Bots e IA: Voice x Texto para a interface do seu bot de IA

Como você decide se o seu bot de IA deve ser um chatbot ou um bot de Voice? O contexto do caso de uso é, obviamente, um fator importante, mas será que esse deve ser <span style="font-style: italic;">the</span> fator decisivo ou você deveria disponibilizar ambos os canais aos usuários? Martin Beeby, evangelista técnico da Microsoft; Syd Lawrence, CEO e cofundador da The Bot Platform; e Oscar Merry, diretor de tecnologia e cofundador da Opearlo, compartilharam suas reflexões a partir da linha de frente do desenvolvimento de bots.

Assista ao Video da nossa conversa aqui ou role a página para baixo, logo abaixo do Video, para ler a transcrição completa.

<youtube id="EG3fOTWlSDs"></youtube>

Sam Machin (Defensor de Desenvolvedores da Nexmo e Campeão da Alexa): Voice versus texto. Acabamos de falar sobre algumas das vantagens do texto para chatbots, e também mencionamos alguns aspectos relacionados aos bots de voz. Precisamos dos dois? Quais são os prós e contras de cada um? Será que se trata de escolher o mais adequado para cada situação? E os recursos devem estar disponíveis nos dois canais? Há casos em que eu possa querer que o usuário tenha exatamente a mesma experiência tanto na Voice quanto no texto, ou não?

Syd Lawrence (CEO/cofundador da The Bot Platform): Acho que alguns dos exemplos que o Oscar citou antes, como receitas ou quando você está entrando de carro e tem as mãos cheias de sacolas de compras. Quero dizer, nessas situações, sem sombra de dúvida, o Voice é essencial. Sem sombra de dúvida. Acho que certamente existem outros contextos. Bem, às vezes, quando você precisa de uma tela para feedback ou para obter informações, a Voice pode apresentar dificuldades. Mas sim, o contexto é definitivamente importante.

Oscar Merry (cofundador e diretor de tecnologia da Opearlo: Sim. Acho que uma coisa que também é muito importante lembrar é que o chat de voz e o de texto são muito, muito diferentes. Vemos muitas empresas que talvez tenham criado um chatbot para o Facebook Messenger e queiram transferi-lo para a Amazon Alexa, achando que será um processo muito simples e que basta, literalmente, portá-lo. Mas isso não funciona de jeito nenhum. E o mesmo vale no sentido contrário: vemos empresas que têm um aplicativo para a Alexa e querem portá-lo para o Facebook Messenger. É preciso ter muito cuidado ao fazer isso; é preciso pensar no contexto, como disse o Syd.

Eu diria que há um aspecto em que acredito que, no futuro, as pessoas e as marcas precisarão estar presentes tanto nas plataformas de chat quanto nas de Voice, pois as pessoas querem ter essa flexibilidade.

Uma coisa sobre a qual falamos bastante é o caso de uso relacionado à direção. A Ford, a BMW e a VW já anunciaram que vão integrar a Alexa aos seus novos modelos de carros. E já dá para ver outras montadoras seguindo o exemplo com outros assistentes digitais. E acho que a direção vai ser, de fato, um caso de uso realmente muito, muito importante para a tecnologia de Voice daqui para frente. Mas, dito isso, dá para ver claramente o caso de uso em que você está no carro, dirigindo para o trabalho, interagindo com seu assistente digital. E então, ao sair do carro e caminhar, talvez, pelos próximos cinco minutos até o escritório, você dá continuidade a essa interação pelo Facebook Messenger. Então, acho que você definitivamente precisa pensar nos dois, mas, como Syd disse, eles são muito, muito diferentes e é preciso levar em conta o contexto.

"Acho que dirigir vai ser, na verdade, um caso de uso realmente muito, muito importante para a tecnologia de Voice daqui para frente."

Martin Beeby (Evangelista Técnico na Microsoft): Um dos desafios que vejo atualmente na área de reconhecimento de voz é que, quando você se aprofunda nos detalhes do projeto de um sistema de voz, às vezes surgem problemas e obstáculos inesperados que são muito difíceis de superar com a tecnologia atual.

Então, por exemplo, criamos muito recentemente um aplicativo com uma empresa chamada Beezy. Trata-se de uma organização que busca extrair informações de empresas sobre seus negócios. O cenário de uso é o seguinte: o usuário está no carro, usando seu iPhone e o aplicativo da Beezy. Ele grava ou ativa a Siri e pergunta: “Já trabalhamos com a Shell antes?”, referindo-se à empresa de petróleo ou algo do tipo.

E conseguimos fazer isso funcionar de forma bastante simples, e foi bem fácil entender a intenção e reconhecer a empresa, a Shell. Mas então eles começaram a fazer perguntas do tipo: “Já trabalhamos com uma empresa chamada Misco antes?”. E “Misco” não é, na verdade, uma palavra muito comum no inglês coloquial. É muito específica desse domínio ou de qualquer nome de empresa.

Por isso, a maioria dos sistemas de voz é treinada com base no inglês geral. Eles não são treinados com base em empresas específicas ou na linguagem própria de cada setor. Outro exemplo: recentemente, trabalhei em um bot de voz para Plexus Law. E a Plexus Law utiliza muito inglês jurídico em suas ditados.

"A maioria dos sistemas de reconhecimento de voz é treinada com base no inglês geral. Eles não são treinados com base em empresas específicas nem na linguagem própria de cada setor."

E então, por exemplo, eles estavam dizendo... estavam perguntando sobre um requerente. E a maioria dos serviços de reconhecimento de fala comuns respondia... em vez de dizer “requerente”, eles se referiam a isso como “Clementine”, como a laranja. E, obviamente, isso torna muito difícil entender o que o usuário realmente queria. Por isso, fizemos muitas pesquisas em nossa empresa sobre o que chamamos de reconhecimento de fala personalizado, que é semelhante à tecnologia de fala atual, mas na qual é possível alimentá-la com grandes quantidades de linguagem específica de determinado domínio, para que ela se torne cada vez mais precisa.

E acho que todos esses cenários relacionados a carros ou... Não vou dizer “Alexa” de novo, para o caso de ela aparecer. Mas os sistemas de chat da Amazon e outras coisas do tipo, todos se baseiam em padrões de fala generalizados. E acho que, se quisermos que essas coisas realmente decolem, vamos precisar também de compreensão de linguagem específica para cada domínio nesses sistemas — talvez, por aplicativo, uma compreensão de linguagem específica para cada domínio.

"Se quisermos que essas coisas realmente decolem, vamos precisar de compreensão de linguagem específica para cada domínio"

Sam: É. Então, da maneira como eu implementei o... o dispositivo que você usa no escritório para, sabe... e talvez sejam até mesmo os diferentes assistentes, não é? Acho que, especialmente com essa coisa de Voice, a ideia de ter esse único dispositivo com a Alexa, mas, na verdade, talvez eu queira ter vários diferentes... então, uso a Alexa para cuidar da minha casa. Lá eu controlo toda a minha casa inteligente, compras e coisas domésticas. E depois tenho um assistente completamente diferente, com um nome diferente, que é como cuido das minhas coisas de trabalho; vamos chamá-lo de Moneypenny ou algo assim.

E esse tipo de ideia em que a gente diz “quero falar com essa pessoa” e isso já nos coloca em um determinado contexto. Assim como abrimos nosso e-mail de trabalho ou nosso e-mail pessoal, ou... as pessoas têm diferentes identidades, desempenham diferentes papéis, não é mesmo?

Martin: Acho que um dos desafios, talvez, com a Amazon no momento é que, se você falar com ela, como desenvolvedor, não tem acesso ao que foi realmente dito, ou seja, ao arquivo WAV. E o mesmo acontece com a nossa implementação da Cortana: você não tem acesso à localização do arquivo WAV. Então, você precisa confiar na conversão de fala para texto feita por eles.

Então, na maioria dos casos em que estamos desenvolvendo sistemas mais avançados de conversão de fala em texto, estamos tendo que integrar isso diretamente nos aplicativos, em vez de usar esses assistentes de voz. E acho que esse é um desafio que esses grandes assistentes de voz ou assistentes pessoais vão ter que superar de alguma forma. Teremos que dar aos desenvolvedores acesso aos arquivos WAV, ao áudio em si.

[Nota do editor: Assista à discussão completa de uma hora sobre o estado da tecnologia de bots de IA.]