Como a IA da sua empresa deve soar para os clientes?

A voz está rapidamente se tornando uma interface primária para a IA. O mercado global de assistentes de voz deve ultrapassar US$ 30 bilhões até 2030. A adoção pelas empresas está se acelerando. A Gartner prevê que, até 2028, os assistentes conversacionais resolverão 70% das jornadas de atendimento ao cliente, lidando com tarefas como triagem, encaminhamento e resolução de problemas. Até 2029, espera-se que os sistemas de IA avancem ainda mais, conduzindo de forma autônoma até 80% das conversas comuns de atendimento ao cliente. Enquanto isso, a OpenAI, o Google, a Hume AI e outras empresas lançaram ofertas de voz em tempo real, tornando a implantação em grande escala pronta para uso. No entanto, à medida que a IA passa do texto para a fala, a mudança não será apenas técnica. Você processa cognitivamente as informações de maneira diferente quando as ouve em vez de lê-las — e isso introduz uma dinâmica comportamental que a maioria das organizações ainda não abordou. No meu trabalho como consultor de líderes empresariais responsáveis pela implementação da IA em marketing e experiências do cliente, percebo que frequentemente acabamos discutindo o design de interfaces conversacionais. Nessas conversas, comecei a fazer uma pergunta simples: quem em sua organização decide como sua IA deve soar e o que influencia essa decisão? As respostas têm sido consistentes: a maioria das organizações possui processos claros para testar o que sua IA afirma e, cada vez mais, para avaliar o quão natural ou empático soa. No entanto, poucas possuem regras claras, com base nas informações transmitidas, para combinar a confiança vocal com o nível real de certeza do sistema ou com os riscos da decisão que está sendo tomada. Isso não é apenas uma preocupação operacional. Estudiosos de ética em IA com quem conversei observaram que a entrega vocal não é algo que a maioria das estruturas de IA responsável aborda atualmente; elas tendem a se concentrar na precisão do conteúdo, no viés e no consentimento, juntamente com preocupações como clonagem de voz e deepfakes. A forma como o som de uma voz de IA molda a confiança, a conformidade e a autoridade percebida permanece amplamente sem regulamentação. E essa lacuna é mais importante do que pode parecer. O peso da confiança Pesquisas em psicologia vocal demonstraram que a forma como algo é dito influencia a forma como é recebido, independentemente da qualidade da informação subjacente. Por exemplo, um estudo de 2019 demonstrou que, ao alterar o tom, o ritmo ou a entonação, altera-se a forma como se soa confiante, o que, por sua vez, afeta a forma como as pessoas o avaliam e as decisões que tomam. Da mesma forma, um estudo de 2020 descobriu que, ao transmitir uma mensagem com uma voz confiante, torna-a mais persuasiva. Essas descobertas ajudam a explicar por que uma voz confiante tem tanto peso. Estudos mais amplos sobre influência chegaram a conclusões semelhantes. O trabalho de Robert Cialdini, por exemplo, mostrou que, quando você demonstra expertise, as pessoas tendem a confiar mais em você, pois isso lhes poupa o esforço de pensar por conta própria: a autoridade percebida se torna um atalho cognitivo. Além disso, o trabalho de Albert Bandura sobre desligamento moral mostrou que, se um orador parece autoritário, os ouvintes tendem a adiar seu próprio julgamento e transferir a responsabilidade para o orador. Em resumo, a voz é uma forma poderosa de projetar autoridade. Quando uma IA fala em um tom firme e confiante, os ouvintes podem interpretar essa confiança como prova, mesmo quando as informações subjacentes são incertas. Há também uma razão estrutural para que a confiança vocal tenha tanto peso. Ao contrário do texto, processamos a fala em tempo real. Não é possível pausar e reexaminar os detalhes de apoio da mesma forma que se faz com uma resposta escrita. Portanto, quando uma IA parece mais confiante do que as evidências sustentam, é possível confundir o conselho provisório que ela oferece com uma conclusão definitiva. Em situações de alto risco, a discrepância entre o tom e a realidade torna-se um risco real. Fidelidade e confiança Para muitas organizações, a camada de voz de um sistema de IA surge como um recurso configurável do fornecedor e é tratada como uma decisão de infraestrutura ou marca, em vez de uma variável comportamental gerenciada. As empresas podem ajustar o tom, a cordialidade e a expressividade, mas poucas calibram deliberadamente o nível de confiança com que seus sistemas soam para refletir a incerteza real ou o risco da decisão. O que falta é um princípio de design para a camada de voz. Na engenharia de áudio, a “fidelidade da voz” descreve a precisão com que um sistema reproduz o som. Tomando emprestado esse conceito, podemos pensar na fidelidade no contexto da IA não apenas como qualidade de áudio, mas também como o alinhamento entre o quão confiante a voz soa e o quanto o sistema sabe. Isso tem implicações importantes no mundo real. Considere alguns cenários: Uma ferramenta de consultoria de investimentos recomenda que uma cliente reequilibre sua carteira. A certeza do modelo na recomendação é moderada, com base em previsões probabilísticas, condições de mercado e dados incompletos do usuário, mas a voz transmite a recomendação no mesmo tom assertivo que usaria para informar a hora atual. Dados os efeitos cognitivos da confiança vocal, a cliente pode, portanto, ouvir uma recomendação definitiva quando o modelo apenas pretende oferecer uma sugestão. Ou, por exemplo, um cliente está tendo uma conversa de apoio à saúde mental com uma ferramenta de IA. Ele descreve sintomas que incluem semanas de baixa energia, dificuldade para dormir e problemas de concentração. Trabalhando com as informações limitadas fornecidas pelo cliente, a ferramenta apresenta um possível diagnóstico, que então é apresentado com confiança, afirmando: “Esses sintomas são comumente associados à depressão”. Se o cliente estivesse lendo em uma tela, ele poderia fazer uma pausa, questionar as ressalvas ou questionar o diagnóstico — e com razão, porque esses mesmos sintomas poderiam indicar estresse, esgotamento, um problema na tireoide ou luto. Mas se ele ouvir esse diagnóstico dito em voz alta com confiança, ele pode muito bem interpretá-lo como uma avaliação em vez de uma hipótese, e sua conversa com a ferramenta se estreitará antes que tenha a chance de se ampliar. Ou imagine um cliente comparando planos de seguro por meio do agente de voz de uma empresa. Uma opção parece incluir cobertura para um procedimento que o cliente espera precisar. No entanto, a aplicação da cobertura depende de detalhes que o modelo pode não possuir totalmente. Mesmo assim, ele responde com confiança: “É provável que isso esteja coberto por este plano”. Ao ouvir isso, o cliente pode parar de explorar alternativas e escolher o plano, presumindo que o procedimento estará incluído. O agente de IA não disse nada incorreto, mas fez com que uma resposta qualificada parecesse definitiva. Em cada um desses casos, os clientes podem agir em parte devido à confiança com que um agente ou ferramenta de IA se comunicou com eles. Se o resultado posterior parecer enganoso, as empresas com as quais eles interagiram incorrerão em um custo de confiança: é improvável que esses clientes retornem, independentemente de as informações subjacentes serem tecnicamente precisas ou não. O caminho a seguir As organizações que pensam mais claramente sobre esse desafio tendem a abordá-lo em dois níveis. O primeiro é a governança institucional, que envolve a definição das estruturas organizacionais e dos padrões que devem envolver a implantação da IA de voz. Isso requer que você tome três medidas deliberadas: Certifique-se de que a confiança e a certeza estejam alinhadas. Avalieregularmente se a entonação do seu agente corresponde à intensidade do sinal subjacente em diferentes situações. Assim como uma instituição financeira se certifica de que um investimento se adapta à tolerância ao risco do cliente, você deve se certificar de que a confiança vocal do seu agente esteja adequada ao contexto e às consequências da conversa que você está tendo. Defina limites para a assertividade. Nem todas as interações levam às mesmas consequências. Uma confirmação de reserva deve soar definitiva. Uma avaliação preliminar de saúde ou uma proposta de estratégia financeira devem soar diferentes: mais ponderadas, convidativas e provisórias. Classifique as interações de voz por nível de risco e, em seguida, atribua regras claras de entrega vocal — quão definitivo ou provisório o assistente deve soar — a cada nível. Atribua a responsabilidade multifuncional pela governança. Não deixe a governança apenas a cargo da equipe de produto ou marca. Como o tom influencia o comportamento das pessoas, é necessário envolver os líderes de risco, conformidade e, quando relevante, os líderes regulatórios. Torne-os conjuntamente responsáveis pela forma como o sistema se expressa. Dessa forma, a comunicação do agente refletirá os padrões de risco e as linhas de responsabilidade da sua instituição, e não apenas suas preferências de design. O segundo nível é a adaptação em tempo real, com base no que o modelo sabe e com quem está falando. Isso também requer que você tome três medidas deliberadas: Incorpore um comportamento consciente da confiança na camada de voz. Esse é o núcleo técnico da fidelidade da voz. Quando a confiança do modelo é alta, seu agente deve soar correspondentemente seguro. Quando as informações são parciais ou ambíguas, seu tom deve refletir isso. Isso não significa que ele deva soar hesitante, apenas que seu registro vocal deve mudar, tornando-se um pouco mais aberto na entonação, mais convidativo no ritmo e, talvez, verbalmente cauteloso de uma forma que reflita a incerteza subjacente. A pesquisa é clara ao afirmar que a entonação descendente transmite certeza e a entonação ascendente transmite abertura. Essas pistas podem ser calibradas intencionalmente. Determine o nível de confiança vocal com o qual os usuários se sentem confortáveis. Nem todos os usuários respondem à autoridade vocal da mesma maneira. Alguns preferem orientações claras e declarativas. Outros se saem melhor quando as incertezas e as compensações são explicitadas, especialmente em áreas desconhecidas ou de alto risco. Os serviços financeiros já avaliam a tolerância ao risco dos clientes para decidir o nível de agressividade dos investimentos; com os sistemas de voz, é possível adotar uma abordagem semelhante, calibrando o grau de assertividade das recomendações com base no que se sabe sobre o contexto do usuário, sua familiaridade com o assunto e sua sensibilidade a sinais de autoridade. Teste o impacto vocal da mesma forma que você testa o texto. Ajuste a confiança vocal usando o mesmo rigor experimental que você aplica ao texto, às linhas de assunto e ao design visual e, em seguida, continue refinando-o ao longo do tempo. Otimize para obter confiança. Se usada incorretamente, o aumento da assertividade pode melhorar a conformidade a curto prazo, mas enfraquecer os sinais de confiança ao longo do tempo. Quando isso ocorre, sugere um desalinhamento entre o tom e a certeza subjacente. Seu objetivo não deve ser a persuasão máxima, mas a credibilidade sustentada. . . . A voz não é uma interface neutra. Ela transmite autoridade, molda a interpretação e influencia a ação. À medida que os sistemas de IA começam a falar em grande escala, a questão não será mais se eles soam naturais, mas se o som deles reflete o que eles sabem. Acertar nisso é uma responsabilidade da liderança.

Como a IA da sua empresa deve soar para os clientes?

Resumo.

Partner Center