Entendendo a automação por voz

Introdução

A automação por voz permite que as organizações gerenciem chamadas telefônicas recebidas sem a necessidade de um agente humano para atender cada uma delas. Ela abrange uma variedade de soluções, desde sistemas de menu simples que direcionam os chamadores ao departamento adequado até agentes de IA totalmente conversacionais, capazes de compreender a linguagem natural e manter o contexto. Todas essas soluções se baseiam em fluxos de chamadas programáveis que reagem às entradas do usuário, seja por meio de comando de voz ou seleção no teclado.

Este guia explica os Concepts da automação de voz com a Voice API da Vonage, apresenta três abordagens de implementação e ajuda você a escolher a mais adequada às suas necessidades.

IVR simples

Um Resposta Interativa de Voz (IVR) O sistema automatiza as interações telefônicas, oferecendo aos usuários um menu de opções. Quando alguém liga para um número, ouve uma mensagem como: Digite um número ou diga alguma coisa. O sistema responde com base nas informações fornecidas por eles.

Os IVRs tradicionais dependem do teclado (DTMF) entrada, que se refere aos tons gerados quando um chamador pressiona as teclas do seu telefone. As implementações modernas de IVR podem aceitar respostas faladas, além da entrada por teclado.

IVR avançado / Bot de voz

Um IVR avançado / Bot de voz pode oferecer suporte à compreensão de linguagem natural quando você integra um NLU/LLM ao seu aplicativo. Por exemplo, quem estiver ligando pode dizer Por que o céu é azul? e seu aplicativo pode interpretar a intenção, fazer perguntas complementares e, assim, resolver o problema ou encaminhar o usuário para a equipe adequada, mantendo o contexto da conversa. Essa abordagem geralmente utiliza webhooks para controlar o fluxo da chamada.

Agente de voz com IA

Um Agente de voz com IA é um assistente inteligente que atende chamadas telefônicas, escuta os usuários por meio do Reconhecimento Automático de Fala (ASR), processa solicitações com um Modelo de Linguagem de Grande Escala (LLM) e responde com uma síntese de voz que soa natural em tempo real quando você integra esses recursos ao seu aplicativo. Com a Voice API da Vonage, isso geralmente é implementado por meio de streaming de áudio via WebSocket para baixa latência, o que pode ajudar você a implementar recursos como a intervenção na chamada.

Webhooks HTTP x Transmissão via WebSocket

Essas abordagens são comumente implementadas por meio de dois padrões: webhooks HTTP ou streaming via WebSocket.

Webhooks HTTP: a Voice API da Vonage envia solicitações HTTP para o seu aplicativo à medida que a chamada avança. Seu aplicativo retorna um NCCO (Objeto de Controle de Chamadas) para indicar à Vonage o que fazer a seguir. Isso é comumente usado em IVR simples e IVR avançado / Bot de voz guias.

Transmissão via WebSocket: uma conexão persistente e full-duplex entre seu aplicativo e a plataforma Vonage Voice. Ela é utilizada no Agente de voz com IA guia para implementações de baixa latência, que pode ajudá-lo a implementar recursos como o “barge-in”. Para mais detalhes, consulte WebSockets na Voice API da Vonage.

Você também pode combinar os dois padrões em uma única solução.

Escolhendo a abordagem

Os recursos abaixo descrevem o que uma implementação típica pode oferecer (seu aplicativo e os provedores de IA escolhidos), e não os recursos integrados da Voice API.

Leitura complementar

Consulte os guias práticos a seguir para saber como implementar as soluções abordadas neste guia:

• IVR simples: Crie um fluxo de chamadas programável que capture tanto as entradas do teclado quanto as de voz, servindo de base para qualquer solução de automação por voz.
• IVR avançado / Bot de voz: Desenvolver um bot de voz conversacional com tecnologia da OpenAI. Ele lida com linguagem natural, mantém o contexto da conversa e transfere a chamada para um agente humano quando necessário.
• Agente de voz com IA: Crie um agente de voz com IA em tempo real usando streaming via WebSocket e a plataforma Voice Agent da Deepgram.