O que um agente de voz de cobrança precisa acertar ao telefone

O que um agente de voz com IA enfrenta que um agente de chat nunca enfrenta?

Um agente de voz, às vezes vendido como voicebot ou agente de ligações com IA conversacional, é um software que conduz sozinho uma conversa por telefone: escuta, entende o que o cliente quis dizer, decide o que responder e responde com uma voz sintética. Para bancos, financeiras e outras empresas do setor financeiro que querem fazer ligações de cobrança desse jeito, o telefone perdoa muito menos que uma janela de chat, e quase tudo o que ele perdoa menos dá para ouvir.

Por escrito, uma resposta que demora quatro segundos é aceitável, e um erro de digitação passa batido. Ao telefone, quatro segundos de silêncio fazem o cliente perguntar "alô?", e um número ouvido errado vira um valor falado errado, sem como voltar atrás. E antes de tudo isso, alguém precisa atender, coisa de que uma mensagem nunca precisa.

Por isso, as perguntas que decidem se um agente de voz funciona são quase todas sobre som e tempo, não sobre o modelo por trás dele. Dá para testar a maioria com um telefone, uma lista e alguns dias.

Com que rapidez um agente de voz precisa responder?

O cliente nunca deveria ficar na dúvida se a ligação caiu. Estudos sobre conversas em muitas línguas mostram que as pessoas costumam deixar uns 200 milissegundos, um quinto de segundo, entre uma pessoa terminar e a outra começar. Ninguém espera que um software iguale isso, mas quanto mais a resposta passa de um segundo, mais a ligação soa como uma máquina pensando, e o cliente preenche o silêncio falando por cima.

O intervalo entre o cliente terminar e o agente começar se chama latência. Ela soma várias etapas: transformar a fala em texto, decidir a resposta, transformar a resposta de volta em fala e a própria rede telefônica. Peça ao fornecedor, seja um especialista em cobrança ou uma plataforma geral de voz com IA, o número típico e o pior caso, medidos em ligações reais e não numa demonstração no navegador, porque a rede acrescenta um tempo que a demonstração nunca mostra.

Depois, escute como o agente cobre os momentos lentos. Uma pessoa consultando uma conta diz "só um instante, vou verificar". Um agente que faz o mesmo, de forma breve e só quando está de fato esperando alguma coisa, soa natural. Um que enche toda resposta de muletas soa como quem está enrolando.

O cliente consegue interromper?

Ele vai interromper, o tempo todo. As pessoas interrompem para corrigir um dado errado, para dizer que já pagaram ou porque entenderam e querem seguir em frente. A capacidade de parar de falar quando o cliente começa costuma ser chamada de barge-in, e um agente sem ela continua lendo a frase enquanto o cliente diz "não, não é isso" por baixo.

Teste três coisas. Ele para em uma fração de segundo quando você fala por cima? Ele responde ao que você disse, em vez de retomar a frase antiga? E ele distingue uma interrupção de verdade de um barulho de fundo: uma tosse, uma televisão, uma criança no cômodo. Não deve parar a cada ruído, senão o cliente também nunca consegue terminar uma frase.

Como ele deve falar valores, datas e números de referência?

Do jeito que uma pessoa cuidadosa falaria. "1.250,50" tem que sair como "mil duzentos e cinquenta euros e cinquenta centavos", não como uma sequência de dígitos nem como "um vírgula dois cinco mil". Datas devem ser dias que o cliente consiga situar: "nesta sexta, dia 20" em vez de "20/11". Números de referência longos devem ser lidos em grupos curtos, com pausa entre eles, e oferecidos de novo por mensagem se o cliente quiser anotar.

Todo valor que o cliente der deve ser repetido de volta antes de uma promessa de pagamento ser fechada. Se ele diz "consigo sessenta na sexta", o agente deve confirmar se são 60 ou 70 euros, e qual sexta. Números falados são um lugar fácil para a ligação dar errado em silêncio, porque "sessenta" e "setenta" soam parecido e os dois são pagamentos plausíveis.

O que acontece quando uma máquina, ou a pessoa errada, atende?

Muitas ligações ativas caem na caixa postal, então o agente, ou o discador que faz as ligações por ele, precisa distinguir uma saudação gravada de uma pessoa de verdade, o que o setor chama de detecção de caixa postal. Os dois erros custam alguma coisa. Se o agente toma uma pessoa por máquina, ele desliga ou toca uma mensagem para alguém que acabou de dizer alô. Se toma a máquina por pessoa, começa uma conversa com uma gravação. Digamos que 1.000 ligações numa semana sejam atendidas por pessoas e o agente leia errado 4% delas: 40 clientes tiveram a ligação que atenderam jogada fora.

Decida o que a mensagem na caixa postal diz antes do lançamento. Qualquer pessoa da casa pode ouvi-la, então uma mensagem sensata é curta e neutra: o nome da empresa, com quem falar e um número para retornar, nada sobre a conta.

O mesmo cuidado vale quando quem atende é uma pessoa, mas não o cliente. O agente deve confirmar que tem contato com o titular, o próprio cliente, antes de mencionar qualquer dívida, e quando é um cônjuge ou um colega na linha, deve dizer só o suficiente para combinar outro horário.

Os clientes vão atender as ligações dele?

Só se o número parecer de alguém que vale a pena atender. Um número marcado como possível spam, ou um que o cliente não reconhece, muitas vezes fica sem resposta, e aí a qualidade do agente por trás dele não importa.

Cada ligação não atendida baixa a sua taxa de contato, então pergunte como os números de onde o agente liga são escolhidos, registrados e monitorados contra marcações de spam, e se o número exibido é um que o cliente pode retornar e cair na mesma empresa. Mantenha os mesmos poucos números para os mesmos clientes, e aposente qualquer número que comece a acumular marcações de spam em vez de ligar dele com mais força.

Como testar agentes de voz com IA para cobrança antes do lançamento?

Escreva as ligações de teste antes de o fornecedor fazer qualquer uma. Agrupe pelo que pode dar errado: o cliente que interrompe, o que dá um valor que pode ser ouvido errado, o que atende por outra pessoa, o que está numa linha ruim, o que pede para falar com uma pessoa. Dez categorias com 30 ligações cada dão 300 ligações, o suficiente para ver um padrão em vez de uma anedota, e um time pequeno faz isso em poucos dias.

Faça as ligações de telefones reais, em redes móveis, de cômodos com barulho, porque é onde os seus clientes estão. Pontue cada ligação contra a tabela acima, com um falante nativo de cada idioma escutando valores, nomes de lugares e sobrenomes. Depois repita o mesmo conjunto a cada mudança significativa no agente, para que um ajuste num ponto não quebre outro em silêncio.