O caminho natural é reaproveitar: o agente já atende bem no chat, basta ligar a voz. A primeira conversa mostra o problema. O agente lê uma lista numerada de cinco itens, soletra uma URL, diz “conforme o link abaixo” e demora para começar, porque o prompt enorme que funcionava em texto agora custa um tempo que a ligação não tem.
Diretrizes de voz precisam de quatro ajustes em relação às de texto: respostas de duas ou três frases; nenhuma formatação (listas, markdown, links); no máximo dois ou três itens por vez, com uma pergunta de retorno; e um prompt enxuto, porque cada instrução a mais soma latência. O conteúdo pode ser o mesmo. A forma de entregar é outra.
O ouvido não volta
Quem lê pode reler. Quem ouve, não. Numa resposta falada, o cliente precisa guardar na memória tudo o que ouviu até o fim da frase, e isso limita o tamanho útil de uma resposta a bem menos do que parece. Cinco opções ditas em sequência viram uma: a última.
O que tirar do prompt de texto
- Listas longas. Mencione as duas ou três principais e pergunte se a pessoa quer saber das outras.
- Formatação. Negrito, títulos e marcadores não existem em áudio, e dependendo da voz os símbolos acabam lidos em voz alta.
- Links e endereços longos. Se a pessoa precisa de um link, ofereça mandar por mensagem.
- Termos técnicos. Em voz, ninguém para a ligação para pesquisar uma sigla; simplifique.
O que acrescentar
- Uma regra explícita de tamanho: “responda em até três frases”.
- Uma pergunta de retorno no fim da resposta, para devolver a vez.
- Frases de transição curtas, como “certo” e “entendi”, que dão ritmo sem enrolar.
- O que fazer quando não entender: pedir para repetir é aceitável em voz; chutar, não.
Um bom prompt de voz é mais curto que o de texto, não mais longo. Cada linha a mais é processada em toda resposta, e em voz ela custa tempo percebido.
Raciocínio custa silêncio
Níveis altos de raciocínio melhoram respostas complexas, e em texto a espera é tolerável. Em voz, cada segundo de raciocínio é um segundo de silêncio na linha. Para a maior parte do atendimento por voz, raciocínio baixo com uma base de conhecimento bem organizada rende mais do que o contrário. A base também pesa: itens curtos e específicos são recuperados mais rápido do que um PDF de oitenta páginas.
A voz também faz parte do prompt
O timbre muda a percepção tanto quanto o texto. Uma voz firme e uma voz acolhedora lendo a mesma saudação passam impressões diferentes da marca. Antes de escolher, ouça pelo menos três vozes com a saudação real do seu negócio, e não com a frase de exemplo.
Como testar
Na Take Sales, cada voz tem prévia de áudio no formulário do agente, e a chamada de teste liga para o seu telefone com o agente já configurado. Faça perguntas que você sabe que geram listas, peça um endereço, interrompa no meio de uma resposta. Se o agente atende texto e voz ao mesmo tempo, o contexto se mantém quando o visitante alterna entre os dois, então vale testar a troca também. Agente de voz e latência de resposta estão no glossário.
