As diferenças entre assistente de voz e assistente de texto começam no canal de entrada: um recebe áudio e precisa de converter a fala em texto antes de perceber o pedido; o outro recebe palavras escritas e interpreta logo a intenção. Segundo o Eurostat, 13.5% das empresas da União Europeia com 10 ou mais trabalhadores usavam tecnologias de inteligência artificial em 2024, contra 8.0% em 2023, e as tecnologias de escrita lideram essa adoção. Para a maioria das pequenas empresas em Portugal, o assistente de texto é o ponto de partida mais simples de manter; a voz só compensa quando o cliente está ao telefone ou não consegue escrever.
Voz e texto: o essencial
Um assistente de voz atende por telefone: capta o som, transcreve com reconhecimento de fala e só depois responde, por voz ou por texto. Um assistente de texto atende em chat, site ou mensagens: o cliente escreve e o sistema lê a mensagem diretamente. A diferença parece pequena, mas muda o erro típico, o custo e a forma de verificar a resposta. Nos dados do Eurostat de 2024, a análise de texto era usada por 6.9% das empresas, a geração de linguagem natural por 5.4% e o reconhecimento de fala apenas por 4.8%, o que mostra que as empresas europeias adotam primeiro as tecnologias de texto.
Comparação direta dos dois
| Diferença | Assistente de voz | Assistente de texto |
|---|---|---|
| Entrada do cliente | Cliente fala; o sistema transcreve o áudio | Cliente escreve; o sistema lê a mensagem |
| Erro típico | Nomes, moradas e números mal transcritos | Pedidos ambíguos e respostas desatualizadas |
| Melhor uso | Telefone, mãos ocupadas, clientes pouco digitais | Chat e mensagens, com registo da conversa |
| Custo e esforço | Mais alto: áudio, transcrição e telefonia | Mais baixo: texto e base de conhecimento |
| Verificação | Ouvir amostras reais e conferir transcrições | Testar perguntas reais e rever respostas |
Quando a voz compensa
A voz faz sentido quando a chamada é o canal natural do negócio: uma linha de apoio, um serviço ao telefone ou clientes que preferem falar a escrever, como muitos clientes mais velhos. Também ajuda quem tem as mãos ocupadas, por exemplo num balcão ou numa oficina. Em contrapartida, cada palavra falada passa por transcrição e cada nome, morada ou valor confirma-se por leitura de volta, o que acrescenta um passo de verificação que no texto quase não existe.
Quando o texto compensa
O texto ganha quando o cliente já escreve por mensagens ou no site e quer um registo do que combinou. A conversa fica guardada, os pedidos podem ser enfileirados para a equipa e as respostas confirmam-se com botões ou opções simples em vez de ditado. É também o formato mais barato de começar: a base de conhecimento escreve-se uma vez e serve o chat, o e-mail e, mais tarde, a voz. Começar por texto reduz o risco do projeto morrar numa integração telefónica complexa.
Regras que se aplicam
Os dois formatos estão sujeitos às mesmas regras europeias. O AI Act exige que, com sistemas como chatbots, os humanos devam ser informados de que estão a interagir com uma máquina, e as regras de transparência entram em vigor em agosto de 2026. Por outro lado, o princípio da minimização do RGPD aponta para pedir ao cliente apenas os dados necessários para resolver o pedido, tanto na voz como no texto: um número de telefone confirmado e o motivo do contacto chegam para a maior parte das triagens.
Como decidir em quatro passos
- Registe durante uma semana onde os clientes pedem mais: chamadas ou mensagens escritas.
- Escolha o canal dominante para a primeira versão e mantenha o outro como alternativa manual.
- Monte a base de conhecimento por escrito, independentemente do canal: a documentação da Microsoft sobre o padrão RAG explica que ele funciona bem para perguntas que mapeiam para uma única pesquisa, mas o raciocínio em vários passos excede o que um pipeline fixo consegue tratar.
- Teste antes de abrir ao público, seguindo o guia para confirmar escolhas no assistente sem becos sem saída e o método dos 5 passos para testar o assistente com perguntas reais.
Se depois de testar a demanda escrita continuar a crescer e as chamadas também, aí sim a voz entra como segundo canal, com a mesma base de conhecimento e com amostras de áudio auditadas. A decisão final deve sair dos registos do seu próprio atendimento, não de uma moda de canal.
Fontes
- Eurostat — Usage of AI technologies increasing in EU enterprises: ec.europa.eu/eurostat/web/products-eurostat-news/w/ddn-20250123-3
- Comissão Europeia — AI Act: digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
- Microsoft Learn — Design and develop a RAG solution: learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/rag/rag-solution-design-and-evaluation-guide