O que é o backchanneling

Backchanneling é o termo linguístico para as pequenas confirmações que um ouvinte produz enquanto outra pessoa fala — «uh-huh», «sim», «certo», «entendo», «continue». Descrito pela primeira vez pelo sociolinguista Victor Yngve em 1970, é uma das características mais estudadas da conversação natural.

Estes sinais não interrompem o discurso; indicam atenção contínua. É a forma como os humanos confirmam, em tempo real, que o interlocutor está a ser ouvido e compreendido. Sem eles numa conversa, o orador sente rapidamente que está a falar para as paredes — ou para uma máquina.

A importância na IA de voz

Os sistemas IVR tradicionais e os bots de voz de primeira geração não utilizam qualquer tipo de backchanneling. O cliente fala; o bot espera em silêncio; o bot responde. Esse silêncio é o maior indício do «vale da estranheza» — é por isso que mesmo um agente de IA tecnicamente preciso pode soar robótico.

O backchanneling resolve este problema. Quando um cliente está a meio de uma explicação (a dar uma morada, a descrever um incidente, a listar sintomas), um agente de IA bem afinado produz o mesmo «uh-huh» que se esperaria de um ouvinte humano, com uma cadência semelhante. O cliente não precisa de se questionar se está a ser compreendido. Continua a falar. A chamada torna-se mais curta. A ansiedade diminui.

Como a AI implementa o backchanneling

Modelos de temporização — um pequeno classificador prevê, a partir de pistas prosódicas e lexicais, quando o orador faz uma pausa elegível para backchanneling (entonação ascendente, continuação de uma lista, uma respiração). O nível de exigência é elevado: um «uh-huh» no momento errado é pior do que nenhum.
Pistas acústicas — o modelo deteta contornos de tom e quebras de energia que sinalizam «ainda não terminei, estou apenas a confirmar que me acompanha». Não são palavras transcritas; são características de áudio.
Gestão de latência — para um backchanneling natural, é necessária uma latência de áudio de ida e volta inferior a 300 ms. É um problema de infraestrutura complexo (codec de telefonia, streaming STT, pré-buffer TTS) que a maioria das plataformas não resolveu.
Renderização da voz — o próprio sinal de backchanneling deve ser um reconhecimento não verbal («uh-huh», uma inspiração suave) em vez de uma palavra completa, e tem de soar consistente com a voz principal. O TTS neural consegue fazê-lo; o TTS concatenativo não.

O impacto no CSAT

Em implementações reais, adicionar backchanneling a um agente de voz idêntico em tudo o resto melhora o CSAT em 0,3 a 0,5 pontos numa escala de 5 pontos, e reduz o tempo médio de atendimento em 8 a 15% (os clientes deixam de fazer pausas para verificar se o bot continua na linha). Também reduz a taxa de abandono de chamadas a meio em cerca de um terço.

Para saber mais sobre o que medimos em cada chamada, consulte a nossa secção sobre análise de chamadas.

Como avaliá-lo ao escolher um fornecedor

Peça ao fornecedor uma demonstração ao vivo por telefone — não uma demonstração no navegador. Os codecs de telefonia removem frequências que ocultam problemas de latência numa demonstração feita no computador.
Durante a demonstração, dê uma resposta longa à AI (por exemplo, uma morada e a descrição de uma situação durante 30 segundos). Esteja atento aos sinais de confirmação. O silêncio é um sinal de alerta.
Pergunte se os sinais de escuta ativa estão incluídos por defeito ou se são um extra pago. Algumas plataformas reservam esta funcionalidade para os planos empresariais.
Questione sobre a taxa de falsos positivos — a frequência com que a AI emite sinais de escuta ativa quando o interlocutor aguardava, na verdade, uma resposta. As plataformas de qualidade publicam este indicador.

A implementação da Wiserep

O stack de voz da Wiserep opera com uma latência de ida e volta inferior a 300 ms em codecs de telefonia padrão, com um classificador de sinais de escuta ativa treinado em centenas de milhares de chamadas reais de apoio ao cliente nos setores da saúde, seguros, imobiliário e serviços ao domicílio. Esta funcionalidade está ativa por defeito em todos os planos — não é um extra exclusivo para empresas.

O mesmo motor alimenta os nossos agentes de receção com IA, apoio ao cliente e marcação de consultas. Para sentir a diferença, a forma mais rápida é uma chamada em tempo real — nós contactamo-lo.

Backchanneling em IA de voz: o segredo para uma AI com som humano