Skip to content

وقتی اشتباهات کال سنتر هزینه‌ساز می‌شوند؛نمونه‌های واقعی و درس‌هایی برای کسب‌وکارها

مقدمه

مراکز تماس (کال سنتر) یکی از ستون‌های حیاتی ارتباط مشتری با برند هستند. اما همین مراکز، اگر به درستی مدیریت نشوند یا زیرساخت‌های لازم را نداشته باشند، ممکن است به منبعی از ریسک امنیتی، حقوقی و اعتباری تبدیل شوند. در این مقاله، چند نمونه واقعی خارجی از اشتباهات یا نقض‌هایی که در کال سنترها یا سیستم‌های خدمات مشتری رخ داده‌اند را بررسی می‌کنیم، پیامدهای آن‌ها را تحلیل می‌کنیم و درس‌هایی برای بهبود ارائه می‌دهیم.

نمونه‌های واقعی اشتباهات در کال سنتر و پیامدهای آن‌ها

نمونه ۱: نشت ۱۰ میلیون مکالمه از یک پلتفرم AI کال سنتر

در یکی از گزارشات، پلتفرم کال سنتر مبتنی بر هوش مصنوعی در منطقه خاورمیانه دچار نشت داده شد و بیش از ۱۰ میلیون مکالمه مشتریان و اپراتورها افشا گردید. در این نشت، علاوه بر مکالمات صوتی، اطلاعات حساس مانند اسناد هویتی نیز در معرض دسترسی قرار گرفتند. (Foresiet)
پیامدها و درس‌ها:

  • این رخداد نشان می‌دهد که سیستم‌هایی که بر مبنای AI و ابری هستند، اگر کنترل امنیتی نداشته باشند، می‌توانند نقطه‌ضعف بزرگی باشند.
  • تأکید بیشتری بر رمزنگاری داده‌ها، دسترسی محدود به داشبورد مدیریت و نظارت بر ورود کاربران به سیستم لازم است.
  • برای شرکت‌ها، این امر پیامد مالی، حقوقی و اعتباری دارد—از شکایات مشتریان تا مطالبه خسارت در دادگاه‌های کشوری یا بین‌المللی.

نمونه ۲: نشت اطلاعات تماس و لاگ‌های پشتیبانی مایکروسافت

در سال ۲۰۱۹، یک خطای پیکربندی امنیتی باعث شد مایکروسافت ۲۵۰ میلیون رکورد پشتیبانی مشتریان در یک پایگاه داده عمومی آنلاین قابل دسترس باشد. این رکوردها شامل آدرس ایمیل‌ها، لاگ‌های مکالماتی و سابقه پشتیبانی‌ها بود. (Montreat College)
پیامدها و درس‌ها:

  • حتی شرکت‌هایی با منابع فراوان نیز ممکن است از نظر پیکربندی امنیتی دچار مشکل شوند.
  • یک اشتباه ساده در سیاست‌های دیواره آتش (firewall) یا کنترل دسترسی می‌تواند منجر به افشای گسترده شود.
  • یکی از درس‌ها این است که باید نظارت دوره‌ای و بررسی پیکربندی امنیتی انجام شود، نه اینکه یکبار پیاده‌سازی کافی باشد.

نمونه ۳: شکایات TCPA در آمریکا علیه کال سنترها

قانون TCPA آمریکا مسئول کنترل تماس‌های خودکار و بازاریابی تلفنی است. شرکت‌ها به دلیل تماس‌هایی که بدون رضایت یا به شماره‌هایی که در لیست عدم تماس هستند ایجاد شده‌اند، بارها به شکایت کلاس اکشن (دادخواست گروهی) کشیده شده‌اند. (Holland & Knight)
برای مثال، بانک HSBC متهم شد که با سیستم اتودایلر به افرادی که مشتری نبوده‌اند، تماس بازاریابی زده است. (leadshook.com)
پیامدها و درس‌ها:

  • شرکت‌هایی که قوانین تماس خودکار را رعایت نکنند، ممکن است مجبور به پرداخت میلیون‌ها دلار جریمه یا توافق مالی شوند.
  • الزام به معنا و انتقال رضایت کاربران، اطلاع دقیق از قوانین TCPA، و استفاده از سیستم‌های Dialer مطمئن ضروری است. (Womble Bond Dickinson)
  • هزینه شکایت‌های TCPA غالباً شامل هزینه‌های حقوقی، هزینه‌های پنهان (زمان، شهرت) و تغییرات فنی برای رعایت قوانین است. (DNC.com)

نمونه ۴: نشت داده گسترده در AT&T مرتبط با لاگ‌ها و تماس‌ها

در یکی از بزرگ‌ترین نقض‌های داده در ایالت متحده، شرکت AT&T اعلام کرد که رکوردهای تماس و پیامک مشتریان — مربوط به دوره‌ای بین سال‌های ۲۰۲۲ تا ۲۰۲۳ — از طریق پلتفرم Snowflake به سرقت رفته‌اند. بعضی از منابع ادعا کردند که تقریباً کل مشتریان این شرکت تحت تأثیر قرار گرفته‌اند. (Wikipedia)
در دادگاه، AT&T موافقت کرد چند صد میلیون دلار به عنوان جبران خسارت پرداخت کند. (Reuters)
پیامدها و درس‌ها:

  • وقتی رکورد تماس‌ها به همراه دیگر داده‌های حساس نگهداری شوند، اگر زیرساخت امنیتی قوی نداشته باشند، افشایشان می‌تواند فجایع بزرگی ایجاد کند.
  • انتخاب سرویس‌دهندگان ابری و پیکربندی امن آن‌ها اهمیت بسیاری دارد.
  • برای شرکت‌هایی که خارج از کشور فعالیت می‌کنند، این نوع نشت ممکن است منجر به اقدامات نظارتی، شکایت مصرف‌کننده و خسارات سنگین شود.

نمونه ۵: کلاهبرداری تلفنی (Technical Support Scams) و تماس جعلی

در مطالعه‌ای علمی با عنوان “Dial One for Scam: A Large‑Scale Analysis of Technical Support Scams”، پژوهشگران نشان دادند که مراکز تماس جعلی طعمه کاربران را به ارائه دسترسی از راه دور به سیستم‌شان ترغیب می‌کنند و مبالغ قابل توجهی از کاربران دریافت می‌کنند. این مراکز تماس جعلی از نام‌های تقلیدی استفاده می‌کنند و گاها تجهیزات مراکز تماس واقعی را نیز جعل می‌کنند. (arXiv)
پیامدها و درس‌ها:

  • اعتماد عمومی به مراکز تماس کاهش می‌یابد اگر شکایات زیادی در این زمینه صورت گیرد.
  • شرکت‌های legit باید فرایندهای شفاف و شناخته‌شده‌ای داشته باشند تا کاربران بتوانند تشخیص دهند تماس قانونی است یا جعلی.
  • امکان سوءاستفاده از زیرساخت تماس و جعل شماره، ضبط مکالمه و مهندسی اجتماعی وجود دارد که باید در طراحی امنیتی لحاظ شود.

تحلیل مشترک و درس‌هایی که سازمان‌ها باید بدانند

از بررسی این نمونه‌ها، چند نکته کلیدی به دست میاد:

  1. داده تماس به خودی خود یک دارایی حساس است
    لاگ تماس، متن مکالمه، زمان تماس و شماره‌ها، همه جزو داده‌های حساس‌اند. اگر افشا شوند، آسیب زیادی خواهند زد.
  2. خطر بزرگ‌تر هنگام استفاده از سرویس‌دهندگان ثالث (Third‑Party Risk)
    بسیاری از نقض‌ها از طریق پلتفرم ابری، سرویس ذخیره‌سازی یا پیکربندی نادرست در سرویس‌دهنده رخ داده‌اند، نه الزاماً نقص داخلی مرکز تماس.
  3. قوانین تماس و رضایت کاربران بسیار سخت‌گیرانه شده‌اند
    قوانین مثل TCPA در آمریکا باعث شده تماس بدون رضایت یا تماس‌های خودکار به شکایت منجر شوند. شرکت‌ها باید مطمئن باشند که سیستم تماس‌شان مطابق قانون است.
  4. پیگیری حقوقی هزینه‌بر و تأثیرگذار است
    شرکت‌هایی که در معرض شکایت قرار گرفته‌اند مجبور شده‌اند مبالغ زیادی پرداخت کنند، نه فقط هزینه مستقیم، بلکه هزینه‌های حقوقی، شهرت و تغییرات فنی.
  5. اهمیت پیشگیری، طراحی امنیتی و نظارت مداوم
    هیچ راه‌حل ساکن کافی نیست. باید سیستم امنیتی، بازبینی دوره‌ای، تست نفوذ، رمزنگاری، کنترل دسترسی و نظارت لحظه‌ای داشته باشی.

توصیه‌هایی برای مراکز تماس و کسب‌وکارها

برای اینکه مرکز تماس دچار چنین فجایع نشود، پیشنهاد می‌کنم:

  • زیرساخت تماس و ذخیره‌سازی مکالمات را با استانداردهای امنیتی بالا طراحی کن، شامل رمزنگاری، مجوز حداقلی و جداسازی دسترسی.
  • هنگام استفاده از سرویس‌دهندگان خارجی، بررسی امنیت آن‌ها، SLA، قوانین دسترسی و پیکربندی را با دقت انجام بده.
  • مطمئن باش که تماس‌ها بر اساس رضایت کاربران هستند و سیستم اتودایلر قانونی استفاده می‌شود.
  • سیستم کنترل کیفیت تماس را با توانایی نظارت بر تماس‌ها، تشخیص احساس و تحلیل خطا تجهیز کن (مثلاً با راهکارهایی مثل آرتین کیوسی).
  • فرآیندهای پاسخگویی به شکایات را شفاف کن — وقتی شکایتی ثبت می‌شود، کاربر باید بداند کجا قرار است رسیدگی شود و چه زمانی.
  • بازبینی امنیتی دوره‌ای (پچ، تست نفوذ، بررسی پیکربندی) داشته باش.
  • در صورت بروز مشکل، عکس‌العمل سریع، اطلاع‌رسانی به کاربران، جبران مناسب و اصلاحات شفاف انجام بده.

 

اشتراک‌گذاری:

This Post Has 0 Comments

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

درباره آرتین

آرتین، واحد کسب‌و‌کار هوش مصنوعی توسن‌تکنو است که علاوه بر دریافت گواهی دانش‌بنیان، موفق به دریافت گواهی امنیتی روی پلتفرم هوش مصنوعی خود نیز شده است. محصولات هوش مصنوعی آرتین، سطح دقت و کیفیت سازمان‌ها را ارتقا می‌دهد و باعث افزایش رضایت مشتریان می‌شود.

ما کجا هستیم؟

ایران، تهران، بلوار سعادت‌آباد، خیابان حق‌طلب غربی، پلاک ۲۵

Back To Top