Terminologia da secretária virtual com IA: o glossário sem jargão

Começou a pesquisar um assistente telefónico com IA para resolver um problema simples — as chamadas perdidas — e, algures no terceiro separador do browser, deu de caras com um muro de palavras. Agente de voz. IVR. Fluxo de chamada. SIP. Portabilidade. Latência. Toda a gente usa estes termos como se já os conhecesse e ninguém explica. Esta é a página que explica. Sem verniz comercial, sem partir do princípio de que tem um departamento de informática: apenas a terminologia da secretária virtual com IA de que precisa mesmo para tomar uma boa decisão.

A verdade honesta sobre a maioria destes termos é esta: existem porque a rede telefónica foi construída por engenheiros, para engenheiros, décadas antes de alguém imaginar um computador a atender o telefone com voz humana. O jargão é canalização antiga. Não precisa de se tornar canalizador. Só precisa de saber o suficiente para distinguir uma funcionalidade real de uma palavra bonita e para perceber o que um fornecedor está mesmo a prometer quando diz que as suas chamadas vão ser tratadas.

As duas palavras que mais confusão causam

Antes do glossário propriamente dito, vale a pena arrumar os dois termos que as pessoas trocam constantemente: IVR e agente de voz. Os dois atendem o seu telefone. Não são a mesma coisa, e a diferença é a razão de ser de toda esta categoria.

Um IVR — Interactive Voice Response, ou resposta de voz interativa — é o velho menu «prima 1 para vendas, prima 2 para apoio». Anda por aí desde os anos 80. Segue uma árvore rígida: quem liga carrega numa tecla ou diz uma única palavra prevista no guião, e o sistema avança para o ramo seguinte. Não consegue compreender uma frase. Não consegue responder a uma pergunta que ninguém programou de antemão. Os clientes detestam-no, e com razão — obriga-os a fazer o trabalho.

Um agente de voz (também chamado recepcionista com IA, assistente telefónico com IA ou IA de voz conversacional) ouve o que a pessoa diz de facto, percebe a intenção por trás das palavras e responde em fala natural. Pergunte-lhe «estão abertos ao sábado?» e ele responde à pergunta. Peça-lhe uma marcação para terça à tarde e ele trata disso. Não há árvore de menus para navegar porque não há menu. Foi este o salto que os últimos anos tornaram possível, e é por isso que o vocabulário ficou confuso de repente: os termos antigos e os novos passaram a conviver lado a lado.

Agente de voz (e os seus muitos nomes)

Agente de voz é o termo abrangente para o software que mantém uma conversa falada ao telefone. Vai encontrar a mesma ideia vendida com uma dúzia de nomes: recepcionista com IA, assistente telefónico com IA, secretária virtual, IA conversacional, serviço de atendimento com IA, voicebot. O marketing escolhe a palavra que soa melhor a cada público. Por baixo do capô, descrevem todos o mesmo truque em três passos.

1. Ouve-o — a conversão de voz em texto transforma as suas palavras em texto no instante em que as diz.
2. Compreende e decide — um modelo de linguagem lê esse texto, percebe o que pretende e escolhe uma resposta a partir do perfil e das regras do negócio.
3. Responde a falar — a conversão de texto em voz transforma a resposta numa voz natural, depressa o suficiente para parecer uma chamada ao vivo.

Quando alguém diz que o seu agente de voz é «bom», o que normalmente quer dizer é que estes três passos acontecem com rapidez e precisão suficientes para quem liga não sentir que está a falar com uma máquina — ou, pelo menos, não se importar por estar. Todos os outros termos deste glossário são, no fundo, pormenores sobre a forma como estes três passos são ligados ao seu número de telefone real.

Voz em texto, transcrição e texto em voz

A conversão de voz em texto (STT), por vezes chamada reconhecimento automático de fala (ASR), é o passo que converte em tempo real as palavras de quem liga em texto escrito. São os ouvidos do sistema. Sotaques, ruído de fundo e duas pessoas a falar ao mesmo tempo são os seus problemas mais difíceis — e é por isso que deve testar sempre um agente de voz com uma chamada real e um pouco desarrumada, e não com uma demonstração de estúdio impecável.

A transcrição é parente próxima, mas serve outro objetivo. O STT acontece ao vivo, para o agente poder responder; a transcrição é o registo escrito da conversa inteira, guardado para poder ler mais tarde. É uma daquelas funcionalidades discretamente valiosas. Depois de cada chamada, um bom assistente envia-lhe a transcrição acompanhada de um resumo curto: quem ligou, o que queria, o que ficou combinado. Fica com a substância da chamada sem ter tido de estar lá.

A conversão de texto em voz (TTS), ou síntese de voz, é a boca. Transforma em fala audível a resposta que o agente escolheu. É o TTS moderno que faz os assistentes de hoje soarem humanos em vez de um GPS dos anos 90 — ritmo natural, respirações, um «hum» de vez em quando. Também vai ouvir a palavra voz a designar uma persona sintetizada concreta que pode escolher (mais calorosa, mais rápida, com um sotaque em particular).

Fluxo de chamada (e desenho da conversa)

Um fluxo de chamada é o mapa do que acontece durante uma chamada: como o agente cumprimenta quem liga, o que lhe é permitido fazer, quando marca em vez de anotar um recado e quando passa a chamada a uma pessoa. Nos IVR antigos, o fluxo de chamada era uma árvore de decisão rígida. Num bom agente de voz, é mais um conjunto de objetivos e limites — «cumprimenta com simpatia, responde às perguntas a partir do perfil do negócio, propõe marcar se a pessoa quiser um horário, anota um recado se tiveres dúvidas».

Vai ouvir também desenho da conversa ou prompt para designar as instruções escritas que moldam o comportamento e o tom do agente. O que isto significa na prática para si: quanto mais a configuração perguntar sobre o seu negócio — os seus serviços, o seu horário, os seus preços, a forma como gosta que os pedidos sejam tratados —, melhor o fluxo de chamada assenta. Um assistente genérico, sem contexto, dá respostas genéricas e por vezes erradas. Isso não é a tecnologia a falhar; é a configuração que foi saltada.

Intenção, entidades e «alucinação»

A intenção é aquilo que a pessoa está a tentar fazer, por baixo das palavras exatas que usou. «Têm alguma vaga na quinta-feira?», «Posso passar aí esta semana?» e «Preciso de uma marcação» são três frases com uma única intenção: marcar alguma coisa. Reconhecer a intenção é o que separa um agente de voz de um IVR que só percebe a frase exata que alguém escreveu no guião.

As entidades são os pormenores concretos dentro de um pedido — uma data, uma hora, um nome, um número de telefone, um serviço. «Marque-me um corte de cabelo com o Samuel na próxima terça às quatro» contém quatro entidades que o agente tem de captar corretamente. Quando alguém se queixa de que uma marcação entrou com a hora errada, costuma ser uma entidade mal ouvida — vale a pena confirmar que o seu assistente repete os dados a quem liga antes de terminar a chamada.

Alucinação é a palavra crua que o setor usa para quando uma IA inventa alguma coisa com toda a confiança — um preço que nunca definiu, um serviço que não presta. É o risco que mais importa a um negócio, porque uma resposta errada dada com desenvoltura é pior do que resposta nenhuma. A proteção chama-se ancoragem: um assistente bem construído responde apenas a partir do perfil que lhe deu e diz «deixe-me anotar o recado para alguém confirmar» quando não sabe. Se um fornecedor não lhe explicar como evita as alucinações, essa é uma pergunta que vale a pena insistir.

Reencaminhamento de chamadas — a porta de entrada fácil

Na prática, é este o termo que decide quanta trabalheira a configuração vai dar mesmo. Reencaminhamento de chamadas significa dizer à sua linha telefónica atual que envie as chamadas para outro sítio — neste caso, para o assistente com IA. O seu número fica exatamente onde está, na sua operadora de sempre. Só acrescenta uma regra: reencaminhar as chamadas para este novo número.

Normalmente pode definir o reencaminhamento de forma condicional. O reencaminhamento incondicional envia todas as chamadas para o assistente. O reencaminhamento por ocupado ou por falta de resposta só reencaminha quando a sua linha está ocupada ou ninguém atende ao fim de alguns toques — atende as chamadas que consegue e o assistente apanha o excedente e as de fora de horas. Para a maioria dos pequenos negócios, é esta configuração condicional que acerta no ponto: continua a atender quando está livre e nada se perde quando não está.

Portabilidade do número — a mudança definitiva

A portabilidade do número é uma mudança de outra natureza: significa transferir a titularidade do seu número de telefone de uma operadora para outra. É o que se faz quando muda mesmo de operadora e quer manter o número. É permanente, envolve papelada e pode demorar de um dia a duas semanas, consoante o país e o fornecedor.

Eis por que razão a distinção interessa quando está a comparar propostas: quase nunca precisa de fazer a portabilidade do número para usar um assistente telefónico com IA. O reencaminhamento resolve o assunto sem compromisso. Se a adesão a um fornecedor exigir a portabilidade do número principal do seu negócio só para experimentar o serviço, isso é pedir muito por algo que ainda não provou nada. Desconfie. A portabilidade é uma boa ferramenta para aquilo que serve — mudar de operadora —, mas não deve ser o bilhete de entrada para testar uma secretária virtual.

SIP, VoIP e as palavras da canalização

São os termos que fazem os empresários revirar os olhos, por isso vamos ser breves e honestos: para a maioria dos pequenos negócios, não precisa de os perceber para comprar ou usar um assistente com IA. Mas vai encontrá-los pelo caminho, por isso aqui fica o que significam.

VoIP (Voice over Internet Protocol) quer dizer simplesmente chamadas telefónicas transportadas pela internet em vez das antigas linhas de cobre. Se faz chamadas por uma aplicação, com auscultadores ligados a um computador ou com um telefone de secretária ligado à internet, já está a usar VoIP. A maioria dos telefones de empresa modernos usa.

SIP (Session Initiation Protocol) é a norma técnica que estabelece e encerra essas chamadas pela internet — o aperto de mão que liga as duas pontas. Um SIP trunk (entroncamento SIP) é um pacote de linhas de nível empresarial entregue pela internet. Vai ouvir estas palavras quando um fornecedor liga um assistente com IA diretamente à central telefónica de uma empresa grande. Num negócio de uma, duas ou cinco pessoas, isto é canalização que corre nos bastidores; raramente lhe toca.

Latência, barge-in e gestão de turnos

Estas três palavras descrevem se uma chamada parece natural, o que conta mais do que qualquer ficha técnica.

A latência é o atraso entre o momento em que quem liga acaba de falar e o momento em que o assistente começa a responder. Ao telefone, o silêncio torna-se incómodo depressa — mesmo uma pausa de dois segundos parece que a chamada caiu. É a latência baixa que faz um agente de voz parecer presente em vez de lento. É das coisas mais difíceis de acertar e das mais fáceis de notar, por isso confie nos seus próprios ouvidos durante uma chamada de teste, mais do que em qualquer número de folheto.

O barge-in (ou gestão de interrupções) é a capacidade de o cortar a meio da frase e de ele parar e ouvir — como faria uma pessoa. Sem isso, o agente fala por cima de si e tem de esperar que termine a fala do guião antes de ser ouvido. Com isso, a conversa flui. A gestão de turnos é a competência mais ampla de perceber quando quem liga terminou um raciocínio e quando apenas fez uma pausa para respirar. Se estas duas coisas correrem mal, até um agente inteligente soa a robô; se correrem bem, muita gente nem dá conta de que está a falar com software.

Passagem para humano, escalamento e transferência assistida

Um bom assistente conhece os seus limites, e estas palavras descrevem o que faz quando lá chega. A passagem para humano (ou escalamento) é o momento em que a IA para e envolve uma pessoa — porque quem liga está irritado, tem uma pergunta complexa ou pede explicitamente para falar com alguém. A elegância com que um produto resolve isto diz-lhe muito sobre o respeito que quem o fez tem por quem liga.

Há dois formatos habituais. A transferência assistida passa a chamada em curso diretamente a uma pessoa, idealmente com um resumo rápido do que já foi dito, para que quem liga não tenha de repetir tudo. A passagem por recado anota os dados e avisa-o para devolver a chamada — a opção certa quando não há ninguém disponível para receber a transferência ao vivo, por exemplo fora de horas. O essencial é que um assistente de confiança nunca finge ser humano quando lhe perguntam, nem prende ninguém num círculo sem saída para chegar a uma pessoa.

Chamadas em simultâneo, 24/7 e disponibilidade

Concorrência é o número de chamadas que o assistente consegue atender ao mesmo tempo. Uma recepcionista humana atende uma chamada; toda a gente a seguir ouve sinal de ocupado ou cai no atendedor. Um agente de voz atende várias — ou muitas — chamadas em simultâneo, sem fila de espera. Para um negócio que apanha picos súbitos (uma promoção, uma segunda-feira de manhã cheia, uma emergência), esta é discretamente uma das maiores vantagens: ninguém fica em espera e ninguém decide ligar antes ao concorrente.

24/7 e disponibilidade são as afirmações simples de que o assistente atende a toda a hora, incluindo noites, fins de semana e feriados. É por isto que muitos empresários começam a olhar para o tema. As contas são simples: se perde dez chamadas por semana — fora de horas, durante atendimentos, nos dias em que está fechado — e nem que seja uma delas fosse uma marcação que valia a pena, um assistente que as apanhe paga-se a si próprio. Não é preciso inventar nenhum estudo; já sabe quantas chamadas está a perder.

Perfil do negócio, base de conhecimento e «treino»

O perfil do negócio ou base de conhecimento é a informação de onde o assistente tira as respostas: os seus serviços, o horário, os preços que decidiu partilhar, a morada, a forma como resolve os pedidos mais comuns. É a coisa mais importante que está nas suas mãos, porque o assistente é tão rigoroso quanto este perfil. Passe vinte minutos a preenchê-lo como deve ser e a diferença na qualidade das chamadas é enorme.

Por vezes vai ver a palavra treino usada aqui de forma solta. Pode significar o treino técnico e profundo do modelo de linguagem por trás (que é feito pelo fornecedor, não por si) ou pode significar apenas «preencher o perfil para o assistente conhecer o seu negócio». Quando uma ferramenta para pequenos negócios diz «treine o seu assistente em minutos», refere-se quase sempre à segunda hipótese, bem mais simpática — responder a um pequeno questionário sobre a forma como trabalha. Ninguém espera que faça aprendizagem automática.

Como isto se traduz na hora de arrancar

Juntando o jargão todo, o processo real é reconfortantemente banal. Com a Vunoon, cria conta, preenche um pequeno questionário que se transforma no seu perfil do negócio e testa o agente de voz ligando-lhe e falando com ele como faria um cliente. Quando estiver satisfeito, ativa o reencaminhamento de chamadas na linha que já tem — sem portabilidade, sem canalização SIP para aprender — e está no ar. Depois de cada chamada recebe a transcrição e um resumo; quando o assistente não consegue ajudar, faz uma passagem por recado com elegância em vez de adivinhar.

É este o objetivo de descodificar estas palavras: assim que se vê através delas, a tecnologia deixa de intimidar e passa a ser uma pequena lista de decisões que é perfeitamente capaz de tomar. Não precisa de ser fluente na língua das telecomunicações. Precisa de uma secretária que atenda, perceba e passe a chamada com honestidade — e agora já consegue perceber se um produto faz mesmo isso.

1. 1
   Construa o perfil

   Responda ao questionário sobre os seus serviços, o seu horário e a forma como gosta que os pedidos sejam tratados. É esta a «base de conhecimento» — o assistente vale o que lá puser.
2. 2
   Teste o agente de voz

   Ligue-lhe. Interrompa-o, resmungue, faça uma pergunta fora do guião. Está a avaliar a latência, o barge-in e se responde a partir do seu perfil.
3. 3
   Reencaminhe as chamadas

   Configure o reencaminhamento condicional para o assistente apanhar o excedente e as chamadas fora de horas. O seu número fica exatamente onde está e pode desligar isto em segundos.
4. 4
   Leia as transcrições

   Cada chamada volta para si como resumo e transcrição, por isso mantém a visibilidade total mesmo sobre as chamadas que nunca atendeu.