Design de IA conversacional: como criar experiências mais humanas para o usuário

Design de IA conversacional já foi sinônimo de construir uma árvore de decisões. Os primeiros chatbots e menus de URA seguiam caminhos rígidos e pré-definidos: pressione 1 para cobrança, diga "sim" ou "não" e torça para que a dúvida do cliente estivesse entre as opções previstas. Esse modelo só funcionava enquanto a conversa ficasse dentro do que já estava planejado.

Os agentes de IA eliminaram essa limitação. Agora eles conseguem entender a conversa em tempo real, acessar uma base de conhecimento, acionar ferramentas e lembrar o que já foi dito, sem depender de um roteiro fixo.

No entanto, essa mudança não eliminou a necessidade de design de IA conversacional. Pelo contrário, aumentou o desafio. Sem um roteiro rígido para seguir, é preciso definir bem a persona, o fluxo e os pontos de decisão do agente para que ele se saia bem em conversas abertas e em tempo real, não só nas situações previstas.

Este guia explica o que realmente significa design de IA conversacional para chat e agentes de voz, por que isso é importante para os indicadores que você já acompanha e o que é preciso otimizar para tornar a experiência mais natural. Quando feito da forma certa, você pode usar agentes de IA que se conectam com os clientes e oferecem um atendimento mais rápido e eficiente.

Resumo

• Design de IA conversacional é sobre como a comunicação de um agente de IA é estruturada e otimizada para que a conversa pareça natural.
• Voz IA é menos tolerante que texto, já que problemas de voz, latência e tempo que passam despercebidos em um chat podem deixar a conversa de voz robótica.
• O ElevenAgents foi criado para tornar possíveis agentes de voz e chat com IA que soam humanos, com recursos que permitem controlar voz, persona e fluxo da conversa, além de otimizar a latência em todos os canais.

O que é design de IA conversacional?

Design de IA conversacional é a prática de UX de configurar como um agente de IA se comporta. Isso inclui desde a persona até os limites, fluxos e bases de conhecimento que ele usa, tudo funcionando junto para que a conversa seja tão bem feita quanto qualquer outra parte da experiência do produto.

Essa configuração não é igual em todo lugar. Os agentes podem atuar em vários canais, como chat, voz ou SMS, a partir de uma única configuração. Cada canal tem suas próprias limitações, mas a voz é onde elas são mais exigentes. Quando a voz faz parte do canal, o agente precisa escolher e entregar uma voz, controlar o ritmo e a vez de falar em tempo real e responder antes que uma pausa pareça uma ligação caída. Nada disso é opcional como no chat, onde uma resposta um pouco lenta ou imperfeita raramente prejudica a interação.

Veja o que você precisa considerar ao implementar o design de IA conversacional para um agente de chat e o que a voz acrescenta a isso.

Os clientes não avaliam conscientemente cada um desses fatores. Eles apenas percebem quando algo está estranho, e essa sensação já é suficiente para minar a confiança no agente como um todo, colocando em risco os objetivos para os quais ele foi criado.

Por que o design de IA conversacional é importante para uma boa experiência do usuário

Cada fator citado acima, desde a vez de falar até latência e persona, influencia como o cliente percebe sua marca em um momento decisivo, que pode transformá-lo em defensor ou crítico. Essa percepção aparece diretamente nos indicadores que as equipes acompanham.

• Mais satisfação e resolução: Os clientes avaliam melhor a interação quando o agente responde rápido e não interrompe de forma estranha.
• Menos abandono: Os clientes saem de uma conversa por mais motivos além de espera longa. Uma resposta que não corresponde à expectativa, seja uma pausa estranha na ligação ou uma resposta travada no chat, pode causar o mesmo impulso de encerrar a conversa.
• Resolução mais rápida: Configurações claras de fluxo de conversa e workflows bem mapeados evitam becos sem saída, perguntas repetidas e o famoso "vou transferir você".
• Menos escalonamento para humanos: Quando o agente conduz o fluxo de conversa de forma natural e segue um workflow definido, resolve mais na primeira tentativa, sem confundir o cliente a ponto de pedir para falar com uma pessoa.

Por exemplo, veja o caso da eDreams ODIGEO, uma das maiores plataformas de viagens online do mundo. Eles implementaram agentes de IA com o ElevenAgents em cinco idiomas principais e viram uma melhora de dois dígitos na velocidade de resolução e uma redução de dois dígitos nas transferências de chamadas, graças à síntese de voz com baixa latência e ao reconhecimento mais preciso de intenção logo no início da ligação. Resultados assim dependem de muitos fatores além do design da conversa, mas mostram o que um bom design de IA conversacional pode proporcionar.

Como funciona o design de IA conversacional no ElevenAgents

No ElevenAgents, você pode otimizar aspectos como persona, voz, vez de falar, transferências e latência — os mesmos fatores que fazem um agente parecer humano. Veja como configurar e ajustar cada um para que seu agente participe de uma conversa real.

Seleção de persona e voz

A persona define a primeira impressão do cliente, e uma escolha errada prejudica a confiança antes mesmo da conversa começar. Uma persona muito formal para uma marca descontraída faz o cliente duvidar do agente antes de ouvir qualquer coisa útil. Comece a definir isso no prompt do sistema, onde você determina o papel, a personalidade e os limites do agente antes de qualquer outra coisa.

Para agentes de voz, a persona também precisa aparecer na voz. Uma voz muito informal para uma ligação financeira passa a mesma impressão de uma persona errada no texto, então a escolha da voz faz parte do mesmo trabalho. Veja por onde começar:

• Seleção de voz: Combine a voz com sua marca, público e assunto. Sotaque, gênero e tom ajudam a criar confiança com quem liga e definem o clima da conversa.
• Suporte multilíngue: Escolha uma voz para cada idioma que você atende, em vez de usar a mesma voz em todos os mercados. Uma única voz forçada em vários idiomas geralmente soa estrangeira em pelo menos um deles, o que prejudica a confiança que você quer construir.

O ElevenAgents oferece acesso a mais de 11.000 vozes na Voice Library, pesquisáveis por sotaque, personagem e caso de uso, então você raramente começa do zero. Se nenhuma delas servir, há mais duas opções: clonar uma voz existente a partir de um pequeno áudio ou criar uma do zero com um prompt de texto descrevendo idade, sotaque, tom e ritmo desejados.

Configurações de fluxo da conversa

A voz é onde a conversa segue o relógio mais apertado. No chat, uma pausa é só um espaço em branco, mas numa ligação, uma quebra no ritmo já parece ligação caída ou problema na conexão. Acertar esse ritmo é o principal fator para o agente de voz parecer natural na conversa, e tudo começa pelo modelo de vez de falar.

O modelo de vez de falar do ElevenLabs é baseado em pesquisa e foi criado para detectar quando o cliente realmente terminou de falar, e não só fez uma pausa. Assim, o agente sabe quando deve responder, sem depender de um atraso fixo.

Além disso, veja algumas configurações que você pode ajustar para acertar o fluxo da conversa:

• Tempo de espera da vez: Quanto tempo o agente espera em silêncio antes de responder, para não interromper enquanto o cliente ainda pensa, nem deixar o cliente esperando depois que ele termina.
• Tempo de espera curto: Uma frase curta que o agente usa para preencher uma pausa de processamento, como "Só um momento" ou "Deixe-me ver", para o cliente não achar que a ligação caiu. Evite frases que prometem tempo específico (como "um segundo"), já que o tempo real pode variar.
• Interrupções: Se o agente para de falar quando o cliente começa a falar por cima. Ative para conversas mais naturais. Desative quando for importante entregar a mensagem completa, como avisos legais, instruções de segurança ou qualquer coisa que precise ser ouvida até o fim.
• Agilidade na resposta: Quão rápido o agente responde depois que o cliente para de falar. "Ágil" é ideal para atendimento ao cliente, onde respostas rápidas são importantes. "Paciente" funciona melhor ao coletar informações, como telefone ou e-mail, para não cortar o cliente no meio dos números. "Normal" é um bom padrão para conversas gerais.

Pequenos ajustes aqui fazem muita diferença. Até uma mudança sutil no tempo de espera pode transformar um agente atencioso em um que parece interromper as pessoas.

Workflow, transferências e roteiros

Os workflows são onde boa parte do design de IA conversacional é aplicada no ElevenAgents. Eles definem o que acontece e quando: pontos de decisão, caminhos de escalonamento, transferências — tudo que, sem isso, ficaria a cargo do agente improvisar.

Os workflows funcionam junto com outros dois sistemas para refinar seu agente. O prompt do sistema define o comportamento central do agente, como papel, tom e o que ele pode ou não dizer, em momentos importantes como saudações ou transferências.Procedimentos são uma opção mais prescritiva para tarefas únicas e bem definidas, como verificar a identidade do cliente ou orientar um processo de devolução. Em vez de ramificar conforme o cliente fala, seguem uma sequência fixa do início ao fim, independentemente do rumo da conversa.

A forma mais fácil de começar a construir seu agente é usar modelos prontos de agente, que já trazem um ponto de partida para workflows e prompts do sistema, assim você só precisa ajustar em vez de criar tudo do zero. Veja algumas mudanças que você pode fazer para adaptar ao seu caso:

• Mapeamento de decisões: Defina exatamente o que o agente faz em cada ponto de decisão, para que toda a conversa esteja mapeada do início à resolução. Nós de subagente permitem ajustar o prompt do sistema, modelo ou até a voz em pontos específicos do fluxo, então uma etapa sensível de verificação pode ter limites mais rígidos do que uma conversa informal no início da ligação.
• Gatilhos de escalonamento: Defina gatilhos claros para transferir para um humano, já no workflow, em vez de deixar para o agente decidir na hora. Por exemplo, escale quando um problema não for resolvido após duas tentativas, quando o cliente pedir um supervisor ou quando a transação for sensível ou de alto valor.
• Contexto da transferência: No prompt do sistema, defina o que o agente deve coletar antes de transferir, como número do pedido ou conta, e as condições que acionam a transferência. Depois, mapeie esses dados salvos para a configuração da ferramenta de transferência, assim as informações passam automaticamente, sem o cliente precisar repetir tudo para o atendente humano.
• Frases roteirizadas: Defina a frase exata para momentos críticos no prompt do sistema. Saudações, mensagens de erro, avisos legais e transferências nunca devem ser improvisados pelo agente. Uma frase como "Estou com dificuldade para acessar essa informação agora" é mais confiável do que deixar o agente tentar inventar na hora.

O workflow é construído como um gráfico visual no ElevenAgents, com cada ponto de decisão e gatilho de escalonamento representado como um nó que você vê e edita diretamente.

Depois de publicado, as análises mostram dados reais das conversas nesse mesmo gráfico, assim você vê exatamente onde os clientes estão travando ou desistindo e pode corrigir sem adivinhação.

Latência e desempenho

Latência é um dos principais fatores para a interação parecer humana ou não. Uma resposta lenta é uma das formas mais rápidas de lembrar o cliente que está falando com uma máquina, mesmo que o resto da conversa esteja indo bem.

Cada parte do processo adiciona sua própria latência, seja o agente atuando por chat ou voz. Algumas etapas valem para ambos, outras só entram em cena quando há voz.

• LLM: Cada modelo é um equilíbrio entre custo, qualidade de raciocínio e velocidade, e o ideal depende da conversa. Interações simples e frequentes, como perguntas frequentes ou confirmação de agendamento, podem rodar em modelos mais rápidos e leves sem prejudicar a experiência. Para tarefas mais complexas, como consultoria financeira ou resolução de problemas em várias etapas, geralmente vale a pena investir em um modelo mais robusto, mesmo que responda um pouco mais devagar.
• Base de conhecimento e RAG: Cada consulta à base de conhecimento adiciona um tempo antes da resposta, então uma base enxuta e focada responde mais rápido do que uma que exige buscas amplas.
• Integrações e chamadas de ferramentas: Cada chamada externa, como buscar um pedido no Salesforce ou checar disponibilidade em uma agenda, adiciona seu próprio tempo. Escreva descrições claras das ferramentas para o agente não hesitar sobre qual usar, e só acione ferramentas realmente necessárias para a conversa.
• Geografia e hospedagem de dados: Escolha a região do ElevenAgents de acordo com onde seus dados estão hospedados e, para implantações por telefone, com a região do seu provedor de telefonia (Twilio, SIP ou outro). Se a região do agente e do gateway de chamadas estiverem em lados opostos do mundo, isso aumenta a latência antes mesmo da conversa começar.
• Speech-to-text (apenas voz): O Scribe transcreve o que o cliente diz antes do agente processar qualquer coisa. Use a versão em tempo real (Scribe v2 Realtime) para conversas ao vivo, em vez da versão em lote, que prioriza precisão em vez de velocidade.
• Vez de falar (apenas voz): Define quando o agente decide responder, como explicado acima. Vale lembrar que isso também impacta a latência, já que um modelo que demora para detectar o fim da fala adiciona atraso antes mesmo do restante do processo começar.
• Transformar Texto em Áudio e seleção de voz (apenas voz): Vozes padrão e sintéticas, além de Instant Voice Clones, respondem mais rápido do que Professional Voice Clones. Use Professional Voice Clones só quando a fidelidade extra compensar o tempo de resposta maior.

Para saber mais sobre latência, veja as melhores práticas para otimização de latência e como a latência é medida e reportada em todo o processo.

Crie seu primeiro agente com o ElevenAgents

Os pontos abordados aqui mostram o que significa, na prática, o design de IA conversacional para um agente de IA. Tudo isso é nativo do ElevenAgents e pode ser configurado sem código, para que você crie um agente que realmente conversa, não só responde perguntas certas.

Para equipes que querem ajuda prática, os Forward Deployed Engineers da ElevenLabs trabalham junto com sua equipe para planejar, construir e lançar um agente pronto para produção, além de continuar ajustando o desempenho depois que ele estiver no ar.

Seja construindo por conta própria ou com suporte, a forma mais rápida de ver a diferença é testando. Comece hoje mesmo criando um agente ou falando com nosso time de vendas.

Perguntas frequentes sobre design de IA conversacional