Como desenhar o guião de um agente de voz: tom, limites e primeiras frases

Mesma clínica, mesma voz sintética, mesma integração com a agenda. Numa terça-feira de manhã saem duas chamadas de confirmação de consulta. Na das 9:04, o agente abre com um parágrafo de trinta e oito segundos: quem é, horário do centro, política de cancelamento, aviso de gravação. O cliente interrompe ao segundo doze; o agente termina o seu parágrafo na mesma; o cliente repete a pergunta; aos três minutos e quarenta segundos a chamada morre num "depois ligo eu". Na das 9:11, o agente abre em sete segundos, faz uma pergunta, confirma a resposta e desliga. Setenta e quatro segundos, consulta confirmada.

A única coisa diferente entre as duas chamadas é o guião. E a palavra engana: o guião de um agente de voz não é o texto que recita, mas o conjunto de decisões sobre como conversa —o tom, a duração de cada turno, o que faz quando o interrompem, que frases estão fixadas palavra por palavra e o que fica ao critério do modelo com regras—. A voz do agente é a voz da empresa.

Este artigo percorre essas decisões uma a uma, do tom aos testes. Damos por adquirido que já decidiste onde acaba o agente e começa a tua equipa —esse limite vem antes do guião, e é lá que o argumentamos—; o que vem agora é como soa esse limite na prática.

Um guião não é um monólogo: é uma especificação

A intuição herdada dos IVR clássicos é escrever o guião como uma árvore: se disser A, responde B. Já explicámos porque é que essa abordagem se parte: os clientes saem do caminho previsto quase sempre, porque misturam assunto, urgência e contexto na mesma frase. Com um modelo de linguagem por trás, o guião muda de natureza: deixa de ser um texto que se recita e passa a ser uma especificação que se cumpre.

Essa especificação tem três camadas. Identidade e tom: quem é o agente, como fala, que vocabulário usa e qual tem proibido. Regras de conversa: quanto dura um turno, como gere interrupções e silêncios, como reformula quando não entende, quando cede o caso. Frases fixas: uma mão-cheia de linhas escritas palavra por palavra que o agente pronuncia sempre da mesma forma. A pergunta de design mais útil é o que vai na terceira camada e o que fica nas duas primeiras.

O critério da coluna esquerda é simples: fixa-se literalmente o que tem risco legal ou de marca. A abertura, porque é a primeira impressão do canal; a privacidade e o opt-out, porque são compromissos, não conversa —o opt-out já o tratámos ao desenhar as chamadas de lembrete de consultas, e aqui só importa que seja uma cadeia fixa, não uma improvisação—; a transferência e o fecho, porque são os momentos de que o cliente se lembra. Tudo o resto são regras, não parágrafos. O guião não diz ao agente o que dizer em cada momento; diz-lhe quem é e o que não pode dizer jamais.

O tom é uma decisão de negócio, não um ajuste técnico

A primeira decisão da primeira camada parece menor e não é: o agente trata por tu ou por você? "Ligo-lhe da clínica por causa da sua consulta de amanhã" e "Ligo-te da clínica por causa da tua consulta de amanhã" são a mesma informação e duas empresas diferentes. Uma clínica dentária trata por tu com naturalidade; um escritório que trata de heranças provavelmente não. Não há resposta universal —há coerência com a forma como a tua empresa já fala ao telefone—, mas há um erro universal: não decidir e deixar que o modelo escolha em cada chamada.

A decisão escreve-se, não se supõe. E não fica pelo tratamento: o tom inclui o registo —próximo, neutro, formal— e duas listas curtas de vocabulário. A das palavras próprias do negócio que o agente deve usar, e a das palavras proibidas: gíria interna, códigos de ferramenta, anglicismos de backoffice que nenhum cliente alguma vez pronunciou. Se a tua equipa diz "incidência" e os teus clientes dizem "problema", o agente diz "problema".

O comprimento das frases também é tom. As frases longas e subordinadas soam a locução gravada; as curtas, a uma pessoa a atender. O tom não é como soa o agente: é como soa a tua empresa quando tu não estás presente.

As primeiras frases: dez segundos que decidem tudo o resto

O que a abertura deve conter já o escrevemos ao falar de como apresentar o agente e o que exige a norma: o que é, da parte de quem, o que pode resolver e como chegar a uma pessoa, as quatro peças na primeira frase. O que faltava dizer é a restrição que torna difícil cumpri-la: o orçamento de tempo.

A abertura completa deve caber em cerca de oito segundos —vinte e cinco ou trinta palavras—, com uma única ideia e uma única pergunta. O agente das 9:04 da introdução não falhava por esconder informação, mas por dá-la toda à porta: horários, políticas e gravação são coisas que se dizem quando for oportuno, não antes de o cliente ter podido falar. Uma abertura de chamada de saída bem orçamentada soa assim: "Sou o assistente virtual da Clínica Ribera. Ligo por causa da tua consulta de amanhã às 10:30. Podes confirmá-la agora?".

O orçamento muda consoante o contexto. A chamada de entrada em horário comercial admite uma abertura mínima; a de saída precisa de justificar na primeira frase porque é que o telefone toca; a noturna tem as suas próprias regras de expectativa, que já detalhámos nas chamadas fora de horário. As três variantes partilham uma propriedade: são as frases fixas por excelência. Escrevem-se literais, leem-se em voz alta e cronometram-se.

Uma pergunta por turno: ritmo, interrupções e silêncios

O erro mais comum ao escrever um guião é escrevê-lo. No papel, quarenta palavras são um parágrafo razoável; ao telefone são quinze segundos de áudio ininterrupto, e o cliente médio começa a falar por cima muito antes. A regra operativa: turnos de uma ou duas frases, cerca de vinte palavras, e uma única pergunta por turno. Se fizeres duas, o cliente responde a uma, a outra perde-se e o agente acaba por perguntar de novo.

As interrupções não são uma falha do cliente: são a forma natural de conversar ao telefone. Quando o cliente fala por cima, o agente cala-se e ouve; um agente que termina o seu parágrafo enquanto lhe falam transforma a chamada em dois monólogos simultâneos. Daí uma consequência de design pouco intuitiva: o importante vai ao princípio de cada frase, porque o final pode nunca chegar a ouvir-se.

O silêncio também se coloca no guião. Ao primeiro silêncio —uns quatro segundos—, um reengate suave que devolva o contexto: "Ainda estás aí? Perguntava-te pela consulta de amanhã". Ao segundo, uma pergunta fechada que baixe o esforço de responder: "Confirmo-a, então?". Ao terceiro, fechar com elegância e deixar a porta aberta: "Parece que não te consigo ouvir bem. Ligamos-te noutra altura, sem problema". Um guião que só prevê respostas é meio guião.

Reformular sem repetir: o guião dos mal-entendidos

Haverá turnos que o agente não vai entender. A regra de ouro é nunca repetir a mesma frase palavra por palavra: a repetição literal é o que denuncia as máquinas e o que desespera as pessoas.

Em vez disso, uma escada de três degraus. Primeiro, reformular com outras palavras: "Desculpa, não te entendi bem. Ligas por causa de uma consulta ou de uma fatura?". Segundo, estreitar a opções fechadas: "Vamos simplificar: é pela consulta de amanhã, sim ou não?". Terceiro, deixar de tentar: a terceira falha de compreensão é exatamente um daqueles gatilhos do limite que tinhas decidido antes de escrever o guião, e aí a conversa cede o passo à transferência com tudo o que foi capturado até ao momento.

Uma nuance de redação que muda o tom de toda a escada: a culpa é sempre do agente, nunca do cliente. Diz-se "não te entendi", jamais "não o disseste bem" nem "não te ouço". E o remate conceptual é fácil de recordar: a terceira reformulação não existe; existe a transferência.

A frase da transferência e o plano B quando não há ninguém

A transferência para uma pessoa tem a sua própria frase fixa, e merece sê-lo porque faz três coisas num segundo: anuncia a mudança, dá expectativa e tira o medo de repetir tudo. "Passo-te a uma colega da equipa. Já tem os teus dados, não vais ter de contar tudo de novo". Que informação viaja com o cliente não é assunto deste artigo: é o pacote de contexto que descrevemos com detalhe no design da transferência agente-pessoa. O guião só põe a voz nesse momento —mas se a voz promete "já tem os teus dados", o pacote tem de o tornar verdade.

Fica o caso incómodo: o cliente quer uma pessoa e não há ninguém disponível. A regra herdamo-la dos fluxos de entrada: não prometer o que não se vai cumprir. Nada de "um momento, por favor" seguido de música infinita, nada de "vão ligar-te agora mesmo" se ninguém vai ligar agora mesmo. A alternativa honesta é concreta e com janela de tempo: "Neste momento não te consigo passar a ninguém da equipa. Posso pedir que te liguem amanhã antes do meio-dia, pode ser?". A frase da transferência é a mais importante do guião, porque é a que se pronuncia quando o guião já não chega.

Um guião por idioma, não uma tradução

Se atendes em castelhano, catalão, inglês ou português, não tens um guião: tens quatro. A parte que mais resiste à tradução é justamente a primeira camada, o tom. O tuteo castelhano e o tu/vostè catalão são decisões separadas —a mesma clínica pode tratar por tu em castelhano e preferir o vostè com parte da sua clientela em catalão—, e o inglês aplana a distinção por completo: o registo tem de se reconstruir com outras ferramentas.

As frases fixas escrevem-se em cada idioma e revê-as alguém nativo da equipa; traduzi-las em cima do joelho é onde aparecem as expressões que nenhum cliente diria. E a própria mudança de idioma coloca-se no guião: se o cliente responde em catalão a uma abertura em castelhano, o agente não o ignora nem o transforma num problema —"Si prefereixes que parlem en català, cap problema"— e continua a conversa no idioma do cliente.

O que se partilha entre idiomas é a especificação: as mesmas intenções, os mesmos limites, os mesmos degraus de reformulação, as mesmas regras de silêncio. Muda a superfície; a estrutura, não. O guião localiza-se; o limite, não.

As métricas que importam

O guião ajusta-se com números, não com impressões, e tem os seus próprios. A taxa de não compreendidos: que percentagem de turnos acaba num pedido para repetir ou reformular. É o termómetro direto da qualidade do guião; se sobe depois de uma alteração, a alteração reverte-se. As interrupções por chamada, sobretudo as que chegam no primeiro terço do turno do agente: muitas interrupções precoces significam turnos demasiado longos ou informação na ordem errada. A duração média do turno do agente, medida em segundos por intervenção e não por chamada: é o detetor de monólogos, e compara-se com o orçamento de cerca de vinte palavras. E a taxa de sucesso por intenção: que percentagem de chamadas completa o objetivo da sua intenção sem transferência nem abandono, segmentada intenção a intenção, porque diz que parte do guião falha e não apenas que algo falha.

As quatro leem-se juntas. Uma taxa de sucesso alta com turnos longos descreve um guião que resolve mas cansa: vai funcionar até deixar de funcionar. Muitas interrupções com poucos não compreendidos significam que o cliente vai à frente do guião: sobra texto, não falta compreensão. E os desligamentos nos primeiros segundos não entram nesta lista de propósito: são sinal da apresentação, território do artigo da transparência, não do corpo do guião.

Como encaixa a BeeAgent

Na BeeAgent o guião não é uma função acrescentada ao agente: é parte do seu design. O tom e o tratamento definem-se por agente e por idioma; as frases fixas —abertura, privacidade, opt-out, transferência, fecho— escrevem-se literais e separadas das instruções; e as regras de reformulação, silêncio e cedência a uma pessoa configuram-se como o que são, regras, ligadas aos limites de escalamento que o guião põe em voz.

E como é uma plataforma sem código, ajustar o guião não é um projeto: a equipa de operações lê as transcrições da manhã e muda uma abertura ou encurta um turno em minutos, sem ticket para o desenvolvimento; o processo completo está no guia para montar o teu primeiro agente sem escrever código. Um aviso honesto, isso sim: se ainda não é claro o que o agente deve resolver, o guião não o vai consertar. Primeiro o processo, depois as palavras.

O teu guião em três semanas

A primeira semana é de decisões e de escrita. Decide-se o tom e o tratamento por idioma, escrevem-se as frases fixas e a lista de intenções com as suas regras, e faz-se o teste mais barato e mais rentável que existe: a leitura em voz alta. Uma pessoa da equipa lê as linhas do agente a outra que faz de cliente, cronómetro na mão; tudo o que soar a locução, encurta-se.

A segunda semana é de quebrar o guião de propósito. Quinze ou vinte chamadas internas de teste em que a equipa interrompe, murmura, muda de assunto a meio da frase e fica calada, e uma sessão com as transcrições à frente para ajustar turnos, reformulações e silêncios. É mais barato o agente encontrar a tua equipa de mau humor do que o teu primeiro cliente.

A terceira semana é o piloto real, limitado a uma intenção e a uma faixa horária, com leitura diária de transcrições e as quatro métricas da secção anterior como critério. A disciplina que o faz funcionar: uma única alteração de cada vez, com nome, data e caminho de volta possível. Um guião não se termina: versiona-se.

Conclusão

O guião é a parte do agente que os teus clientes ouvem. Tudo o resto —integrações, encaminhamento, dados— trabalha na sombra; o tom, a duração dos turnos, a reformulação depois de um mal-entendido e a frase da transferência são a experiência inteira do canal para quem está do outro lado do telefone. Por isso não são ajustes técnicos que se deixam ao modelo: são decisões de negócio que se escrevem, se testam e se corrigem com transcrições reais à frente.

Se estás a desenhar o guião do teu primeiro agente de voz, nos casos de uso podes ver como soam agentes reais no apoio ao cliente, ou escreve-nos e escrevemos contigo as cinco frases fixas do teu primeiro fluxo.