabile, comparabile tra sessioni.
Consensus multi-IA
- ✗ 4× il costo senza 4× la confidenza
- ✗ Diluisce i bias divergenti
- ✗ Difficile fare il debug di un singolo punteggio
- ✗ Diff incoerenti tra sessioni
Single-provider per surface
- ✓ Costo controllato per chiamata
- ✓ Prompt versionato e auditabile
- ✓ Risultato riproducibile
- ✓ Confronto coerente tra sessioni
Si abbina perfettamente con
Adaptive Track
Gap di framework → roleplay automatico
Il framework di questa pagina è l'input che l'Adaptive Track usa per mappare i gap di competenza.
Scopri di più →Dashboard
Progressi per competenza
Osserva ogni membro del team crescere (o calare) su ogni criterio del framework nel tempo.
Scopri di più →Conformità
Log di audit per ogni chiamata
Prompt, modello, token, costo, latenza: tutto registrato per l'audit regolatorio.
Scopri di più →Pronto a trasformare la formazione del tuo team?
Per aziende a partire da 50 collaboratori. Prenotate 45 minuti e progettiamo insieme il setup.