Ir para o conteúdo principal
Setores

Os agentes de voz chegaram. O contexto os transforma em valor real para o cliente.

Como o Databricks une contexto governado, a ontologia do seu negócio e tomada de decisão rápida com IA para personalizar cada conversa com o cliente em tempo real.

por Rohit Bhagwat, Usman Zubair e Sathish Gangichetty

  • A voz já está mudando a forma como os clientes interagem com as marcas. As pessoas que migraram de lojas físicas para sites e aplicativos agora esperam simplesmente conversar com as empresas de quem compram, e essa mesma mudança está chegando a fornecedores, motoristas e equipes de campo.
  • Até agora, a maior parte da IA corporativa tem sido voltada para dentro. A maior oportunidade está nas conversas que as empresas têm com clientes e parceiros todos os dias, e cada uma dessas conversas agora pode ser capturada, compreendida e processada em tempo real.
  • Qualquer equipe pode criar um agente de voz interativo, mas o valor só é gerado quando o agente tem o contexto de quem está ligando. A partir daí, ele pode se adaptar a essa pessoa, seguir regras definidas e melhorar a cada chamada.
  • No Databricks, o cérebro do agente fica junto aos seus dados governados. O contexto e a ontologia fundamentam cada resposta, decisões rápidas de IA personalizam cada interação, e cada chamada alimenta um ciclo de aprendizado.
  • Começar é simples. Escolha uma ligação rotineira de alto volume, meça o desempenho do agente ao lidar com ela e use o blueprint DIVA como ponto de partida para a próxima.

Por que voz e por que agora

Pense em três situações que acontecem todos os dias em empresas voltadas ao consumidor: 

  • Às 6h, um motorista atrasado para a janela de entrega liga para a central para alterar seu agendamento de doca. Ele está dirigindo, então usar um aplicativo não é uma opção. Outros três motoristas já estão na linha de espera, e cada minuto de espera coloca a próxima entrega em risco.
  • Ao meio-dia, um drive-thru tem quatro carros na fila e um único funcionário com headset, que também está recebendo pagamentos e entregando pedidos. Os clientes só podem fazer pedidos falando, portanto, a fila anda apenas na velocidade em que um funcionário consegue processar os pedidos.
  • À noite, uma tempestade cancela voos, e os passageiros presos no aeroporto ligam para o hotel para reservar quartos e adiar a chegada. Em pé no portão de embarque com uma mala em cada mão, uma ligação telefônica é mais fácil e rápida do que acessar um site. A equipe de reservas conta com duas pessoas e quarenta chamadas chegando. 

Em cada um desses momentos, a voz é a forma mais rápida ou a única para o cliente entrar em contato com a empresa. Portanto, se a voz atende às necessidades do cliente e do negócio da maneira mais eficaz, por que ela muitas vezes não está disponível ou, mais recentemente, é mal executada?

Durante anos, a resposta era que a voz era difícil demais de acertar. Isso não é mais verdade. Vozes sintéticas agora soam naturais, uma conversa pode ser transformada em texto e processada enquanto o interlocutor ainda está na linha, e os agentes de voz de hoje conseguem acompanhar os cerca de 200 milissegundos que as pessoas normalmente levam para responder umas às outras em uma conversa.

O que não acompanhou essa evolução foi a forma como a maioria das empresas pensa sobre o assunto. O investimento em Enterprise AI tem sido voltado majoritariamente para dentro, criando assistentes para funcionários, enquanto a maior oportunidade está nas conversas que as empresas mantêm com clientes e parceiros todos os dias. Uma das maiores marcas de fast-food dos Estados Unidos já está construindo exatamente isso, com um agente de voz que permite aos clientes adicionar itens ao carrinho, alterar o pedido e finalizar a compra simplesmente falando.

Exemplos de casos de uso em que agentes de voz podem gerar valor.

Cada uma dessas ligações, desde o motorista mudando o agendamento de uma doca até o passageiro reservando um quarto após uma tempestade, depende de muito mais do que apenas entender a fala. Para ser útil, o agente precisa do mesmo contexto que o seu melhor funcionário teria: quem está ligando, o que já está em andamento para essa pessoa e o que o agente tem permissão para fazer a respeito.

A peça que falta é conhecer o seu cliente

A maioria dos pilotos de agentes de voz prova que um agente consegue manter uma conversa. Bem poucos provam que ele pode receber a confiança de um cliente real. O contexto preenche essa lacuna. Com ele, o agente pode se adaptar a cada ligação, respeitar as suas regras sobre o que pode ver e dizer, e melhorar a cada chamada. Sem ele, até a voz mais natural só conseguirá dar respostas genéricas.

Pense em uma única ligação. Um cliente fiel liga sobre um pedido atrasado. O agente já sabe quem ele é, o que pediu e onde o pacote está. Ele pede desculpas, oferece um crédito de fidelidade que está autorizado a conceder e providencia a substituição. Se o cliente continuar frustrado, o agente percebe isso no mesmo instante e decide, em uma fração de segundo, encaminhar a ligação para a próxima pessoa disponível. Esse atendente assume o caso com todo o contexto, para que o cliente não precise esperar na fila nem repetir as informações. O mesmo padrão se aplica quando um paciente remarca uma consulta ou um assinante não consegue fazer login após uma cobrança que não reconhece. Em cada caso, o agente entra em ação quando o cliente sai do aplicativo ou site e precisa de uma resposta imediata, devolvendo-o para essa mesma jornada quando a ligação termina.

Reunir todo esse contexto em uma ligação ao vivo é o verdadeiro desafio. Ele está espalhado por vários sistemas, o agente precisa dele em uma fração de segundo e tudo deve permanecer governado o tempo todo. É aí que entra o Databricks.

O cérebro por trás do agente de voz: contexto, ontologia e governança no Databricks

Um agente de voz tem duas partes. A primeira é a camada de conversação, que gerencia a ligação em si: transportando o áudio, transformando a fala em texto e verbalizando a resposta. Parceiros especializados fazem isso muito bem. Em nosso protótipo, o LiveKit transporta a ligação, o Deepgram lida com a conversão de fala para texto e a voz padrão, e o ElevenLabs adiciona vozes expressivas. Operadoras de telefonia como o Twilio podem integrar linhas telefônicas tradicionais.

A segunda parte é o cérebro, que o Databricks fornece. A cada turno da conversa, ele busca o contexto de quem está ligando, aplica suas regras de negócio e escolhe o próximo passo, seja responder a uma pergunta, fazer uma oferta ou transferir a ligação para um atendente humano. Ele também registra cada decisão para que suas equipes possam revisá-la mais tarde. A camada de conversação molda a sonoridade do agente. O cérebro decide se ele acerta a resposta.

O cérebro se apoia em três pilares que já funcionam juntos no Databricks.

  • Contexto é o dado de que o agente precisa no momento: os dados do cliente, do pedido, do produto e da política pertencentes à pessoa na linha.
  • Ontologia é a forma como esses dados se conectam. Ela captura as definições e os relacionamentos que movimentam o seu negócio, como o que torna alguém um membro do programa de fidelidade, a qual loja um pedido pertence e qual política se aplica a determinado produto, para que o agente possa raciocinar sobre o seu negócio da mesma forma que os seus funcionários.
  • Governança determina quem pode ver o quê. No Databricks, um agente de IA segue as mesmas regras de acesso do seu catálogo de dados corporativo que os seus funcionários já seguem.

Para os clientes do Databricks, não há uma nova plataforma para configurar. O agente é executado onde os seus dados já residem e se conecta aos sistemas que você já utiliza, como pedidos, fidelidade e CRM, por meio de consultas aprovadas e somente leitura.

Pilar 1: Fundamentar cada resposta no seu negócio

Durante a interação com o cliente, o agente usa o seu contexto e a sua ontologia para consultar os pedidos dessa pessoa, as suas políticas e as informações de produtos, de modo que cada resposta reflita o seu negócio em vez de um conhecimento genérico da internet. O agente vê apenas os registros que pertencem a quem está ligando e confirma a identidade verificando os seus sistemas, em vez de apenas acreditar na palavra da pessoa. O seu negócio decide quais ofertas o agente pode fazer, quanto crédito pode conceder e o ponto exato em que um ser humano assume o atendimento.

Se o agente não encontrar a resposta nos seus dados, ele avisa o cliente e o transfere para um atendente humano, em vez de adivinhar. Cada resposta fornecida pode ser rastreada até o registro de origem. Assuntos confidenciais, como questões médicas, financeiras ou de segurança, são direcionados a humanos por design, e o agente é configurado para nunca dar conselhos médicos. Apenas a conversa passa pelos parceiros de voz, e os dados do cliente permanecem na sua plataforma governada.

Pilar 2: Personalizar cada conversa com decisões rápidas de IA

Um agente de voz precisa de dois tipos de raciocínio. Algumas decisões precisam acontecer em uma fração de segundo, como decidir se um motorista com um problema na doca ou um cliente irritado deve ser transferido para um atendente agora mesmo. Outras exigem um raciocínio cuidadoso, como encontrar a solução ideal para um pedido atrasado. Os pesquisadores chamam isso de pensamento rápido e devagar, ou Sistema 1 e Sistema 2, e a IA agora está sendo construída da mesma maneira. Large language models (Sistema 2) fazem o raciocínio detalhado, enquanto uma nova classe de modelos de decisão rápida (Sistema 1), como o Jev da TypeSafe AI, lida com as chamadas rápidas. O Databricks traz a tomada de decisão do Sistema 1 para os seus dados governados com o recurso ai_decide, permitindo que o agente tome decisões ágeis e demonstre o seu nível de confiança.

Em um agente de voz, os dois funcionam lado a lado a cada turno da conversa.

  • Um membro fiel ou hóspede recorrente obtém seu histórico completo e as ofertas para as quais se qualifica, com o suporte do seu modelo mais capaz, enquanto uma pergunta rotineira recebe uma resposta rápida e precisa a um custo menor.
  • Um cliente irritado ao telefone é transferido para uma pessoa, junto com o pedido ou reserva, quaisquer reclamações anteriores e quaisquer ofertas já feitas.
  • Um chamador que muda de idioma ouve o agente mudar de idioma com ele.
  • Um assinante que vê uma cobrança que não reconhece e não consegue fazer login é verificado em seus registros e encaminhado diretamente para a recuperação de conta, em vez de esperar em uma fila geral.
  • Um assinante que liga para cancelar ouve a oferta de retenção para a qual realmente se qualifica, no momento em que ela ainda pode fazê-lo mudar de ideia.
  • Um paciente que pergunta se um sintoma é sério é transferido para um enfermeiro com a transcrição completa.
  • Um motorista que relata um incidente na doca é escalado imediatamente, antes que isso custe um envio a você.

Isso permite que você use seus modelos mais capazes onde eles fazem uma diferença real para o cliente, e modelos mais rápidos e de menor custo para todo o resto.

Pilar 3: Criando um loop de aprendizado a cada chamada

Cada uma dessas decisões é registrada. Com o consentimento do chamador e a divulgação de gravação tratados na camada de telefone, cada chamada pode ser capturada em um local governado: o que foi dito, o que foi consultado, qual modelo respondeu e por que cada decisão foi tomada. Suas equipes controlam quem pode acessar esses registros e por quanto tempo eles são mantidos, usando as mesmas políticas que já governam o restante dos seus dados. O agente herda os programas de segurança e conformidade da plataforma Databricks, incluindo HIPAA e opções SOC 2 Type II, descritas no Databricks Trust Center. Os parceiros de fala possuem suas próprias certificações que precisam ser revisadas como parte da sua implementação.

Esse registro é o que permite que o agente melhore. Cada chamada pode ser pontuada quanto à qualidade automaticamente, e os líderes de centrais de atendimento e experiência do cliente podem fazer perguntas sobre suas chamadas em linguagem natural, como por que os pedidos de reembolso dispararam na última terça-feira. Esses insights podem então ser realimentados em prompts e modelos melhores, melhorando ainda mais a eficácia do agente de voz.

Primeiros passos com agentes de voz no Databricks

Começar não exige um programa grande. Os blocos de construção estão disponíveis hoje, e o blueprint Databricks Intelligent Voice Agents (DIVA), que é de código aberto no GitHub, oferece às suas equipes um ponto de partida funcional. A voz então se torna um novo canal sobre os sistemas que você já possui.

O agente de voz está lá para assumir as chamadas rotineiras que lotam a fila, como status de pedidos, recargas e reagendamentos, para que sua equipe possa se concentrar nas conversas que precisam de um humano: um cliente chateado, uma solicitação complexa ou um chamador que simplesmente prefere falar com uma pessoa. Quando um membro da equipe atende, o histórico completo já está na tela dele e, se algo der errado, a chamada é transferida para uma pessoa com a transcrição completa.

É para cá que o atendimento ao cliente está caminhando. Gartner prevê que até 2029, a IA agêntica irá resolver autonomamente 80% dos problemas comuns de atendimento ao cliente sem intervenção humana, levando a uma redução de 30% nos custos operacionais.

Os engenheiros da indústria do Databricks recomendam começar com um piloto de 90 dias que cubra um canal, uma equipe e sua chamada rotineira de maior volume, como status de pedido, check-in de motorista ou confirmação de fornecedor. Antes do início do piloto, registre o custo atual por chamada, o tempo de atendimento e a satisfação do cliente, e acompanhe se os clientes retornam e compram novamente, para que você possa comparar os resultados no final. Assim que os resultados se sustentarem, você poderá estender a mesma configuração governada para mais locais e mais tipos de chamadas.

Três perguntas para sua próxima reunião de liderança

  1. Quais conversas com clientes e parceiros nós atendemos com mais frequência, e quais delas um agente poderia responder com precisão hoje?
  2. Se um agente de voz respondesse em nosso nome amanhã, ele saberia com quem estava falando e seguiria as mesmas regras que nossos funcionários?
  3. Podemos rastrear cada decisão que um agente toma em uma chamada e mostrar que ela foi governada?

Para ver isso em ação, assista à demonstração completa e compartilhe o blueprint do DIVA no GitHub com sua equipe técnica. Ele inclui instruções prontas que os agentes de código podem seguir. Em seguida, entre em contato com a sua equipe de contas do Databricks para discutir e debater seu primeiro caso de uso.

Seus clientes logo estarão conversando com um agente de IA em seu nome. O que importa é o quão bem esse agente os conhece.

(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original

Tags relacionadas:

Varejo e bens de consumo

Receba os posts mais recentes na sua caixa de entrada

Assine nosso blog e receba os posts mais recentes diretamente na sua caixa de entrada.