Nagrywanie i transkrypcja połączeń WhatsApp: zasady, zgody i praktyczne zastosowania

Tak, firmy mogą nagrywać i transkrybować połączenia WhatsApp na WhatsApp Business Platform. Calling API od Meta pozwala włączyć nagrywanie, transkrypcję lub obie funkcje dla każdego połączenia przychodzącego lub wychodzącego. Zanim cokolwiek zostanie zarejestrowane, obaj uczestnicy słyszą komunikat głosowy z podanym przez Państwa celem, a po połączeniu otrzymują Państwo webhook umożliwiający pobranie audio lub transkrypcji w formacie JSON, które Meta przechowuje przez 7 dni.

Część techniczna jest najłatwiejsza. Trudniejsze pytania brzmią: czy w ogóle wolno Państwu nagrywać, jak o tym informować, gdzie przechowywać pliki, kto ma do nich dostęp i kiedy są usuwane. Ten przewodnik omawia, co robi API Meta, podstawy zgody i prywatności, przechowywanie i anonimizację, zasady dotyczące kart płatniczych oraz to, jak zamieniać transkrypcje w podsumowania, oceny jakości i aktualizacje CRM. To informacje ogólne, a nie porada prawna.

Czy można nagrywać rozmowy WhatsApp Business?

Tak, przez funkcję połączeń w Cloud API. Dokumentacja Meta dotycząca nagrywania i transkrypcji połączeń opisuje dwie osobne opcje:

• Nagrywanie rejestruje dźwięk połączenia.
• Transkrypcja zamienia połączenie na tekst.

Są od siebie niezależne. Można włączyć jedną, obie lub żadną i decydować o tym dla każdego połączenia: przy wykonywaniu połączenia wychodzącego lub przy przyjmowaniu przychodzącego. Każda opcja ma własne ustawienia żądania, własny webhook i według Meta własny cennik; aktualne opłaty warto sprawdzić w dokumentacji Meta przed zaplanowaniem budżetu.

Samodzielna aplikacja WhatsApp Business tego nie oferuje; to funkcja API. Jeśli dopiero zaczynają Państwo z połączeniami, warto zacząć od naszego przewodnika po WhatsApp Business Calling API.

Jak działa nagrywanie i transkrypcja połączeń WhatsApp

	Nagrywanie	Transkrypcja
Obejmuje	Połączenia inicjowane przez użytkownika i przez firmę	Połączenia inicjowane przez użytkownika i przez firmę
Włączanie	Dla każdego połączenia, przy jego wykonaniu lub przyjęciu	Dla każdego połączenia, przy jego wykonaniu lub przyjęciu
Informacja	Komunikat głosowy dla obu stron z Państwa celem	Komunikat głosowy dla obu stron z Państwa celem
Wynik	Plik audio (Ogg z Opus)	Dokument JSON z tekstem, mówcami i znacznikami czasu
Dostarczenie	Webhook po połączeniu, zwykle w ciągu minuty	Webhook po połączeniu, zwykle w ciągu minuty
Przechowywanie przez Meta	7 dni, potem usunięcie	7 dni, potem usunięcie

Komunikat głosowy

Przed rozpoczęciem nagrywania lub transkrypcji API odtwarza komunikat zarówno w Państwa ścieżce audio, jak i w ścieżce klienta. Podają Państwo dwie rzeczy:

• Cel, do 250 znaków, napisany w języku komunikatu. Jest wymagany; połączenie z włączonym nagrywaniem i bez celu zostanie odrzucone.
• Język komunikatu, z listy obsługiwanej przez Meta.

Klient słyszy wtedy zdanie w rodzaju: „Dźwięk tego połączenia będzie nagrywany w następującym celu:”, po którym następuje Państwa cel. Jeśli obie funkcje są włączone, słyszy jeden połączony komunikat, że rozmowa będzie nagrywana i transkrybowana. Rejestracja zaczyna się dopiero po zakończeniu komunikatu, a uczestnik, który się nie zgadza, może się rozłączyć.

Cel powinien być krótki i zgodny z prawdą:

kontrola jakości i zachowanie zapisu Państwa zgłoszenia

szkolenie naszego zespołu i potwierdzenie szczegółów rezerwacji

Przed startem warto sprawdzić listę języków. W chwili pisania Meta wymienia zlokalizowane komunikaty po angielsku, niderlandzku, francusku, niemiecku, w hindi, po włosku, w kannada, po portugalsku (Brazylia), hiszpańsku, w telugu i po wietnamsku. Jeśli Państwa klienci mówią w innym języku, trzeba zaplanować, jak jasno ich poinformować, na przykład powitaniem w ich języku i notatką w czacie.

Co zawiera transkrypcja

Nie wybierają Państwo języka transkrypcji: API wykrywa go z nagrania. Lista obsługiwanych języków Meta jest długa i obejmuje m.in. arabski, angielski, niemiecki, hiszpański i turecki. Transkrypcja w JSON zawiera:

• całą rozmowę jako tekst, z każdym fragmentem oznaczonym jako Business lub Customer
• wykryty język i ogólny wskaźnik pewności
• segmenty ze znacznikami czasu, z czasem i pewnością na poziomie słów

Oznaczenia mówców pochodzą z osobnych kanałów audio dla Państwa strony i strony klienta, więc pozostają dokładne, nawet gdy rozmówcy mówią jednocześnie. Jeśli rozmowa odbywa się w języku nieobsługiwanym przez model, transkrypcja może być pusta.

Pobieranie i przechowywanie plików

Webhook zawiera identyfikator multimediów i URL do pobrania ważny przez 5 minut; jeśli wygaśnie, można poprosić o nowy URL za pomocą identyfikatora. Po 7 dniach pliku już nie ma. Każde potrzebne nagranie i transkrypcję trzeba pobrać, sprawdzić dołączony przez Meta skrót SHA-256 i przechowywać zgodnie z własną polityką retencji.

Dwie powiązane kwestie:

• Poczta głosowa. Jeśli włączą Państwo ustawienie poczty głosowej Meta, nieodebrane lub odrzucone połączenie może zostać odebrane z Państwa komunikatem, a wiadomość dzwoniącego trafi do Państwa jako wiadomość audio. Wiadomości głosowe także należy traktować jak nagrania.
• Nagrywanie po własnej stronie. FAQ Meta dotyczące połączeń zaznacza, że partnerzy rozwiązań mogą dodać nagrywanie i transkrypcję na bazie surowego strumienia audio. Jeśli nagrywanie odbywa się w Państwa systemach, a nie przez funkcję Meta, komunikat Meta nie jest odtwarzany, więc poinformowanie rozmówcy jest Państwa zadaniem.

Zgoda na nagrywanie rozmowy i obowiązek informacyjny: podstawy

Przepisy dotyczące nagrywania rozmów różnią się w zależności od kraju, a czasem stanu lub regionu. Ta sekcja to lista pytań do omówienia z prawnikiem, a nie zbiór zasad.

Zgoda jednej strony czy wszystkich stron. W niektórych miejscach rozmowę można nagrywać, gdy zgadza się jeden uczestnik, którym może być Państwa konsultant. W innych zgodzić się muszą wszyscy uczestnicy. Na przykład w Stanach Zjednoczonych prawo federalne i wiele stanów stosuje zasadę zgody jednej strony, a niektóre stany wymagają zgody wszystkich. Przy połączeniach międzynarodowych warto przyjąć surowszą zasadę.

RODO (UE i Wielka Brytania) i podobne przepisy. Nagrywanie rozmowy to przetwarzanie danych osobowych, więc potrzebne są:

• podstawa prawna dla każdego celu (na przykład umowa, obowiązek prawny lub prawnie uzasadniony interes albo zgoda, jeśli to właściwa podstawa), udokumentowana przed rozpoczęciem
• jasna informacja: kto nagrywa, dlaczego, jak długo nagrania są przechowywane i jak realizować swoje prawa
• minimalizacja danych: nagrywanie tylko tych połączeń i w tych celach, które są potrzebne
• limity przechowywania: harmonogram usuwania, który jest faktycznie realizowany
• prawo dostępu: klienci mogą poprosić o kopię swoich danych osobowych, co może obejmować nagrania i transkrypcje

KVKK (Turcja). Turecka ustawa o ochronie danych także wymaga podstawy prawnej i poinformowania osób o przetwarzaniu, a do tego ma własne zasady dotyczące przekazywania danych za granicę. Jeśli obsługują Państwo klientów w Turcji, warto omówić nagrywanie z doradcą ds. KVKK, w tym miejsce przechowywania nagrań i transkrypcji.

Informowanie o AI. Jeśli połączenie odbiera agent głosowy AI, należy poinformować dzwoniących, że rozmawiają z automatycznym asystentem. Niektóre przepisy tego wymagają, a w każdym przypadku buduje to zaufanie. Nasz przewodnik po agencie głosowym AI na WhatsAppie opisuje, jak rozpocząć rozmowę.

Praktyczne minimum, które sprawdza się na większości rynków:

1. Proszę powiedzieć o nagrywaniu w powitaniu, nawet gdy odtwarzany jest komunikat Meta.
2. Proszę wyjaśnić cel prostymi słowami i dbać o to, by był prawdziwy.
3. Proszę zaproponować alternatywę, na przykład kontynuację w czacie, dla osób, które nie chcą być nagrywane.
4. Proszę opisać nagrywanie w polityce prywatności i podlinkować ją w profilu WhatsApp lub w pierwszej wiadomości.

Przechowywanie, zabezpieczanie i anonimizacja nagrań

Gdy pliki opuszczą Meta, odpowiadają za nie Państwo. Przed włączeniem nagrywania warto ustalić te zasady:

• Okres przechowywania. Proszę określić, ile czasu potrzebuje każdy cel: ocena jakości może wymagać tygodni, spór umowny dłużej. Usuwanie zgodnie z harmonogramem.
• Dostęp. Ograniczenie według ról, kto może odsłuchiwać nagrania i czytać transkrypcje, oraz logi audytowe pokazujące, kto co otwierał.
• Szyfrowanie. Szyfrowanie plików w spoczynku i w transmisji oraz przechowywanie ich w regionie zgodnym z Państwa obowiązkami w zakresie ochrony danych.
• Anonimizacja. Maskowanie danych osobowych w transkrypcjach, zanim trafią do szerszych zespołów, analityki lub narzędzi AI: numerów PESEL i dokumentów, danych o zdrowiu, adresów, numerów kont.
• Rozdzielenie. Surowe audio w magazynie o ograniczonym dostępie; większość osób pracuje na zanonimizowanych transkrypcjach i podsumowaniach.
• Żądania osób, których dane dotyczą. Trzeba umieć odnaleźć i wyeksportować lub usunąć nagrania klienta na jego prośbę.

Jeśli wysyłają Państwo transkrypcje do modelu językowego w celu tworzenia podsumowań, obowiązują te same pytania o prywatność co przy każdym narzędziu AI. Nasza lista kontrolna prywatności danych w chatbotach AI omawia dostawców, klucze i retencję.

Karty płatnicze: dane kart poza nagrywanymi rozmowami

Call center przyjmujące płatności kartą przez telefon muszą przestrzegać konkretnej zasady. PCI Security Standards Council stwierdza, że przechowywanie kodów weryfikacyjnych kart (trzy- lub czterocyfrowego kodu zabezpieczającego) w jakimkolwiek nagraniu audio po autoryzacji narusza PCI DSS i że należy dołożyć wszelkich starań, aby w ogóle nie były nagrywane.

Na WhatsAppie jest prostsza droga: nigdy nie przyjmować danych karty głosowo.

Konsultant: Wyślę teraz bezpieczny link do płatności w tym czacie. Może Pani zapłacić tam, gdy jesteśmy na linii, a ja potwierdzę, gdy tylko płatność przejdzie.

Proszę przeszkolić zespół i skonfigurować agenta AI tak, aby odmawiał przyjmowania numerów kart głosowo i przechodził na link. Zobacz przyjmowanie płatności w czatach WhatsApp, aby dowiedzieć się, jak linki do płatności wpisują się w rozmowę.

Jak wykorzystać transkrypcje rozmów

Nagranie leżące w magazynie nikomu nie pomaga. Transkrypcje sprawiają, że rozmowy można przeszukiwać i wykorzystywać:

Zastosowanie	Co Państwo zyskują
Podsumowania połączeń	Powód, wynik i kolejny krok w trzech linijkach, przypisane do klienta
Przekazanie	Kolejny konsultant czyta podsumowanie zamiast prosić klienta o powtórzenie
Aktualizacje CRM	Dane leada, rezerwacja lub status sprawy zapisywane automatycznie
Ocena jakości	Ocena próbki rozmów według listy kontrolnej bez odsłuchiwania całości
Coaching	Wyszukiwanie dobrych i złych przykładów według tematu i używanie ich w szkoleniach
Trendy	Liczenie powodów kontaktu i wczesne wykrywanie nowych problemów
Luki w wiedzy	Pytania, na które zespół lub AI nie umiały odpowiedzieć, stają się nowymi wpisami w bazie wiedzy

Prosta lista kontrolna jakości do oceny na podstawie transkrypcji:

• Powitanie z imieniem i nazwą firmy oraz informacja o nagrywaniu
• Potrzeba klienta rozpoznana w pierwszej minucie
• Poprawne informacje, zgodne z Państwa zasadami
• Brak prośby o dane wrażliwe głosowo
• Jasny kolejny krok potwierdzony z klientem
• Wiadomość uzupełniająca wysłana w czacie

Warto powiązać te punkty z metrykami, które już Państwo śledzą; nasz przewodnik po metrykach i SLA obsługi czatu wyjaśnia, jak je raportować.

Nagrywanie i transkrypcja połączeń w MonoChat

MonoChat utrzymuje połączenia i czaty w jednej skrzynce, więc to, co powiedziano w rozmowie, pozostaje obok wiadomości klienta.

Połączenia WhatsApp. Dzięki połączeniom WhatsApp w MonoChat Państwa zespół lub agent głosowy AI odbiera połączenia, widząc historię czatu klienta. Po każdym połączeniu MonoChat może podsumować wynik, oznaczyć intencję i nastrój oraz wysłać uporządkowane notatki do CRM, helpdesku lub systemów wewnętrznych.

Połączenia telefoniczne przez SIP. Na Państwa linii SIP nagrywanie i transkrypcje połączeń obejmują cztery kroki:

1. Podłączenie dostawcy SIP: dane uwierzytelniające trunku, numery przychodzące i identyfikator dzwoniącego dla połączeń wychodzących.
2. Ustawienie polityki nagrywania: które połączenia są nagrywane, komunikat o nagrywaniu w przebiegu połączenia i kto ma dostęp do nagrań.
3. Włączenie transkrypcji i podsumowań, aby nagrane rozmowy stawały się tekstem z krótkim podsumowaniem AI.
4. Przegląd, wyszukiwanie i automatyzacja: przeszukiwanie transkrypcji, ocena jakości w analityce i uruchamianie przepływów na podstawie wyników połączeń.

W zakresie prywatności MonoChat zapewnia uprawnienia oparte na rolach, logi audytowe, kontrolę polityki nagrywania, przepływy bezpieczne dla danych osobowych i opcjonalną anonimizację; więcej na naszej stronie o bezpieczeństwie. Podsumowania połączeń AI wyodrębniają intencję, zadania do wykonania i notatki gotowe do CRM, a automatyzacja przepływów może na podstawie wyniku połączenia utworzyć zgłoszenie, umówić wizytę lub wysłać wiadomość uzupełniającą przez WhatsApp lub SMS.

Można zacząć od bezpłatnego planu Basic (jeden konsultant, jeden kanał) na app.monochat.ai albo sprawdzić inne plany na stronie cennika.

Źródła

• Meta for Developers: nagrywanie połączeń
• Meta for Developers: transkrypcja połączeń
• Meta for Developers: konfiguracja ustawień połączeń (poczta głosowa)
• Meta for Developers: FAQ dotyczące połączeń
• Meta for Developers: cennik Calling API
• PCI Security Standards Council: FAQ o kodach weryfikacyjnych kart w nagraniach audio