Apesar do avanço dos modelos full-duplex, especialistas da PolyAI e Otter afirmam que a IA de voz ainda enfrenta desafios críticos de contexto e precisão.
O estado atual da IA de voz
O setor da inteligência artificial tem visto um investimento massivo em tecnologias de voz, abrangendo desde a criação de modelos até ferramentas de transcrição em tempo real e assistentes de serviço ao cliente. Contudo, vozes da indústria sugerem que a maturidade da tecnologia é frequentemente sobrestimada.
Shawn Wen, CTO da plataforma de IA empresarial PolyAI, afirmou que, embora tenhamos alcançado o marco dos modelos full-duplex — capazes de ouvir e falar simultaneamente —, a tecnologia ainda não atingiu o seu "momento ChatGPT". O desafio imediato, segundo Wen, é otimizar a velocidade de raciocínio para que as conversas soem naturais e não robóticas.
Desafios de contexto e precisão
Um dos pontos críticos identificados é a falha na compreensão do contexto. Modelos de Reconhecimento Automático de Fala (ASR) frequentemente perdem palavras-chave essenciais, o que compromete toda a cadeia de processamento subsequente.
- Precisão na transcrição: Alex Gay, CMO da Otter, sublinha que a transcrição é apenas a camada base. Se a precisão for baixa, todas as ações automatizadas derivadas dessa transcrição tornam-se falíveis, levando à perda de confiança do utilizador.
- Interação e confiança: Para que a IA de voz substitua interações humanas, o utilizador precisa de sentir que o agente consegue resolver o seu problema. A capacidade de expressar emoções e manter uma discussão estratégica é vista como o próximo passo necessário.
Transparência e o futuro das reuniões
A questão da transparência é central para a adoção destas ferramentas. Tanto a PolyAI como a Otter defendem que é imperativo que os utilizadores saibam que estão a interagir com uma IA ou que a conversa está a ser gravada. A Otter, por exemplo, explora métodos para notificar todos os participantes numa reunião sobre a presença de bots de gravação, mesmo quando o bot não está fisicamente presente na chamada.
Enquanto a indústria avança, o foco parece estar a mudar de simples transcrição para a criação de "gémeos digitais" e agentes capazes de capturar a intenção organizacional, um passo fundamental para a automação eficaz no mundo empresarial.
Fontes
Antes de comprares, compara no AHT Scan
Vê preços em várias lojas, promoções e histórico observado num único lugar.
Óculos inteligentes: Google detalha proteções de privacidade
Google Flow: 5 novas ferramentas de IA criadas por artistas
Google atribui 13 milhões de dólares a 148 investigadores de doutoramento em 2026