«Alisa AI» aprende a ligar pelo usuário: Yandex testa um agente de voz

A maioria dos assistentes de IA escreve textos muito bem e pesquisa informações razoavelmente bem, mas esbarra num muro onde é preciso uma pessoa de verdade do outro lado. Marcar consulta médica, verificar se há mesa, descobrir numa oficina o preço da troca de óleo: metade dessas tarefas ainda se resolve com uma ligação, e não com um botão no aplicativo. A Yandex decidiu derrubar esse muro de frente: a «Alisa AI» agora testa uma função em que ela mesma liga para organizações e pessoas físicas por encargo do usuário.

O que se sabe de fato

Por enquanto há poucos fatos. Segundo o Vedomosti, citando um representante da empresa, a Yandex iniciou o teste da nova função. O assistente faz chamadas para organizações e para pessoas comuns. Na tela do telefone do destinatário aparece o rótulo «Alisa, solicitação de um usuário». Todo o resto não foi divulgado na publicação: não há informação sobre quem terá acesso primeiro, quanto custará, quais cenários são permitidos e como o assistente reporta o resultado da conversa. Quaisquer detalhes além disso continuam sendo suposições e não convém incluí-los em planos.

Por que isso é mais importante do que parece

A abordagem aqui é fundamental. Normalmente a «agência» da IA é construída por meio de integrações: o serviço tem uma API, o assistente a chama e recebe uma resposta. Mas a maioria dos salões de beleza, clínicas, lojas pequenas e simples conhecidos não tem API e nunca terá. Já o telefone todo mundo tem. A ligação se torna uma interface universal para um mundo que não foi digitalizado: o agente não precisa negociar integração com cada negócio, basta o número.

A ideia em si não é nova. Assistentes de voz que ligam por uma pessoa já foram mostrados antes, e no mundo essa é uma classe de produtos discutida há muito tempo. O novo é outra coisa: trata-se de um assistente russo de massa com grande audiência, e a Yandex leva essa função para um produto, e não para uma demonstração em conferência.

O rótulo na tela do destinatário merece menção à parte. É ao mesmo tempo uma decisão de produto e ética. Se a IA ligasse em silêncio, sem se identificar, isso logo viraria uma ferramenta de chamadas de spam e fraude, e a desconfiança das pessoas em relação a qualquer ligação desconhecida cresceria. Uma nota com a formulação «solicitação de um usuário» mostra que por trás da chamada há uma pessoa concreta, e não um disparo em massa.

O que isso significa para desenvolvedores e gerentes de produto

Primeiro: a voz como canal para agentes volta à pauta. Se você tem um serviço para empresas com agendamento por telefone, prepare-se para que assistentes comecem a ligar para você. Isso significa que roteiros, URAs e atendentes devem saber dialogar também com uma máquina: responder com clareza, sem menus longos, com confirmação dos dados.

Segundo: se você constrói seus próprios agentes, veja este caso como um exemplo de escolha de interface. Quando não há integração, o caminho mais barato às vezes passa por um canal humano existente, e não pela escrita interminável de conectores.

Terceiro: limitações e riscos precisam ser previstos desde o início. Uma ligação é uma ação irreversível. Se o assistente entender mal a tarefa e agendar você na data errada, quem terá de corrigir é você. Daí as perguntas que vale fazer a qualquer agente de voz: como a tarefa é confirmada antes da ligação, o que acontece quando o interlocutor responde algo inesperado, quem responde por um erro e como as gravações das conversas são armazenadas.

O que ainda falta

Não há dados de qualidade: quantas chamadas terminam com sucesso, como o assistente se comporta quando o interlocutor o interrompe, foge do assunto ou simplesmente desliga. Não há informação sobre o arcabouço jurídico: consentimento para o tratamento da voz e dos dados pessoais do interlocutor, armazenamento das gravações. E não está claro se os destinatários poderão recusar a conversa com uma IA.

Por ora é um teste, e deve ser encarado como um sinal de direção, e não como um produto pronto. Mas a direção é clara: os assistentes deixam de apenas responder e passam a agir num mundo em que a maioria das tarefas ainda não tem um botão, mas tem um número de telefone.