Executivos dizem que IA de voz ainda não chegou ao seu momento ChatGPT

Investidores têm injetado bilhões de dólares em startups de IA de voz que atuam em áreas que vão de criação de modelos a atendimento ao cliente empresarial, passando por gravação de notas de reunião e ditado automático. Mesmo com esse fluxo de capital, executivos de duas plataformas de destaque afirmam que a tecnologia ainda não viveu seu "momento ChatGPT".

No palco da conferência HumanX, no mês passado, o CTO da PolyAI, Shawn Wen, explicou que a empresa já alcançou o marco dos modelos full‑duplex — capazes de falar enquanto escutam — mas que o próximo desafio é tornar o raciocínio muito rápido, para que as respostas cheguem em tempo real e a conversa pareça natural. Wen também ressaltou que agentes de IA no atendimento ao cliente não devem soar robóticos; eles precisam gerar confiança nos chamadores, de modo que, após alguns turnos, o usuário sinta que pode resolver o problema sem precisar de um humano.

Alex Gay, CMO da Otter, que desenvolve um serviço de anotação automática de reuniões, destacou que a identificação de quem fala, a captura de intenção e a transcrição integrada ao conhecimento organizacional são passos essenciais para a automação. A empresa trabalha ainda em "gêmeos digitais" que representem participantes em reuniões, exigindo que a voz sintetizada reproduza as mesmas expressões emotivas de um interlocutor humano. Gay alertou que, se a experiência se limitar a um simples chatbot de perguntas e respostas, perde‑se a qualidade das discussões estratégicas.

Ambos concordam que os modelos de reconhecimento automático de fala (ASR) ainda perdem palavras‑chave importantes, comprometendo o contexto completo. Wen apontou que falhas na captura de palavras críticas afetam a compreensão da conversa, enquanto Gay explicou que transcrições imprecisas geram ações equivocadas, corroendo a confiança na plataforma. Para mitigar esses riscos, Otter pretende notificar todos os participantes quando a gravação ou a IA estiverem em uso, e a PolyAI reforça a necessidade de deixar claro que a chamada está sendo atendida por uma inteligência artificial.

“A empresa trabalha ainda em "gêmeos digitais" que representem participantes em reuniões, exigindo que a voz sintetizada reproduza as mesmas expressões emotivas de um interlocutor humano.”

Por que importa

A confiança do usuário depende da capacidade da IA de voz de responder rapidamente, entender corretamente o que foi dito e deixar claro quando está em operação. Erros de transcrição podem gerar decisões erradas em processos corporativos, reduzindo a produtividade que a automação promete. Transparência sobre gravações e a presença de IA também é crucial para evitar surpresas e manter a aceitação em ambientes empresariais.

O que observar

• A velocidade de raciocínio dos modelos full‑duplex, que deve melhorar para tornar a conversa fluida.
• A precisão dos sistemas ASR, especialmente na captura de palavras‑chave críticas.
• Iniciativas de transparência, como notificações de gravação e avisos de interação com IA.
• Desenvolvimento de gêmeos digitais que reproduzam emoções humanas em reuniões.