Já tenho uma conta Agende uma demonstração

A tecnologia de análise de fala

Speech analytics: como a análise de fala funciona.

O que a tecnologia faz etapa por etapa (transcrição, diarização, detecção de tópico, sentimento e aderência a script), onde ela erra, o que medir para saber se está funcionando, como cada setor usa e o que a LGPD exige de quem guarda voz.

Esta página é sobre a tecnologia. O processo de gestão que a consome está em monitoria de qualidade.

Ver o BRIGGS nas minhas gravações Ver como funciona por dentro

+1Minterações analisadaschamadas, chats e videochamadas

+1,3Mminutos de áudio processadostranscritos e analisados pela IA

+500Mpalavras transcritascom sotaque regional e jargão do setor

O que é speech analytics

Speech analytics é a tecnologia que converte conversas faladas em dado estruturado e consultável. Ela transcreve o áudio, separa quem falou em cada trecho, classifica o assunto tratado, estima a carga emocional da interação e verifica se o que precisava ser dito foi dito. O produto final não é um texto para alguém ler: é um conjunto de campos que se agrega por agente, fila, campanha, produto e período, cada um apontando para o segundo exato do áudio que o sustenta.

A categoria nasceu nos anos 2000 dentro da indústria de call center, baseada em busca por palavra-chave (phonetic indexing): o sistema indexava fonemas e o supervisor procurava por “cancelar”, “PROCON” ou “advogado”. Funcionava, com duas limitações grandes: só achava o que alguém pensou em procurar, e confundia palavras foneticamente parecidas. A geração seguinte trocou a busca fonética por transcrição completa, o que permitiu análise sobre tudo que foi dito, não só sobre a lista de termos. A geração atual acrescentou modelos de linguagem à etapa de interpretação, e o efeito prático é que o sistema passou a reconhecer paráfrase: “vou procurar meus direitos” e “meu genro é advogado” caem na mesma categoria de risco sem que ninguém precise cadastrar as duas frases.

O que muda a economia da coisa é a cobertura. Uma operação com 40 agentes e 12 mil chamadas por mês consegue, com um time de dois monitores, avaliar de 300 a 500 chamadas, entre 2,5% e 4% do volume. Tudo que a operação sabe sobre qualidade vem dessa fatia, e a fatia raramente é aleatória de verdade: o monitor evita a chamada de três segundos, evita a de 40 minutos, e acaba amostrando o meio da distribuição. O caso caro mora justamente nas pontas. Analisar 100% das interações não melhora a análise de cada chamada individual; muda o que a operação consegue enxergar sobre si mesma.

Onde termina speech analytics e começa monitoria de qualidade

Os dois termos aparecem juntos com tanta frequência que viraram sinônimos no discurso comercial, e não são. Monitoria de qualidade é um processo de gestão de pessoas: definir critério, avaliar interação, dar feedback, treinar, recalibrar. Ele existe desde muito antes de qualquer motor de transcrição e pode ser executado com fone de ouvido e planilha. Speech analytics é uma tecnologia de análise de fala. Ela não define critério, não conversa com agente e não decide nada. Ela produz o material sobre o qual essas decisões passam a ser tomadas.

A fronteira tem consequência prática. Comprar a tecnologia sem o processo produz um painel que ninguém usa depois do terceiro mês. Manter o processo sem a tecnologia significa aceitar governar uma operação inteira olhando 3% dela. E speech analytics também é usado bem longe da monitoria: pesquisa de voz do cliente para produto, inteligência de vendas, detecção de fraude, apuração de compliance regulatório.

Se o que você procura é como montar o programa (scorecard, KPIs, ciclo de feedback, coaching, gamificação), o material está em monitoria de qualidade. Se o que você procura é a aplicação da IA ao processo de avaliação, está em monitoria de qualidade com IA. Esta página trata da tecnologia por baixo das duas.

Speech analytics não é transcrição

A confusão mais cara na hora de comprar. Transcrição é uma etapa do processo, e é a mais visível na demonstração: o texto aparecendo na tela impressiona. Mas transcrição sozinha transfere o trabalho inteiro para uma pessoa que vai ler, e uma pessoa lê tão poucas chamadas quanto escuta.

Transcrição pura

Entrega texto com timestamp. Responde "o que foi dito". Útil para busca e para leitura rápida de uma chamada específica. Não classifica, não pontua, não compara agentes, não dispara alerta. O valor cresce linearmente com quantas chamadas um humano consegue ler, ou seja, quase não cresce.

Saída: texto
Unidade de análise: uma chamada
Consumo: humano lendo

Speech analytics

Usa a transcrição como insumo e produz estrutura em cima dela: quem falou, sobre o quê, com qual carga emocional, cumprindo ou não cada item do script, com que risco. Responde "o que está acontecendo na operação inteira". A unidade de análise deixa de ser a chamada e passa a ser o conjunto.

Saída: dado estruturado + trecho probatório
Unidade de análise: 100% das interações
Consumo: painel, alerta, scorecard, BI

Como a tecnologia funciona, etapa por etapa

Oito etapas em sequência. Cada uma herda o erro da anterior, e é por isso que o problema quase nunca está onde ele aparece.

1. Ingestão do áudio

O áudio sai do PABX, da gravadora ou da plataforma de voz e chega ao motor. Formato importa mais do que parece: ligação gravada em mono mixado (os dois interlocutores no mesmo canal) é o pior caso, porque obriga o motor a separar os locutores por características acústicas. Gravação em estéreo com canal separado por perna (agente no L, cliente no R) elimina essa etapa inteira e derruba o erro de atribuição praticamente a zero. Se a sua operação ainda vai escolher o formato de gravação, escolha dois canais: é a decisão mais barata com maior impacto na qualidade da análise.

Formatos comuns no Brasil: WAV PCM 8 kHz (PABX legado), GSM/G.729 (tronco comprimido), Opus/WebRTC (softphone e vídeo), OGG (WhatsApp Business).

2. Transcrição (ASR)

O reconhecimento automático de fala converte o áudio em texto com marcação de tempo palavra a palavra. É a etapa que sustenta todas as outras: erro aqui se propaga para tópico, sentimento e scorecard. A métrica é WER (Word Error Rate), e ela é sensível a áudio comprimido, ruído de call center aberto, sotaque regional e jargão setorial. Um motor genérico global costuma cair de forma visível em PT-BR falado em operação real, especialmente com vocabulário de saúde suplementar ("carência", "rol taxativo", "junta médica"), cobrança ("acordo com entrada", "honorários", "negativação") e financeiro.

Sem vocabulário customizado, nomes de produto, planos e siglas internas transcrevem errado de forma sistemática, e a busca por termo passa a não achar justamente as chamadas críticas.

3. Diarização

Diarização responde "quem falou quando". Sem ela, a transcrição é um bloco de texto sem dono e nenhuma análise de comportamento do agente é possível: não dá pra medir se o agente interrompeu, se o cliente monologou por dois minutos, se a saudação foi dita por quem devia. A métrica é DER (Diarization Error Rate). Áudio de canal duplo resolve o problema por construção; áudio mono depende de modelo, e casos difíceis são conhecidos: vozes de timbre parecido, sobreposição de fala (crosstalk) e transferência de chamada no meio, quando um terceiro locutor entra.

Consequência prática: métricas de talk ratio, interrupção e tempo de silêncio só são confiáveis se a diarização for confiável. Peça DER, não só WER.

4. Normalização e redação de dados sensíveis

Antes de qualquer análise, o texto passa por normalização (números por extenso viram dígitos, "erre gê" vira RG) e por redação dos dados que não deveriam circular em relatório: CPF, cartão, endereço, dado de saúde. Essa etapa é o que permite que a transcrição seja consultada por supervisor, exportada para BI e usada em treinamento sem espalhar dado pessoal sensível por toda a empresa. Em operação de saúde e financeiro, é aqui que o projeto passa ou não passa pelo jurídico.

O áudio original continua sendo dado pessoal mesmo com o texto redigido. Retenção do áudio e retenção da transcrição são decisões separadas e precisam de prazos separados.

5. Detecção de tópico e intenção

Com o texto pronto, o motor classifica sobre o que a conversa é: motivo de contato, produto citado, objeção levantada, ameaça de cancelamento, menção a PROCON, órgão regulador ou advogado. Duas abordagens convivem. A baseada em regras e listas de termos é transparente e auditável, mas quebra com sinônimo e ironia. A baseada em modelo de linguagem entende paráfrase ("vou levar isso pra frente", "meu filho é advogado"), mas precisa de exemplos rotulados e de revisão periódica para não derivar. Operação madura usa as duas: regra para o que é obrigatório e literal, modelo para o que é semântico.

Categoria mal calibrada gera o pior resultado possível: alarme demais. O supervisor deixa de olhar o painel em três semanas e o projeto morre sem ninguém declarar.

6. Sentimento e sinais acústicos

Sentimento tem duas fontes. A textual lê o que foi dito; a acústica lê como foi dito: volume, velocidade de fala, variação de tom, silêncio longo, sobreposição. As duas discordam com frequência, e a discordância costuma ser informativa: cliente que usa palavras educadas com prosódia de irritação é um caso de risco que a análise só textual perde. Ainda assim, sentimento é o sinal mais superestimado da categoria. Ele serve para priorizar o que um humano vai ouvir, não para virar KPI de agente. Sentimento negativo em cobrança é a linha de base, não anomalia.

Sinais correlatos e mais estáveis que "sentimento": talk ratio, tempo de monólogo, número de interrupções, silêncio acima de 8 segundos, repetição da mesma pergunta pelo cliente.

7. Aderência a script e scorecard automático

A camada que transforma análise em avaliação. Cada critério do formulário de qualidade vira uma verificação executada sobre a transcrição diarizada: a saudação padrão foi dita pelo agente nos primeiros 30 segundos? O aviso de gravação foi dado? O CET foi informado antes do fechamento? A negativa foi fundamentada? O agente confirmou entendimento antes de encerrar? Cada verificação devolve resultado, nota e o trecho com timestamp que sustenta o resultado. O trecho é o que diferencia avaliação automática de palpite automático, e é o que serve como evidência em auditoria.

Critério binário e verbalizável ("disse ou não disse", "informou ou não informou") automatiza com precisão alta. Critério subjetivo ("foi empático") exige rubrica escrita e revisão humana em amostra.

8. Agregação, alerta e roteamento

A última etapa é o que faz a tecnologia virar operação: agregar os resultados por agente, campanha, fila, produto e período; disparar alerta quando um evento crítico aparece; e rotear o caso para quem decide. Sem essa camada, speech analytics vira um lago de transcrições que ninguém lê. Com ela, a chamada com ameaça de ação judicial chega ao supervisor no mesmo dia, e o ofensor recorrente do agente entra na pauta do coaching da semana.

Regra prática: todo alerta precisa de um dono nomeado e de um prazo. Alerta sem dono é log.

Pós-chamada e tempo real são dois produtos diferentes

Análise pós-chamada processa a gravação depois do encerramento. É o modo dominante e o que sustenta scorecard, tendência, ranking, auditoria e coaching. Como não há pressa de milissegundos, o motor pode usar o contexto inteiro da conversa para decidir, inclusive o final, que muitas vezes é o que define o que aconteceu no começo. A precisão é maior e o custo por chamada é menor.

Escuta manual

Não se aplica.

Speech analytics

Calibração da rubrica, julgamento de caso-limite, conversa de coaching, decisão disciplinar. A tecnologia prioriza; a pessoa decide.

A conclusão honesta não é que a escuta manual acabou. É que ela deixa de ser o método de cobertura e passa a ser o método de aprofundamento, aplicado onde a análise automática apontou.

Speech analytics, text analytics e conversation analytics

Três nomes que o mercado usa de forma intercambiável e que descrevem escopos diferentes.

Speech analytics

Escopo: Voz: ligação telefônica, videochamada, áudio de WhatsApp, gravação de reunião.

Tem acesso a sinal que texto não tem: prosódia, velocidade, sobreposição de fala, silêncio, interrupção. Em compensação, carrega o erro do ASR em tudo que faz.

Risco dominante: transcrição errada vira análise errada sem aviso.

Text analytics

Escopo: Texto nativo: chat, WhatsApp escrito, e-mail, ticket, formulário de pesquisa, avaliação pública.

Não perde nada na captura: o dado já nasce em texto, com WER zero por definição. Em compensação, não tem prosódia: sarcasmo e irritação contida são mais difíceis de detectar.

Risco dominante: emoji, abreviação e mensagem quebrada em cinco balões confundem segmentação e sentimento.

Conversation / interaction analytics

Escopo: O guarda-chuva dos dois, aplicado à jornada inteira do cliente entre canais.

O ganho não é somar canais e sim cruzar: o cliente que ligou, não resolveu, abriu chat no dia seguinte e reclamou no público no terceiro. Cada canal isolado vê um incidente pequeno.

Risco dominante: comparar canais com o mesmo formulário e produzir injustiça: o que é rapidez no chat é atropelo na voz.

A escolha entre os três não deveria ser feita pelo nome da categoria e sim pelo mapa de canais da sua operação. Se 70% do contato do seu cliente acontece em WhatsApp escrito, comprar apenas análise de voz significa medir a minoria do volume com muita precisão. O caminho inverso também é comum: operações que instrumentaram o chat porque era fácil e nunca tocaram no telefone, onde estão as conversas longas e caras.

Leitura complementar: como monitorar voz, chat e WhatsApp com o mesmo critério e conversation intelligence e como ela difere de revenue intelligence.

Casos de uso por setor

A tecnologia é a mesma. O que muda é qual pergunta ela responde e qual erro custa caro.

Call center e BPO

É a origem da categoria e ainda o maior volume. O uso primário é auditar aderência ao roteiro contratado pelo cliente-empresa e sustentar o SLA de qualidade escrito em contrato. Em BPO, a análise tem um segundo público: o próprio contratante, que audita o fornecedor. Operação que consegue entregar amostra probatória com trecho e timestamp negocia renovação em outra posição, e evita glosa. O ganho menos óbvio está no dimensionamento: detecção de tópico revela que uma fatia relevante do volume é retrabalho de um mesmo defeito de processo, e esse volume some quando o defeito é corrigido, em vez de ser atendido melhor.

O que se mede: Aderência a roteiro, retrabalho por motivo, rechamada em 7 dias, ofensores por campanha.

Cobrança e recuperação de crédito

Setor com a maior densidade de risco por minuto falado. A análise cobre dois eixos ao mesmo tempo: compliance (ameaça, exposição do devedor a terceiros, cobrança fora de horário, promessa de baixa que não existe, constrangimento vedado pelo art. 42 do CDC) e efetividade (qual abordagem de negociação converte, em qual faixa de atraso, com qual desconto). O segundo eixo é o que paga o projeto: com 100% das chamadas classificadas por técnica e desfecho, dá pra saber qual roteiro de acordo funciona por faixa em vez de decidir por intuição do supervisor mais antigo.

O que se mede: Taxa de promessa de pagamento, cumprimento da promessa, conversão por técnica, violações por mil chamadas.

Saúde suplementar (operadoras ANS)

Aqui a análise deixa de ser ferramenta de qualidade e vira infraestrutura de compliance. A RN 623 fixa prazos e regras de atendimento; a RN 638 exige rastreabilidade com protocolo; o ciclo RN 656 a 659 mudou a fiscalização para amostragem, com multas que chegam a R$ 1 milhão por dia e responsabilização de administradores. Verificar por amostra de 3% se a negativa foi fundamentada, se o protocolo foi informado e se o prazo foi comunicado significa aceitar não enxergar 97% do passivo. Verificação automática em todas as chamadas é o que permite responder NIP com o trecho na mão em vez de com uma narrativa.

O que se mede: Protocolo informado, negativa fundamentada, prazo comunicado, encaminhamento à ouvidoria, tempo até resolução.

Vendas por telefone e vendas B2B

Em B2C regulado, o foco é o que precisa ser dito: CET, condições, carência, direito de arrependimento. A verificação é binária e automatiza bem. Em B2B, o foco muda para diagnóstico: qual objeção aparece em que estágio, quanto o vendedor fala em relação ao cliente, se o critério de decisão e o orçamento foram investigados, se o próximo passo ficou marcado com data. É a partir desse material que dá pra escrever um playbook que descreve a venda que de fato acontece, e não a venda idealizada da sala de reunião.

O que se mede: Talk ratio, perguntas de diagnóstico por reunião, objeções por estágio, próximo passo agendado, aderência ao playbook.

Apostas (bets) e operações sob SPA/SIGAP

Vertical nova no Brasil e com exigência de atendimento explícita. A análise cobre três frentes: sinais de jogo problemático na fala do apostador (perseguição de perda, pedido de limite, menção a dívida), execução correta do pedido de autoexclusão (o ponto de falha mais caro, porque falha ali é descumprimento direto) e o que o agente pode ou não dizer, já que incentivo a continuar apostando após sinal de risco é passivo imediato. Some-se a isso a obrigação de ouvidoria com prazo e registro, que exige prova de que a chamada existiu e do que nela foi dito.

O que se mede: Autoexclusão processada no prazo, sinais de risco detectados e encaminhados, promessa indevida, registro de ouvidoria.

Serviços financeiros e seguros

Venda casada, aviso de gravação, confirmação de identidade, informação de taxa e o roteiro de suitability em investimento. O ponto mais sensível é a fronteira entre informar e aconselhar: é uma distinção que aparece na escolha de palavras do agente e que auditoria manual por amostra raramente pega a tempo. A análise também ajuda no lado defensivo: reconstruir o que foi dito em uma venda contestada meses depois, com trecho e horário.

O que se mede: Aderência ao roteiro regulatório, confirmação de identidade, taxa informada, contestações com prova recuperada.

Suporte técnico e CX

FCR é o indicador que manda, e ele é caro de medir corretamente: exige amarrar a chamada com o histórico do cliente nos 7 a 14 dias seguintes e checar se a rechamada foi pelo mesmo motivo. Com detecção de tópico em 100% das interações, o mesmo motivo é identificável automaticamente, e o FCR deixa de ser declarado pelo agente no wrap-up. O subproduto mais valioso costuma ser para fora do atendimento: a lista ranqueada dos defeitos de produto que estão gerando chamada, com volume e citação literal do cliente.

O que se mede: FCR real por motivo, rechamada em 7 dias, top motivos por volume, gap de conhecimento por agente.

Páginas dedicadas por vertical: call center, operadoras de saúde, serviços financeiros e apostas.

O que medir para saber se está funcionando

A camada técnica, que quase ninguém pede em proposta comercial, e que decide se a camada de negócio faz sentido.

WER (Word Error Rate)

Percentual de palavras erradas na transcrição, somando inserções, deleções e substituições sobre o total de palavras do áudio de referência. É a métrica de base. O número isolado não significa nada sem o corpus: WER medido em áudio de estúdio não prevê WER em tronco G.729 com ruído de sala aberta. Exija a medição no seu áudio, não no do fornecedor.

Referência realista em áudio de call center BR: 10% a 20%. Abaixo de 10% costuma indicar áudio limpo ou corpus escolhido.

DER (Diarization Error Rate)

Percentual de tempo atribuído ao locutor errado, incluindo fala perdida e fala falsa. É a métrica menos pedida e a que mais estraga análise silenciosamente: com DER alto, "o agente interrompeu o cliente sete vezes" pode ser artefato de segmentação. Em áudio estéreo com canal por perna, deve ser próximo de zero.

Mono mixado: erro concentrado em sobreposição de fala e troca de locutor. Estéreo: problema resolvido na captura.

Precisão e recall por categoria

Para cada categoria que importa (ameaça judicial, cancelamento, venda casada, autoexclusão), precisão é quanto do que o motor marcou estava certo, e recall é quanto do que existia o motor achou. Os dois se movem em direções opostas conforme o limiar. Em compliance, recall alto vale mais: é preferível revisar falso positivo a deixar passar violação.

Meça com uma amostra rotulada à mão pela sua equipe de qualidade: 200 a 300 chamadas já dão sinal utilizável.

Concordância com o avaliador humano

Para o scorecard automático, a pergunta certa não é "a IA acerta?" e sim "a IA discorda mais do humano do que dois humanos discordam entre si?". Rode a calibração cega: os mesmos 50 áudios avaliados por dois monitores e pelo motor. Em boa parte das operações a divergência entre monitores é maior do que se imagina, e esse número é o benchmark honesto.

Critério objetivo e verbalizável: concordância alta desde o início. Critério subjetivo: exige rubrica escrita antes de comparar.

Cobertura efetiva

Percentual do volume total que realmente entrou na análise, não o que o contrato promete. Chamadas abaixo de 10 segundos, áudio corrompido, gravação que falhou, canal não integrado e ligação fora do horário de sincronismo somem silenciosamente. Se a cobertura efetiva é 78%, a operação não tem 100% de cobertura.

Reconcilie mensalmente o contador do PABX com o contador da plataforma. Divergência acima de 2% é problema de integração.

Latência fim a fim

Tempo entre o encerramento da chamada e o resultado disponível. Define o que é possível fazer com o dado: minutos permitem intervenção no mesmo turno; horas permitem coaching no dia seguinte; um dia transforma tudo em relatório histórico.

Pós-chamada útil: minutos a poucas horas. Acima de 24h, o uso vira analítico e não operacional.

E a camada de negócio

Métrica técnica boa com indicador de negócio parado significa que o painel não virou ação. Os números que precisam se mover são os da operação: aderência a script por campanha, violações de compliance por mil chamadas, ofensores recorrentes por agente antes e depois do coaching, FCR calculado por motivo real em vez de declarado no wrap-up, taxa de rechamada em 7 dias, conversão por técnica de abordagem.

Uma advertência sobre a linha de base: os primeiros 60 dias de análise em 100% costumam piorar os números publicados, porque a amostragem anterior escondia parte do problema. Isso não é regressão do atendimento, é fim da cegueira parcial, e precisa ser explicado à liderança antes de acontecer, não depois. Sem esse alinhamento, o projeto é lido como fracasso exatamente no mês em que começou a funcionar.

Dez erros comuns de implantação

Quase nenhum deles é técnico.

Começar por 80 categorias

O impulso é mapear tudo no primeiro mês. O resultado é um painel que ninguém consegue interpretar e uma taxa de falso positivo que destrói a confiança antes da primeira revisão. Comece com 5 a 8 categorias que alguém já checaria à mão hoje, valide a precisão de cada uma, e só então expanda.

Automatizar critério subjetivo antes de escrevê-lo

"Foi empático" não é critério, é impressão. Se dois monitores humanos discordam sobre ele, nenhum motor vai resolver a ambiguidade. Vai só torná-la rápida e uniforme. Escreva a rubrica com exemplos de aprovação e de reprovação antes de pedir automação.

Ignorar a qualidade do áudio de entrada

Trocar de fornecedor de análise para resolver um problema que está na captura é caro e não funciona. Antes de culpar o motor, verifique codec, taxa de amostragem, se a gravação é mono mixado e se o ruído de fundo da operação está dentro do razoável.

Usar sentimento como KPI de agente

Sentimento do cliente depende muito mais do motivo do contato do que do desempenho de quem atende. Operação de cobrança e de cancelamento tem sentimento negativo estrutural. Transformar isso em nota individual gera injustiça percebida e, em seguida, sabotagem do processo.

Rodar em paralelo com a monitoria manual para sempre

O piloto em paralelo é correto e deve durar de 30 a 60 dias, com objetivo declarado de comparação. Quando vira estado permanente, a operação paga duas vezes, ninguém sabe qual nota vale e o time de qualidade passa a tratar a plataforma como concorrente.

Não envolver o time de qualidade na calibração

Quem carrega o critério da operação são os monitores. Projeto tocado só por TI e liderança produz uma rubrica que não corresponde ao que a operação julga há anos, e a rejeição aparece na forma de contestação em massa das notas.

Alerta sem dono e sem prazo

Detectar ameaça de ação judicial em tempo quase real não vale nada se o alerta cai em uma caixa coletiva. Cada categoria crítica precisa de destinatário nomeado, prazo de tratativa e registro do que foi feito.

Esquecer os canais que não são voz

Se metade do contato da operação acontece em WhatsApp e chat e só a voz é analisada, o painel descreve metade da realidade, e quase sempre a metade menos usada pelo cliente. O critério precisa ser adaptado por canal, mas a cobertura precisa ser dos dois.

Tratar LGPD como etapa final

Base legal, prazo de retenção, política de acesso e tratamento do dado biométrico de voz definem arquitetura. Descobrir isso depois de seis meses de projeto costuma significar refazer armazenamento, permissões e o próprio aviso de gravação.

Parar no painel

O erro final e mais comum. A análise mostra o ofensor, e nada acontece. Sem ligação estruturada com feedback ao agente, trilha de treinamento e revisão de script, o investimento gera um relatório bonito e nenhuma mudança de indicador. Fechar o loop é a parte não tecnológica do projeto e é a que decide o resultado.

Roteiro de implantação em 90 dias

A ordem importa. Quase todo projeto que atrasa atrasa por ter começado pela integração.

Semanas 1 a 2 · Diagnóstico do áudio

Antes de escolher fornecedor, levante o que você tem: quantos canais de contato existem, qual percentual do volume está em cada um, como a gravação é feita (mono mixado ou estéreo por perna), qual codec o tronco entrega, quanto tempo o áudio fica armazenado hoje e quem tem acesso a ele. Separe um lote de 80 a 100 gravações reais que represente a distribuição de verdade, incluindo a chamada de 40 minutos, a de baixa qualidade e a que teve transferência. Esse lote vira o corpus de teste de todos os fornecedores e impede a comparação por demonstração.

Entregável: Inventário de canais, lote de teste representativo, mapa de onde o áudio vive hoje.

Semanas 3 a 4 · Escrita da rubrica

A etapa que os projetos pulam e depois pagam. Pegue o formulário de qualidade em uso e, critério por critério, escreva a regra em linguagem verificável: o que precisa ser dito, por quem, em que momento, e o que conta como cumprimento parcial. Marque cada critério como objetivo (automatiza bem), semântico (automatiza com exemplos) ou subjetivo (precisa de revisão humana). É normal descobrir aqui que dois monitores da mesma operação interpretam o mesmo critério de formas diferentes. Essa descoberta vale por si só, independente da tecnologia.

Entregável: Rubrica escrita, critérios classificados por tipo, divergências internas documentadas.

Semanas 5 a 6 · Integração e primeira carga

Conexão com o PABX ou a plataforma de voz, com a plataforma de WhatsApp e com o CRM, para que a interação chegue com metadado (agente, fila, campanha, cliente, protocolo). Sem metadado a análise existe, mas não se agrega por nada que interesse à gestão. Nessa fase também se define a política de retenção, o mascaramento de dado sensível na transcrição e os perfis de acesso. Faça a primeira carga com volume real e reconcilie contadores: quantas chamadas o PABX registrou no período e quantas a plataforma processou.

Entregável: Conectores ativos, metadado chegando, cobertura efetiva reconciliada, política de acesso publicada.

Semanas 7 a 9 · Calibração cega

Selecione de 50 a 100 chamadas e faça dois monitores avaliarem cada uma sem ver a nota do outro nem a da IA. Compare os três resultados por critério. Onde a IA diverge dos dois humanos que concordam entre si, há regra a ajustar. Onde os dois humanos divergem entre si, há rubrica a reescrever. Isso não é problema da tecnologia. Rode pelo menos duas rodadas, porque a primeira sempre revela ambiguidade de rubrica que contamina a medição.

Entregável: Taxa de concordância por critério, lista de ajustes de regra, rubrica revisada.

Semanas 10 a 12 · Operação assistida

A análise passa a rodar em 100% do volume e o time de qualidade trabalha em cima dela, revisando uma amostra dirigida: casos-limite sinalizados pelo motor, agentes novos, alertas de compliance e contestações. É aqui que se define o desenho de tratativa de cada categoria crítica: quem recebe, em quanto tempo, o que registra. Comunique à liderança, antes de publicar o primeiro relatório, que os indicadores podem piorar em relação à amostragem anterior.

Entregável: Fluxo de alerta com dono e prazo, amostra dirigida no lugar da amostra aleatória, baseline nova comunicada.

A partir do 4º mês · Fechamento do ciclo

O resultado da análise passa a alimentar as ações: feedback ancorado ao trecho, trilha de treinamento pelos ofensores recorrentes de cada agente, revisão de script pelos ofensores agregados e correção dos defeitos de produto que aparecem como motivo de contato. A partir daqui a medição muda de objeto: não é mais "a IA está acertando?" e sim "o ofensor que atacamos caiu no ciclo seguinte?".

Entregável: Ofensores atacados e remedidos, script revisado com base em dado, lista de defeitos enviada ao produto.

O que speech analytics não resolve

Saber onde a tecnologia para é o que impede o projeto de ser cobrado por algo que ele nunca ia entregar.

Não resolve áudio ruim

Nenhum motor compensa gravação mono mixado com tronco de 8 kHz e ruído de sala aberta. A qualidade da análise tem teto na qualidade da captura, e esse teto não se compra com licença de software. Quando o WER está alto, a primeira investigação é de infraestrutura de voz, não de fornecedor.

Não substitui julgamento em caso-limite

A situação em que o agente descumpriu o script para resolver o problema do cliente de um jeito melhor é reprovada por regra e aprovada por qualquer supervisor experiente. O motor pode sinalizar, mas a decisão sobre exceção legítima continua sendo de gente, e precisa continuar, ou a operação treina o time a cumprir a letra contra o interesse do cliente.

Não mede o que não foi dito em voz alta

Muita coisa que determina o desfecho da interação não aparece na conversa: sistema fora do ar, falta de alçada, política que impede a solução, fila que já tinha esgotado a paciência do cliente antes do "alô". A análise mostra o sintoma e frequentemente é interpretada como se mostrasse a causa.

Não entende contexto que não recebeu

Sem metadado do CRM e sem histórico, uma chamada é um evento isolado. Quinta ligação do mesmo cliente sobre o mesmo assunto é um caso grave que soa idêntico à primeira, quando ouvida sozinha. O valor da integração aparece aqui e é frequentemente subestimado na hora da compra.

Não corrige um formulário ruim

Automatizar um scorecard com 42 itens de peso arbitrário produz 42 números arbitrários por chamada, agora em escala. Se o formulário atual não discrimina bom de ruim, a tecnologia amplifica o defeito em vez de expô-lo.

Não dispensa manutenção

Produto novo, campanha nova, norma nova e mudança de script alteram o vocabulário e as categorias. Sem revisão periódica, a precisão cai devagar e sem aviso, e a queda só é percebida quando alguém desconfia de um número. Trate categoria como artefato vivo, com dono e revisão trimestral.

Conformidade

LGPD, gravação de voz e dado biométrico

Um acervo de gravações é um acervo de dado pessoal. Transcrevê-lo multiplica a superfície de exposição, porque o que estava preso num arquivo passa a ser pesquisável. A obrigação legal sobre o áudio em si (base legal, aviso, prazos de guarda por regime e valor probatório) está no guia de gravação de chamadas.

Base legal da gravação

Gravar atendimento não exige consentimento em todos os casos. Execução de contrato, cumprimento de obrigação legal ou regulatória e legítimo interesse são bases usadas com frequência, e a escolha muda o que o titular pode exigir depois. Quem grava sob consentimento precisa lidar com a revogação. O que é inegociável em qualquer base é o aviso: o titular precisa ser informado de que a chamada está sendo gravada e para quê, na própria chamada.

Voz como dado biométrico

A gravação de voz usada apenas para avaliar atendimento é dado pessoal comum. Ela vira dado pessoal sensível quando é usada para identificar ou autenticar uma pessoa por características biométricas, ou seja, quando existe biometria de voz. A diferença está na finalidade do tratamento, não no arquivo. Operações que usam verificação por voz no IVR e análise de qualidade no mesmo acervo precisam separar as duas finalidades no registro de tratamento, porque o regime de dado sensível é mais rígido: a base legal se restringe e o risco em incidente é maior.

Prazo de retenção

Retenção tem que ser justificada por finalidade, não por conveniência de armazenamento. Prazos regulatórios (ANS, setor financeiro, defesa do consumidor) e prazos prescricionais para defesa em processo são as justificativas típicas, e podem divergir bastante entre si dentro da mesma empresa. Guardar áudio indefinidamente "porque é barato" é exatamente o que a autoridade questiona em fiscalização. Defina prazos distintos para áudio, transcrição e resultado analítico. O resultado agregado costuma sobreviver por mais tempo que a gravação.

Minimização e acesso

A transcrição multiplica a superfície de exposição: o que estava preso num arquivo de áudio passa a ser pesquisável por qualquer pessoa com acesso ao painel. Redação automática de CPF, cartão e dado de saúde na transcrição, permissão por perfil, e trilha de auditoria de quem ouviu o quê são controles esperados. Supervisor de uma campanha não precisa ouvir chamada de outra.

Transferência internacional e subprocessadores

Onde o áudio é processado e armazenado é pergunta de contrato, não de nota de rodapé. Motor de ASR hospedado fora do país configura transferência internacional e exige o mecanismo adequado. Peça a lista completa de subprocessadores e a localização de cada etapa: ingestão, transcrição, análise, armazenamento e backup.

Uso do áudio para treinar modelo

Cláusula que autoriza o fornecedor a usar as suas gravações para treinar modelos é comum e costuma passar despercebida. Leia, decida conscientemente e, se autorizar, delimite: anonimização prévia, finalidade, prazo e possibilidade de revogação.

Fontes primárias: ANPD. Tratamento completo do tema em LGPD em gravação de atendimento: base legal, retenção e voz como biometria. Este conteúdo é informativo e não substitui parecer jurídico sobre o seu caso.

Como avaliar um fornecedor de speech analytics

Oito verificações que separam demonstração de prova.

Peça WER e DER medidos no seu áudio

Envie 50 a 100 gravações reais da sua operação, incluindo as ruins: tronco comprimido, sala barulhenta, sotaque regional, chamada com transferência. Número medido em corpus do fornecedor não prevê o seu resultado.

Teste o vocabulário do seu setor

Liste 30 termos que a sua operação fala todo dia (nomes de plano, siglas internas, produtos, jargão regulatório) e verifique quantos transcrevem corretamente sem customização e quantos depois dela.

Pergunte como o critério é configurado

Quem escreve a regra de um novo critério: você ou o fornecedor? Em quanto tempo? Se toda alteração de scorecard depende de ticket e de uma semana, a operação vai parar de ajustar o critério.

Exija o trecho probatório

Toda nota precisa apontar para o momento exato do áudio que a sustenta. Sem isso não há contestação justa do agente, nem defesa em auditoria, nem coaching ancorado.

Verifique os canais além da voz

WhatsApp, chat, e-mail e videochamada analisados na mesma plataforma e com critério coerente entre canais, ou a operação vai comprar duas ferramentas e reconciliar planilha.

Cheque as integrações com o stack brasileiro

PABX e plataformas de voz usadas aqui (Asterisk, Issabel e derivados), CRMs com presença local (HubSpot, Salesforce, Pipedrive, Ploomes, RD Station) e a plataforma de WhatsApp em uso. Conector inexistente vira projeto de integração fora do orçamento.

Leia a seção de dados do contrato antes da de preço

Localização do processamento, subprocessadores, prazo de retenção, uso para treino de modelo, procedimento em incidente e o que acontece com o acervo no encerramento do contrato.

Contrato em real, suporte em português

Preço em dólar embute risco cambial no orçamento do ano. Suporte em outro fuso e em outra língua aparece no primeiro incidente de integração, não na demonstração.

Para o passo seguinte, que é comparar categorias de fornecedor e reconhecer quando a resposta certa é outra ferramenta, veja ferramentas de monitoria de qualidade: como escolher em 2026 e o guia definitivo para contratar speech analytics.

No BRIGGS

Speech analytics com a camada de gestão já acoplada

A tecnologia sozinha produz painel. O que faz indicador mudar é o que vem depois dela.

Transcrição e diarização em PT-BR

Motor ajustado ao português falado em operação brasileira, com vocabulário customizável por cliente para nomes de plano, produto e sigla interna. Voz, videochamada, áudio e texto de WhatsApp e chat no mesmo pipeline.

Scorecard configurável com trecho probatório

Cada critério do seu formulário vira verificação automática, e cada resultado aponta para o segundo exato do áudio. O analista revisa, ajusta ou contesta a avaliação da IA no mesmo scorecard, sem ferramenta paralela.

Do alerta ao coaching, sem exportar planilha

O ofensor detectado vira feedback ancorado ao trecho, entra em trilha de treinamento do agente e é medido de novo no ciclo seguinte. Alerta crítico tem destinatário e prazo, não caixa coletiva.

+100 integrações, inclusive a sua

A gente entra em cima do que você já usa: o seu PBX, o seu discador, o seu CRM, a plataforma de videochamada do time e o chat onde o cliente fala com você.

Nossa API REST cobre qualquer sistema, e o onboarding coloca tudo no ar em até 7 dias úteis.

Google Meet

Zoom

Teams

Slack

Intercom

Asterisk

HubSpot

Pipedrive

Zoho

Salesforce

Quanto custa e onde o dinheiro volta

O preço de tela raramente é o custo do projeto, e a economia raramente aparece onde a proposta promete.

Modelo de cobrança

Os três modelos correntes são por hora de áudio processada, por interação analisada e por agente ativo no mês. Cada um governa um comportamento diferente. Cobrança por hora penaliza a operação com chamadas longas, que costumam ser justamente as críticas, e cria o incentivo perverso de excluir da análise a cauda longa. Cobrança por interação favorece quem tem chamada curta e pode ficar cara em operação de alto volume e baixo TMA. Cobrança por agente é a mais previsível para orçamento anual e a que menos distorce o que se decide analisar. Antes de comparar preços, normalize os três modelos com o seu volume real dos últimos 12 meses.

O que costuma estar fora do preço de tela

Integração com PABX sem conector pronto, customização de vocabulário, criação de categorias além de um número incluído, armazenamento de áudio acima da franquia, ambiente de homologação, SSO e o reprocessamento histórico do acervo antigo. O reprocessamento é o item mais esquecido e frequentemente o mais desejado: analisar os últimos 12 meses de gravação dá linha de base imediata, mas é um volume grande processado de uma vez.

O custo interno, que ninguém orça

Horas do time de qualidade na escrita da rubrica e nas rodadas de calibração, horas de TI ou telefonia na integração e no ajuste da gravação, horas do jurídico ou do DPO na análise de base legal e retenção. Em projeto médio isso é um trimestre parcial de algumas pessoas. Projetos que não reservam essas horas não deixam de gastá-las. Gastam em atraso.

O lado da economia

Os ganhos aparecem em quatro lugares e em ritmos diferentes. Redução de hora-analista gasta em escuta para preencher formulário aparece rápido. Redução de retrabalho e de rechamada aparece quando os defeitos de processo identificados são efetivamente corrigidos. Redução de passivo (multa, NIP, indenização, glosa contratual) é a maior em valor e a mais difícil de atribuir, porque se mede em evento que deixou de acontecer. Aumento de conversão em vendas e cobrança é o único que aparece direto na receita.

Para montar o número com os dados da sua operação, veja como calcular o ROI de speech analytics em multas e processos ou abra a calculadora de custo de monitoria.

Glossário de speech analytics

Os termos que aparecem em proposta comercial e que convém entender antes de assinar.

ASR: Automatic Speech Recognition: o motor que converte áudio em texto com marcação de tempo. É a primeira etapa e a base de todas as outras.
WER: Word Error Rate: percentual de palavras erradas na transcrição, somando inserções, deleções e substituições sobre o total do áudio de referência.
Diarização: Separação de "quem falou quando" dentro da gravação. Sem ela não existe métrica de comportamento por locutor.
DER: Diarization Error Rate: percentual de tempo atribuído ao locutor errado, incluindo fala perdida, fala falsa e confusão de locutor.
Canal duplo (estéreo por perna): Gravação que coloca agente e cliente em canais de áudio separados. Elimina o problema de diarização na origem.
Crosstalk: Sobreposição de fala, quando os dois interlocutores falam ao mesmo tempo. É onde a diarização e a transcrição mais erram.
Talk ratio: Proporção entre o tempo de fala do agente e o do cliente. Em vendas consultivas é um dos indicadores mais estáveis de qualidade de diagnóstico.
Categoria: Regra que classifica interações por assunto, risco ou comportamento: "ameaça judicial", "pedido de cancelamento", "autoexclusão". Pode ser por termo, por regra composta ou por modelo.
Phonetic indexing: Técnica da primeira geração da categoria: indexar fonemas para permitir busca por palavra sem transcrever tudo. Rápida e barata, mas só acha o que alguém pensou em procurar.
Redaction: Mascaramento automático de dado sensível (CPF, cartão, dado de saúde) no áudio, na transcrição ou nos dois. Requisito prático para abrir a transcrição a mais gente.
Rubrica: A descrição escrita do que conta como cumprimento de cada critério do scorecard, com exemplos de aprovação e reprovação. É o insumo da automação e a causa mais comum de divergência.
Wrap-up (ACW): O tempo de pós-atendimento em que o agente registra o que aconteceu. É o dado que a análise automática torna dispensável em boa parte dos casos, e o mais preenchido por hábito, não por leitura.
VoC (Voice of the Customer): Uso da análise para escutar o cliente em escala e alimentar produto, marketing e processo, não só a gestão do atendimento.
Real-time agent assist: Camada que sugere frase, alerta sobre termo vedado ou exibe informação ao agente durante a conversa. Produto distinto da análise pós-chamada, com outro custo e outra precisão.

Mais definições do vocabulário de atendimento no glossário do BRIGGS.

Aprofundar em speech analytics

Os materiais do blog organizados a partir desta página: tecnologia, ROI, verticais, contratação e conformidade.

O que é speech analytics e como ele evita processos judiciais no call center

A introdução ao conceito pelo ângulo de risco jurídico.

WER: como avaliar a qualidade da transcrição do seu fornecedor

Como a métrica de erro de transcrição é calculada e como ela é manipulada sem mentira.

Speech analytics vs. escuta manual: qual o real ROI da automação

A comparação direta com o modelo de monitoria por amostragem.

Amostragem em monitoria: de onde vem o número de 2%

A investigação sobre a origem do benchmark de amostragem mais repetido do mercado.

ROI de speech analytics: como calcular a economia em multas e processos

O modelo de cálculo para justificar o investimento internamente.

O guia definitivo para contratar speech analytics em 2026

Critérios de escolha e o que exigir em proposta comercial.

Speech analytics plug & play: o fim das implementações de 6 meses

Por que o prazo de implantação encolheu e o que ainda leva tempo.

Speech analytics em saúde: como operadoras monitoram 100% das interações

A aplicação em operadora ANS, com as regras verificadas em cada chamada.

Speech analytics para operadoras de saúde: guia completo

O recorte de saúde suplementar, do benefício prático à implantação.

Recuperação de crédito: como o speech analytics aumenta a rentabilidade da carteira

O eixo de efetividade em cobrança, não só o de compliance.

Estratégias de negociação em cobrança validadas por speech analytics

Quais abordagens de acordo convertem, medidas na gravação.

Como o speech analytics identifica ameaças e abusos em tempo real

Detecção de evento crítico e o desenho do alerta.

O papel do speech analytics na mitigação de risco reputacional

Da chamada isolada à reclamação pública, e como antecipar.

Como o speech analytics personaliza o feedback para cada agente

O uso do trecho probatório em coaching individual.

Como o speech analytics ajuda a identificar os top performers da equipe

O que os melhores agentes fazem de diferente, medido em vez de suposto.

Como o speech analytics reduz o tempo de treinamento de novos produtos

Detecção de gap de conhecimento durante um lançamento.

Como o speech analytics ajuda na retenção de clientes

Sinais de churn que aparecem na conversa antes do cancelamento.

Como o speech analytics impacta o EBITDA da sua empresa

A tradução dos ganhos operacionais para a linha financeira.

Por que o speech analytics é o investimento mais rentável do CX

A comparação com outras iniciativas de experiência do cliente.

Integração de CRM e speech analytics: o poder do dado centralizado

O que muda quando o resultado da análise volta para o CRM.

Tendências de speech analytics para os próximos 5 anos

Para onde a categoria caminha com modelos de linguagem no meio.

Análise de ligações de vendas: o que a IA acerta e o que ela erra

A aplicação em vendas, com os limites declarados.

Conversation intelligence: o que é e como difere de revenue intelligence

Como as categorias vizinhas se organizam e o que cada uma responde.

Omnichannel: como monitorar voz, chat e WhatsApp com o mesmo critério

Onde a análise de voz e a de texto podem e não podem usar a mesma régua.

LGPD em gravação de atendimento: base legal, retenção e voz como biometria

O tratamento jurídico completo do acervo de gravações.

Checklist de monitoria de qualidade para operação de apostas

Os itens verificáveis na vertical de bets, com as obrigações da SPA.

Ferramentas de monitoria de qualidade: como escolher em 2026

O comparativo de categorias de fornecedor, incluindo quando a resposta é outro.

Já tem o processo de qualidade rodando?

Monitoria de qualidade com IA em 100% das interações

A camada de gestão que consome a análise: scorecard, feedback ancorado ao trecho, coaching, trilhas de treinamento e gamificação.

Ver monitoria com IA

Quer estimar o retorno antes?

Calculadora de custo de monitoria

Compare o custo do time de monitoria por amostragem com a cobertura de 100% das interações, com os números da sua operação.

Abrir calculadora

Quem já usa o BRIGGS

Operações de call center, BPO e áreas comerciais, o mesmo motor de análise, contextos diferentes.

Ferramenta fantástica! Através do BRIGGS conseguimos aprimorar nosso treinamento e acompanhamento da nossa operação, com insights importantes para ajustar e alavancar a performance da empresa.

Ângelo Marcarini

OPTA Soluções em Call Center

Sem o Briggs eu não vivo mais. Acompanhamos processos via meeting com integração no HubSpot e inteligência em cima da receita, enxergamos padrões que antes eram invisíveis.

Gustavo Zago, CPO

Caccao

Estamos usando o BRIGGS há pouco tempo e estamos bastante satisfeitos. O grande diferencial é a possibilidade de personalizar as avaliações, adaptando tudo às necessidades específicas da minha empresa.

Adriano Delvoux

Mais Controle

Reconhecimento

CampeãoProduto inovador

Rode o BRIGGS nas suas próprias gravações

Traga as chamadas difíceis: tronco comprimido, sala barulhenta, sotaque regional. É nelas que dá pra comparar fornecedor. Time brasileiro, contrato em real, sem cartão de crédito.

Vamos agendar sua conversa!

Deixe seus dados e direcionamos você para o especialista certo do nosso time.

Speech Analytics 100% nacional
Implantação em 7 dias
100% conformidade LGPD

Perguntas frequentes sobre speech analytics

O que é speech analytics?

Speech analytics é a tecnologia que transcreve automaticamente conversas faladas e extrai informação estruturada delas: quem falou em cada momento (diarização), sobre o que a conversa tratou (detecção de tópico e intenção), com qual carga emocional (sentimento textual e acústico) e se o roteiro obrigatório foi cumprido (aderência a script). O resultado é dado consultável sobre 100% das chamadas, associado ao trecho de áudio com timestamp que sustenta cada conclusão, em vez de uma impressão sobre a amostra que alguém conseguiu ouvir.

Qual a diferença entre speech analytics e monitoria de qualidade?

Monitoria de qualidade é um processo de gestão: definir critérios, avaliar interações, dar feedback ao agente, treinar e recalibrar. Speech analytics é uma tecnologia de análise de fala. O processo existe desde antes da tecnologia e pode ser executado com planilha e fone de ouvido; a tecnologia é o que permite executá-lo sobre todas as interações em vez de sobre uma amostra. Speech analytics também é usado fora da monitoria: em inteligência de vendas, pesquisa de voz do cliente, detecção de fraude e compliance regulatório.

Speech analytics é a mesma coisa que transcrição?

Não. Transcrição é a primeira etapa e entrega texto com marcação de tempo. Speech analytics usa esse texto como insumo e produz estrutura em cima dele: separação de locutores, classificação de tópico, sentimento, verificação de script, agregação por agente e campanha, alerta por evento crítico. Uma plataforma que entrega apenas transcrição transfere todo o trabalho de análise para uma pessoa lendo.

Como funciona a diarização e por que ela importa?

Diarização é a separação de "quem falou quando" dentro da gravação. Sem ela, a transcrição é um bloco de texto sem dono, e nenhuma métrica de comportamento do agente (talk ratio, interrupções, se a saudação foi dita por quem devia) é confiável. Quando a gravação é feita em dois canais, com agente e cliente em canais separados, o problema é resolvido na captura. Em áudio mono mixado, a separação depende de modelo e erra mais em vozes parecidas, fala sobreposta e chamadas com transferência.

Qual a diferença entre speech analytics e text analytics?

Speech analytics analisa voz (ligação, videochamada, áudio de WhatsApp) e tem acesso a sinais que só existem na fala: velocidade, volume, entonação, silêncio, interrupção. Em troca, carrega o erro da transcrição em todas as etapas seguintes. Text analytics analisa texto nativo (chat, e-mail, ticket, WhatsApp escrito) sem perda na captura, mas sem prosódia, o que torna sarcasmo e irritação contida mais difíceis de detectar. Operação omnichannel precisa dos dois, com critérios adaptados a cada canal.

O que medir para saber se o speech analytics está funcionando?

Em duas camadas. Na camada técnica: WER (erro de transcrição) e DER (erro de diarização) medidos no seu próprio áudio, precisão e recall por categoria crítica, concordância com o avaliador humano em calibração cega, cobertura efetiva do volume e latência fim a fim. Na camada de negócio: aderência a script, ofensores recorrentes por agente, FCR por motivo real, violações por mil chamadas, e a variação desses números depois das ações de coaching.

Speech analytics funciona bem em português do Brasil?

Funciona, com a ressalva de que a qualidade varia muito conforme o motor e o preparo. Modelos treinados majoritariamente em inglês perdem precisão com sotaques regionais brasileiros e com jargão setorial: vocabulário de saúde suplementar, cobrança e financeiro. Vocabulário customizado com os termos da sua operação (nomes de planos, produtos, siglas internas) é o ajuste que mais reduz erro. A verificação honesta é enviar gravações reais ruins, não áudio de demonstração.

Gravar e analisar chamadas é permitido pela LGPD?

Sim, desde que haja base legal adequada e aviso ao titular. Execução de contrato, cumprimento de obrigação legal ou regulatória e legítimo interesse são bases usadas com frequência em atendimento, e não exigem consentimento. O aviso de gravação na própria chamada é obrigatório em qualquer base. É preciso também definir prazo de retenção justificado por finalidade, restringir o acesso por perfil, redigir dados sensíveis na transcrição e verificar onde o áudio é processado e armazenado.

Voz é dado biométrico para efeito de LGPD?

Depende da finalidade do tratamento. Gravação usada para avaliar qualidade de atendimento é dado pessoal comum. A mesma gravação usada para identificar ou autenticar a pessoa por características da voz configura dado biométrico, que a LGPD classifica como dado pessoal sensível, com bases legais mais restritas e risco maior em incidente. Operações que usam autenticação por voz no IVR e análise de qualidade sobre o mesmo acervo precisam separar as duas finalidades no registro de tratamento.

Quanto tempo leva para implantar speech analytics?

A parte técnica é rápida quando existe conector nativo para o PABX ou a plataforma de voz: dias a poucas semanas até as primeiras chamadas analisadas. O que leva tempo é o trabalho não técnico: escrever a rubrica de cada critério, calibrar as categorias contra uma amostra rotulada pela sua equipe de qualidade, ajustar o vocabulário e definir quem trata cada alerta. Projetos que estouram prazo quase sempre estouram nessa parte, não na integração.

Dá para analisar WhatsApp e videochamada, ou só telefone?

Os dois. Áudio de WhatsApp e gravação de videochamada passam pelo mesmo pipeline de transcrição e análise da ligação telefônica. Mensagem escrita de WhatsApp e chat entram por text analytics, sem a etapa de transcrição. O ponto de atenção é o critério: aplicar o mesmo formulário de voz ao chat produz distorção, porque o que é objetividade num canal é secura no outro.

A IA substitui o analista de qualidade?

Não na prática observada. O que muda é a distribuição do trabalho: a parte de ouvir chamada para preencher formulário encolhe, e a parte de calibrar critério, julgar caso-limite, conduzir coaching e decidir o que fazer com o padrão detectado cresce. Operações que demitem o time de qualidade ao adotar a tecnologia costumam perder o critério que sustentava o programa e ver a qualidade das avaliações cair, porque não sobra ninguém para manter a rubrica viva.