Executivos dizem que IA de voz ainda não vive seu momento ChatGPT

2–3 minutos

Apesar da onda de entusiasmo com a voz como a próxima grande interface, investidores injetaram bilhões de dólares em startups de IA de voz, que abrangem desenvolvimento de modelos, atendimento ao cliente corporativo, anotação de reuniões e ditado por IA. No entanto, figuras de destaque no setor argumentam que a tecnologia ainda não alcançou o momento inovador que o ChatGPT trouxe para o texto.

Shawn Wen, diretor de tecnologia da plataforma de IA de voz corporativa PolyAI, disse ao público da conferência HumanX, realizada no mês passado, que os modelos full‑duplex — capazes de falar enquanto ouvem — se tornaram um marco, mas o verdadeiro desafio está à frente. Ele explicou que o próximo passo é acelerar o raciocínio para que as respostas possam ser obtidas rapidamente, tornando as conversas mais naturais. Wen acrescentou que os agentes de IA de atendimento ao cliente devem evitar soar robóticos e devem dar aos chamadores confiança suficiente de que seus problemas podem ser resolvidos. “Quando a voz é boa o suficiente e o cliente permanece engajado nas primeiras interações, a confiança aumenta e, com o tempo, ele pode sentir que não precisa mais falar com um humano”, disse ele.

Alex Gay, diretor de marketing da Otter, empresa de anotação de reuniões, destacou que a identificação de falantes, a captura de intenções e a vinculação desses insights com o conhecimento organizacional são essenciais para a automação. A empresa também está desenvolvendo gêmeos digitais que poderiam representar pessoas em reuniões. Para que esses avatares sejam eficazes, Gay afirmou que a voz sintetizada deve transmitir as mesmas nuances emocionais de um participante humano. “As melhores reuniões envolvem debate e discussão estratégica baseados em relacionamentos. Se um avatar não consegue replicar isso, ele se torna apenas um chatbot de perguntas e respostas”, observou ele.

Compreensão e transparência na IA de voz

Wen e Gay concordam que a IA de voz atual frequentemente falha em compreender a intenção do usuário, resultando em transcrições imprecisas ou resumos defeituosos. Wen apontou que os modelos de reconhecimento automático de fala (ASR) frequentemente perdem palavras-chave cruciais, comprometendo a captura de contexto. Gay ecoou essa preocupação, observando que a Otter refina continuamente seu motor de transcrição porque as ações subsequentes dependem de sua precisão. “Se a transcrição original não for confiável, toda ação de acompanhamento se torna falha, corroendo a confiança na plataforma”, disse Gay.

Além da precisão, a nova geração de ferramentas de voz levanta questões de transparência. As empresas devem informar claramente os usuários quando estão falando com uma IA ou sendo gravados. A Otter planeja incorporar notificações nos chats de reunião mesmo quando seu bot não estiver presente, com o objetivo de construir confiança entre os participantes. O executivo da PolyAI, Wen, também enfatizou a necessidade de estabelecer que os chamadores estão interagindo com uma IA durante conversas corporativas, garantindo que os usuários conheçam a natureza da interação.