Assistentes de voz 101: como funciona a IA conversacional

A presença da IA conversacional na vida cotidiana está crescendo rapidamente. Caixas de som inteligentes e assistentes de voz de smartphones se tornaram parte habitual de como muitas pessoas buscam informações, realizam tarefas e organizam seus horários. Mas como essa tecnologia funciona exatamente? Neste artigo, veremos as etapas típicas que um assistente de voz segue para cumprir um comando falado e alguns componentes de software que tornam isso possível. Também veremos algumas formas de oferecer valor real aos usuários.

Etapa 1: ouvir a palavra de ativação

Um assistente de voz precisa saber quando começar a ouvir um comando. Uma palavra de ativação, como “Alexa” ou “OK Google”, ativa o assistente e indica que um comando virá em seguida. Mas como ele sabe que a palavra foi dita?

Os assistentes “ouvem” a palavra de ativação pelo microfone do dispositivo. Uma caixa de som inteligente como Amazon Alexa, na prática, está sempre ouvindo: grava áudio em segmentos de três segundos e apaga imediatamente a gravação se não detectar a palavra de ativação. ¹ Outros tipos de assistentes podem ouvi-la apenas quando a aplicação está aberta ou se o usuário aperta um botão.

Os assistentes usam aprendizado de máquina para distinguir o que é falado, incluindo a palavra de ativação. Durante o desenvolvimento, recebem muitos exemplos diferentes dessa palavra falada. Esse treinamento ensina a reconhecê-la independentemente de variáveis como gênero, sotaque e ruído de fundo. ² Assistentes projetados para fins mais específicos podem até aprender a reconhecer uma voz humana particular, o que pode servir como método de autenticação.

Etapa 2: entender o comando de voz

Depois que o assistente é ativado, o usuário pode fazer uma pergunta ou pedir que realize uma tarefa. O aprendizado de máquina permite filtrar ruídos de fundo e compreender uma grande variedade de vozes. O assistente aplica processamento de linguagem natural (NLP) para entender o que foi dito: primeiro usa software de conversão de fala em texto para inserir a solicitação no sistema e depois emprega reconhecimento de entidades nomeadas (NER) para extrair informações importantes. Se não entender a pergunta ou precisar de mais informações para concluir a tarefa, fará uma pergunta adicional e usará software de conversão de texto em fala para pedir esclarecimentos ou detalhes.

Etapa 3: atender à solicitação

O funcionamento dessa parte pode variar conforme a situação, mas vamos começar com uma visão geral. Com base nas informações extraídas, o assistente pode responder à pergunta ou realizar a tarefa adequada buscando na internet ou se conectando a outras aplicações, como calendário ou e-mail. O aprendizado de máquina permite descobrir as preferências do usuário. Quanto mais o usuário recorre ao assistente, melhor ele prevê o que é necessário.

Enquanto os assistentes de uso pessoal se limitam ao que encontram em uma busca no Google ou em aplicações sincronizadas, assistentes personalizados para empresas podem acessar dados especializados que facilitam o trabalho. Eles têm potencial para aumentar significativamente a produtividade em uma grande variedade de setores, oferecendo acesso a todos os dados necessários em uma plataforma fácil de usar. Além disso, as capacidades de aprendizado de máquina permitem personalizar os fluxos de trabalho e oferecer informações úteis no momento certo.

Mas como exatamente um assistente cumpre um comando de voz? Vamos aprofundar algumas capacidades essenciais que influenciam sua resposta.

Tratamento do contexto

É essencial que o assistente compreenda bem o contexto, incluindo as condições em que alguém o utiliza. Por exemplo, um bom assistente deve detectar quando o usuário está dirigindo e mudar automaticamente para um modo apenas de voz. Isso significa que, ao responder, não usará elementos visuais como imagens, gráficos e mapas, que podem distrair o usuário quando ele deve manter os olhos na estrada.

Outra parte essencial é lembrar as informações anteriores fornecidas pelo usuário e usá-las para inferir o que ele quer dizer conforme a conversa continua. Por exemplo, alguém pode perguntar “Qual é o endereço de John Bennet?”, receber uma resposta e depois perguntar “A que distância fica da minha casa?”. Um assistente de qualidade deve inferir que a pergunta se refere ao endereço de John Bennet e que a resposta deve incluir a distância e o tempo necessário para dirigir até lá. O aprendizado de máquina é essencial para esses processos.

Raciocínio

O aprendizado de máquina também é fundamental para que um assistente faça deduções lógicas a partir de cálculos simples. Essa capacidade o torna especialmente útil no trabalho, pois os usuários podem otimizar a produtividade e obter informações valiosas.

Para ilustrar, pense em um assistente projetado para uma equipe de vendas. Um usuário pode pedir que compare a quantidade de vendas fechadas por Jane e Tim no mês anterior. O assistente não apenas fornece os dados solicitados, mas também observa que a maioria das vendas foi fechada com cartão de crédito e que Tim só aceita débito, cheque ou dinheiro. Ao apresentar essa informação, pode sugerir que aceitar cartões de crédito provavelmente aumentaria as vendas de Tim. Chegar a essas conclusões por conta própria permite ao assistente oferecer muito valor com esforço e tempo mínimos do usuário.

Automação robótica de processos (RPA)

Cumprir um comando de voz pode significar realizar um processo inteiro com várias etapas. A tecnologia de automação robótica de processos (RPA) permite que os assistentes concluam diferentes tarefas do início ao fim de um fluxo de trabalho.

Por exemplo, Google Duplex permite fazer chamadas telefônicas para reservar uma mesa em um restaurante, agendar um horário no salão de beleza ou perguntar sobre horários de funcionamento. O assistente pode concluir todo o processo sem a intervenção de uma pessoa, pois uma rede neural recorrente lida habilmente com as complexidades de uma conversa natural com quem está do outro lado da chamada. ³

Outras aplicações de RPA incluem enviar e-mails automáticos de acompanhamento ou consultar UPS, FedEx ou USPS para saber o status de uma remessa. Assistentes personalizados para empresas podem até cuidar de processos internos rotineiros e demorados.

Etapa 4: lembretes e notificações

O trabalho do assistente não termina quando uma interação com o usuário acaba. Os usuários podem configurar um lembrete de voz para mais tarde. Um assistente móvel também pode enviar notificações push antes de compromissos e eventos importantes. Ele pode até avisar que é preciso sair mais cedo para uma reunião se houver um congestionamento.

Notificações de voz e push são especialmente úteis no ambiente profissional. Assistentes inteligentes podem alertar quando há anomalias nos dados, como uma queda repentina nas vendas, um aumento brusco nos custos ou um problema nas operações da empresa.

Saber como a tecnologia de voz funciona ajuda a compreender seu potencial para facilitar as tarefas diárias. Embora os assistentes já tenham forte presença na vida pessoal de muitas pessoas, também oferecem uma grande oportunidade para as empresas aumentarem a produtividade e melhorarem muito a experiência dos funcionários. Quem adota primeiro tem mais a ganhar com essa vantagem competitiva.

Na sophilabs, somos especialistas em tecnologia de voz. Temos experiência criando aplicações que usam IA conversacional e aprendizado de máquina para atender a necessidades específicas e variadas. É empolgante ver os problemas complexos que os assistentes conseguem resolver, e esperamos enfrentar mais desafios com essa tecnologia.