Tidak satu pun dari 68 studi suara dan ucapan untuk kesehatan mental yang ditinjau pada 2026 mengukur burnout atau kelelahan emosional secara langsung (Uy dkk., Frontiers in Digital Health 2026). Kesenjangan itu membingkai semua yang ada di bawah ini. Yang ditunjukkan penelitian lebih sempit: frekuensi fundamental (F0, nada dasar suara) naik di bawah stres akut dengan selisih rata-rata terstandar gabungan (SMD) sebesar 0,55 yang menyusut menjadi 0,17 dan tidak signifikan setelah dikoreksi untuk bias publikasi (Veiga dkk., Stress and Health 2025). Hasil lapangan call center terkuat yang kami temukan adalah AUC 0,783 untuk memprediksi gejala depresi pada 62 pekerja Jepang (Tani dkk., Journal of Occupational Health 2025), dan di Uni Eropa, menyimpulkan emosi karyawan dengan AI dilarang sejak 2 Februari 2025. Untuk sisi tenaga kerja dari masalah ini (atrisi, pelecehan, niat berhenti), lihat statistik burnout dan perputaran agen call center kami. Kami menghimpun data dari JMIR Mental Health, JAMIA, Scientific Reports, Journal of Voice, Journal of Occupational Health, Komisi Eropa, otoritas perlindungan data Hungaria (NAIH), dan Institut Keadilan Nasional AS, serta memisahkan bukti laboratorium dari penerapan di lapangan di seluruh bagian.
TL;DR
- 0 dari 68 studi suara dan ucapan untuk kesehatan mental mengukur burnout secara langsung, dan hanya 2 dari 68 (3%) yang divalidasi pada dataset independen (Uy dkk., Frontiers in Digital Health 2026).
- 0 dari 13 studi pemantauan kesehatan mental berbasis AI di tempat kerja nyata menggunakan data suara atau ucapan (Jack dkk., PLOS Digital Health 2026).
- Stres akut menaikkan F0 dengan SMD gabungan 0,55 (CI 95% 0,30 hingga 0,80), turun menjadi 0,17 dan tidak signifikan setelah trim-and-fill (Veiga dkk., Stress and Health 2025).
- F0 meningkat signifikan pada 15 dari 19 studi stres, penanda akustik yang paling konsisten (Schewski dkk., PLOS One 2025).
- Deteksi depresi berbasis ucapan: akurasi tertinggi gabungan 0,81 berbanding akurasi terendah 0,66 pada 105 studi (Maran dkk., JMIR Mental Health 2025).
- Model berbasis audio panggilan memprediksi gejala depresi pada 62 operator call center dengan AUC 0,783 (Tani dkk., Journal of Occupational Health 2025).
- Operator call center melaporkan prevalensi gangguan suara sepanjang karier sebesar 33% hingga 68% (Nair dkk., tinjauan sistematis Journal of Voice).
- 70,5% dari 173 operator call center Turki yang dirujuk untuk pemeriksaan memiliki penyakit akibat kerja yang terkonfirmasi, paling sering gangguan pita suara (Altundas Hatman dan Torun, La Medicina del Lavoro 2022).
- Denda Peraturan AI untuk praktik terlarang mencapai EUR 35.000.000 atau 7% dari omzet tahunan di seluruh dunia, mana yang lebih tinggi (Peraturan (UE) 2024/1689, Pasal 99).
- Perangkat lunak analisis panggilan sebuah bank tidak dapat mengenali emosi pada 91,96% kasus, dan bank itu didenda HUF 250.000.000 (keputusan NAIH NAIH-85-3/2022).
1. Dampak Stres pada Suara: F0, Jitter, Shimmer, dan Laju Bicara
Analisis paralinguistik melihat bagaimana sesuatu diucapkan, bukan apa yang diucapkan. Empat fitur klasiknya adalah F0 (nada), jitter (goyangan kecil nada dari siklus ke siklus), shimmer (goyangan kenyaringan dari siklus ke siklus), dan laju bicara. Bukti laboratorium jelas mendukung salah satunya: nada naik di bawah stres akut. F0 naik signifikan pada 15 dari 19 studi dalam tinjauan sistematis 2025 atas 38 artikel (Schewski dkk., PLOS One 2025), sementara jitter dan shimmer sebagian besar tidak menunjukkan asosiasi.
Efeknya nyata tetapi lebih kecil dan kurang stabil daripada yang disiratkan angka utamanya. Meta-analisis 2025 atas 10 studi dan 583 peserta menggabungkan kenaikan F0 sebesar SMD 0,55, tetapi setelah koreksi statistik untuk studi negatif yang hilang, estimasinya turun menjadi 0,17 dengan interval kepercayaan yang melewati nol (Veiga dkk., Stress and Health 2025). Sinyalnya juga paling kuat pada ucapan spontan, yaitu jenis ucapan yang ditangkap headset, dan paling lemah pada ucapan yang dibacakan atau terstandar. Sebuah eksperimen dalam individu yang sama menemukan bahwa suara merespons stres fisiologis, bukan hanya suasana hati yang buruk: fitur berubah selama tes stres tetapi tidak selama tugas pengucilan sosial (Kappen dkk., Scientific Reports 2024).
| Metrik | Nilai | Sumber |
|---|---|---|
| Kenaikan F0 gabungan di bawah stres akut (10 studi, 583 peserta) | SMD 0,55 (CI 95% 0,30 hingga 0,80), I² = 69,2% | Veiga dkk., Stress and Health 2025 |
| Efek F0 gabungan yang sama setelah koreksi trim-and-fill untuk bias publikasi | SMD 0,17 (CI 95% -0,15 hingga 0,49), p = 0,29 | Veiga dkk., Stress and Health 2025 |
| Efek F0 pada ucapan spontan dibandingkan ucapan terstandar (dibacakan) | SMD 0,79 berbanding SMD 0,14 | Veiga dkk., Stress and Health 2025 |
| Studi stres yang melaporkan kenaikan F0 signifikan | 15 dari 19 | Schewski dkk., PLOS One 2025 |
| Fitur prosodik dibandingkan fitur kualitas suara yang menunjukkan hubungan dengan stres | 52 dari 69 berbanding 18 dari 37 pemeriksaan | Schewski dkk., PLOS One 2025 |
| Perubahan laju bicara selama tugas stres, 66 peserta | Meningkat, d = 1,03 (CI 95% 0,65 hingga 1,42) | Kappen dkk., Scientific Reports 2024 |
| Perubahan jitter selama tugas stres yang sama | Menurun, d = -0,62 (CI 95% -1,00 hingga -0,24) | Kappen dkk., Scientific Reports 2024 |
| Perubahan shimmer selama tugas stres yang sama | Tidak ada perubahan signifikan, p = 0,201 | Kappen dkk., Scientific Reports 2024 |
Catatan konteks: dalam meta-analisis Veiga, 5 dari 10 studi dinilai memiliki risiko bias keseluruhan yang serius, dan para penulis menyatakan bukti belum cukup untuk menetapkan parameter F0 bagi stres. Schewski dkk. juga tidak menemukan pola akustik yang konsisten untuk rasa takut atau kecemasan.
2. Akurasi Deteksi: Model Depresi dan Kelelahan dalam Tolok Ukur
Burnout tumpang tindih dengan depresi dan kelelahan, sehingga literatur depresi adalah pendekatan terdekat untuk apa yang bisa dicapai model burnout. Angka utamanya tampak kuat, tetapi bergantung pada hasil mana yang dipilih tiap makalah untuk dilaporkan. Pada 105 studi, akurasi terbaik gabungan yang dilaporkan adalah 0,81 sementara akurasi terburuk gabungan yang dilaporkan dari kumpulan karya yang sama adalah 0,66 (Maran dkk., JMIR Mental Health 2025). Selisih 15 poin itu adalah jarak antara konfigurasi terbaik sebuah makalah dan yang terlemahnya, sebelum model bertemu populasi baru.
Pendekatan lama masih bertahan: meta-analisis JAMIA menemukan fitur akustik rancangan manual mengungguli pembelajaran mendalam ujung ke ujung (Liu dkk., JAMIA 2024). Kelelahan menunjukkan pola sampel kecil yang sama: studi kurang tidur mencapai hingga 94% pada rekaman vokal, tetapi hanya 15 pria yang berpartisipasi (Frontiers in Cell and Developmental Biology 2022). Untuk melihat bagaimana pengklasifikasi emosi bekerja di luar laboratorium dalam latar klinis, lihat statistik akurasi pengenalan emosi dalam ucapan kami.
| Metrik | Nilai | Sumber |
|---|---|---|
| Akurasi tertinggi gabungan yang dilaporkan, deteksi depresi berbasis ucapan (105 studi) | 0,81 (CI 95% 0,79 hingga 0,83) | Maran dkk., JMIR Mental Health 2025 |
| Akurasi terendah gabungan yang dilaporkan dalam tinjauan yang sama | 0,66 (CI 95% 0,63 hingga 0,69) | Maran dkk., JMIR Mental Health 2025 |
| Sensitivitas tertinggi gabungan yang dilaporkan dibandingkan spesifisitas | 0,84 berbanding 0,83 | Maran dkk., JMIR Mental Health 2025 |
| Studi yang disertakan dengan risiko bias tinggi pada setidaknya satu domain | 47,6% (50 dari 105) | Maran dkk., JMIR Mental Health 2025 |
| Akurasi gabungan pembelajaran mendalam pada ucapan untuk depresi (8 studi) | 0,87 (CI 95% 0,81 hingga 0,93) | Liu dkk., JAMIA 2024 |
| Akurasi gabungan model yang memakai fitur akustik rancangan manual | 0,89 (CI 95% 0,81 hingga 0,97) | Liu dkk., JAMIA 2024 |
| Selisih F0 gabungan, penutur depresi dibandingkan non-depresi (6 studi) | -1,82 Hz, p = 0,56 (tidak signifikan) | Cantor-Cutiva dkk., Depression and Anxiety 2026 |
| Klasifikasi kelelahan setelah terjaga 36 jam, multi-vokal dibandingkan ucapan tersegmentasi (15 peserta) | Hingga 94% berbanding 76% | Frontiers in Cell and Developmental Biology 2022 |
Catatan konteks: 52,4% dari 105 studi depresi adalah makalah konferensi, dataset publik yang paling banyak dipakai adalah DAIC-WOZ (33,3% studi), dan dataset khusus studi (rancangan manual) adalah yang paling umum secara keseluruhan (53,3%). Tinjauan Cantor-Cutiva dkk. hanya menilai 1 dari 17 studi berkualitas kuat. Data terbaru yang tersedia untuk kelelahan: Frontiers in Cell and Developmental Biology, 2022.
3. Burnout Adalah Label yang Hilang: Kesenjangan Laboratorium ke Lapangan
Ini adalah bagian yang paling penting bagi siapa pun yang membeli fitur “prediksi burnout”. Tinjauan cakupan 2026 atas 68 studi biomarker suara tidak menemukan satu pun yang mengukur burnout atau kelelahan emosional, dan hanya 2 dari 68 (3%) yang menguji pada dataset independen (Uy dkk., Frontiers in Digital Health 2026). Para penulis menyimpulkan bahwa bukti belum mendukung penilaian kesehatan mental pasif atau ambien dalam praktik rutin.
Literatur tempat kerja menceritakan hal yang sama dari arah sebaliknya. Tinjauan yang dibatasi pada pemantauan kesehatan mental berbasis AI di tempat kerja nyata menyertakan 13 studi, dan tidak satu pun memakai suara (Jack dkk., PLOS Digital Health 2026). Salah satu dari sedikit studi suara besar bergaya lapangan, dengan 4.155 orang merekam di ponsel mereka sendiri, menemukan bahwa tidak ada fitur terkait stres yang dimiliki bersama lintas gender, bahasa, dan tugas (Topalian dkk., Digital Biomarkers 2026). Dengan kata lain, model yang dilatih pada satu kelompok tidak punya jaminan dapat berpindah ke tim berikutnya. Masalah validasi yang sama berlaku pada biomarker suara untuk kondisi lain, seperti ditunjukkan statistik biomarker suara untuk gangguan kognitif kami.
| Metrik | Nilai | Sumber |
|---|---|---|
| Studi suara dan ucapan untuk kesehatan mental yang mengukur burnout atau kelelahan emosional | 0 dari 68 | Uy dkk., Frontiers in Digital Health 2026 |
| Studi yang divalidasi pada sampel independen atau lintas dataset | 2 dari 68 (3%) | Uy dkk., Frontiers in Digital Health 2026 |
| Studi yang memakai elisitasi terkendali (tugas laboratorium) dan bukan ucapan alami | 54 dari 68 (79%) | Uy dkk., Frontiers in Digital Health 2026 |
| Fitur suara terkait stres yang dimiliki bersama perempuan dan laki-laki, 679 orang dewasa dengan diabetes merekam di rumah | Tidak ada (25 fitur ditemukan pada tiap jenis kelamin) | Bour dkk., PLOS Digital Health 2026 |
| Studi pemantauan kesehatan mental berbasis AI di tempat kerja nyata yang memakai suara atau ucapan | 0 dari 13 | Jack dkk., PLOS Digital Health 2026 |
| Studi pemantauan AI di tempat kerja nyata yang menargetkan burnout dibandingkan menargetkan stres | 1 dari 13 berbanding 10 dari 13 | Jack dkk., PLOS Digital Health 2026 |
| Studi stres eksperimental (laboratorium) dibandingkan studi lapangan | 30 berbanding 7 artikel | Schewski dkk., PLOS One 2025 |
| Studi suara stres sesaat pada perangkat pribadi: fitur yang dimiliki bersama lintas gender, bahasa, dan tugas | Tidak ada (4.155 peserta) | Topalian dkk., Digital Biomarkers 2026 |
Catatan konteks: pengumpulan data lapangan itu mungkin. Studi ICASSP 2021 oleh Gaballah dkk. mengikuti 144 pekerja rumah sakit selama 10 minggu dengan audio yang dikenakan di tubuh dan stres yang dilaporkan sendiri setiap hari, tetapi menargetkan stres, bukan burnout (data terbaru yang tersedia: IEEE ICASSP, 2021). Kohort diabetes dalam tabel di atas (Bour dkk., PLOS Digital Health 2026) juga tidak menemukan fitur yang dimiliki bersama antara stres dan distres terkait diabetes, pengingat bahwa “stres” dalam satu studi bukanlah konstruk yang sama dengan studi berikutnya.
4. Penerapan di Call Center: Apa yang Dilaporkan Studi Lapangan
Hal yang paling mendekati penerapan nyata yang berdekatan dengan burnout datang dari Jepang, tempat satu kelompok peneliti menguji sistem analisis suara komersial pada panggilan pelanggan sebenarnya milik operator. Model memprediksi gejala depresi selama 12 minggu dengan AUC 0,783 (CI 95% 0,691 hingga 0,875), tetapi hanya 62 dari 240 operator yang direkrut akhirnya masuk dalam analisis, sistemnya adalah kotak hitam milik pemilik, dan studi itu didanai oleh vendornya (Tani dkk., Journal of Occupational Health 2025). Uji acak pendamping memakai alat yang sama dalam sesi kelompok dan menemukan penurunan skor depresi yang moderat (Tani dkk., Journal of Occupational Health 2024).
Dua dataset Korea yang lebih baru menunjukkan alternatifnya. Studi buku harian terhadap 400 pekerja menemukan bahwa kata-kata yang dipakai agen melacak gejala depresi lebih baik daripada penilaian suasana hati mereka sendiri, yang merupakan analisis bahasa, bukan paralinguistik (Kim dkk., Psychiatry Investigation 2026). Simulasi laboratorium dengan 31 agen panggilan dan aktor yang memerankan pelanggan marah hanya melaporkan hasil untuk audio yang digabung dengan sensor jantung, kulit, dan otak, sehingga kontribusi suara sendiri tidak diketahui (Lee dkk., Scientific Data 2026).
| Metrik | Nilai | Sumber |
|---|---|---|
| AUC untuk memprediksi gejala depresi (CES-D 16 atau lebih tinggi) dari audio panggilan, 62 operator | 0,783 (CI 95% 0,691 hingga 0,875) | Tani dkk., Journal of Occupational Health 2025 |
| AUC untuk membedakan panggilan normal dari panggilan beban kerja tinggi (pelanggan agresif) di call center simulasi, audio digabung dengan sensor fisiologis, 31 agen | 0,946 | Lee dkk., Scientific Data 2026 |
| Operator dengan gejala depresi pada awal studi dalam kohort tersebut | 30,6% (19 dari 62) | Tani dkk., Journal of Occupational Health 2025 |
| Perubahan skor depresi pada minggu ke-12 dibandingkan kontrol: sesi kelompok analisis suara (5 atau lebih) dibandingkan pertemuan satu lawan satu dengan supervisor | -2,36 berbanding -1,47 poin CES-D | Tani dkk., Journal of Occupational Health 2024 |
| Pekerja kerja emosional Korea dengan gejala depresi (PHQ-9 5 atau lebih tinggi), 400 dianalisis | 50,8% (203 dari 400) | Kim dkk., Psychiatry Investigation 2026 |
| AUC model sentimen berbasis bahasa pada hari ke-10 buku harian suara | 75,1% | Kim dkk., Psychiatry Investigation 2026 |
| AUC untuk stres yang dirasakan di call center simulasi, audio digabung dengan sensor fisiologis, 31 agen | 0,783 | Lee dkk., Scientific Data 2026 |
| Persentase jawaban menipu yang terdeteksi oleh Layered Voice Analysis dalam validasi di penjara AS, 319 orang yang ditangkap | 21,4% (spesifisitas 95,2%) | Institut Keadilan Nasional AS (NIJ), Damphousse dkk. 2007 |
Catatan konteks: sistem Jepang yang dipakai dalam kedua studi Tani dibangun di atas Layered Voice Analysis (LVA). Uji independen yang lebih lama, yang didanai Institut Keadilan Nasional AS, menemukan LVA dan penganalisis stres suara pesaing “tidak mampu mendeteksi penipuan pada tingkat yang lebih baik daripada kebetulan” (laporan NIJ, 2007). Uji itu mengukur kebohongan, bukan suasana hati, sehingga tidak menyelesaikan pertanyaan depresi, tetapi itu alasan untuk menuntut validasi independen (data terbaru yang tersedia: NIJ, 2007).
5. Beban Vokal: Gangguan Suara dalam Pekerjaan Call Center dan Kaitannya dengan Burnout
Sebelum suara menjadi sensor, suara adalah alat kerja, dan alat itu aus. Tinjauan sistematis Journal of Voice atas 15 studi menempatkan prevalensi gangguan suara sepanjang karier pada operator call center sebesar 33% hingga 68%, dengan prevalensi titik 27% (Nair dkk., Journal of Voice). Suara serak adalah gejala yang paling umum, diikuti kelelahan vokal. Itu penting bagi model akustik mana pun: jitter dan shimmer agen yang serak bergeser karena alasan fisik, yang bisa disalahbaca oleh pengklasifikasi stres atau burnout.
Ujung klinis dari spektrum ini mencolok. Di antara 173 operator call center Turki yang dirujuk ke rumah sakit penyakit akibat kerja, 70,5% memiliki penyakit akibat kerja yang terkonfirmasi, dan dari mereka yang diwawancarai kemudian, 43,8% telah diberhentikan (Altundas Hatman dan Torun, La Medicina del Lavoro 2022). Penelitian pada guru, profesi lain yang sangat bergantung pada suara, mengaitkan burnout dan gangguan suara secara langsung, sehingga kedua masalah itu berjalan beriringan. Statistik analisis suara akustik dan disfonia kami membahas bagaimana klinik mengukur kerusakan itu.
| Metrik | Nilai | Sumber |
|---|---|---|
| Prevalensi sepanjang karier gangguan suara pada operator call center (15 studi) | 33% hingga 68% | Nair dkk., tinjauan sistematis Journal of Voice |
| Prevalensi titik gangguan suara pada operator call center | 27% | Nair dkk., tinjauan sistematis Journal of Voice |
| Karyawan call center Turki yang melaporkan gangguan suara sejak mulai bekerja (264 responden) | 57,6% | Demir dkk., PeerJ 2025 |
| Karyawan yang sama yang melaporkan stres di tempat kerja | 58,3% | Demir dkk., PeerJ 2025 |
| Operator call center yang dirujuk dengan penyakit akibat kerja terkonfirmasi (173 kasus) | 70,5% | Altundas Hatman dan Torun, La Medicina del Lavoro 2022 |
| Nodul pita suara pada operator perempuan dibandingkan laki-laki dengan penyakit akibat kerja | 92,9% berbanding 62,4% | Altundas Hatman dan Torun, La Medicina del Lavoro 2022 |
| Rata-rata persentase hari kerja yang dihabiskan untuk fonasi, 92 operator call center | 14,74% (rentang 4% hingga 31%) | Cantarella dkk., Journal of Voice 2014 |
| Odds gangguan suara kemungkinan pada guru yang positif pada 2 hingga 4 subskala burnout dibandingkan 0 hingga 1 | OR 4,01, P = 0,013 | de Brito Mota dkk., Journal of Voice 2019 |
Catatan konteks: dalam survei PeerJ Turki (Demir dkk. 2025), stres di tempat kerja berasosiasi signifikan dengan skor Voice Handicap Index yang lebih buruk (p < 0,001). Di antara 208 guru dalam studi de Brito Mota, 64,4% kemungkinan mengalami gangguan suara, dan dalam studi Galisia 2024 terhadap 90 guru, 16% menunjukkan gejala yang sesuai dengan burnout. Data terbaru yang tersedia tentang waktu fonasi: Cantarella dkk., Journal of Voice, 2014.
6. Batasan Hukum dan Etika: Pasal 5 Peraturan AI UE dan Tindakan Regulator
Bahkan jika ilmunya matang besok, ruang hukum untuk analisis emosi karyawan di Eropa sudah tertutup. Pasal 5(1)(f) Peraturan AI melarang “penggunaan sistem AI untuk menyimpulkan emosi seseorang di bidang tempat kerja dan lembaga pendidikan”, dengan pengecualian hanya untuk alasan medis atau keselamatan, dan berlaku sejak 2 Februari 2025 (Peraturan (UE) 2024/1689, Pasal 5). Pedoman Komisi Eropa, yang diterbitkan pada 4 Februari 2025 dan tidak mengikat, menutup celah yang jelas: menurut analisis Future of Privacy Forum atas pedoman tersebut, pengecualian medis “tidak mencakup pemantauan kesejahteraan umum, seperti deteksi stres atau burnout” (FPF, 24 Maret 2026).
Larangan ini menyasar penyimpulan dari data biometrik seperti suara. Menganalisis emosi pelanggan tidak tercakup, dan menyimpulkan emosi dari teks tertulis berada di luar larangan, sehingga model berbasis transkrip dan model berbasis suara bisa jatuh di sisi garis yang berlawanan. Hukum perlindungan data sudah lebih dulu menindak sebelum Peraturan AI: otoritas Hungaria mendenda sebuah bank yang perangkat lunak analisis panggilannya menilai keadaan emosi penelepon dan juga memantau suara karyawannya sendiri (keputusan NAIH NAIH-85-3/2022).
| Metrik | Nilai | Sumber |
|---|---|---|
| Tanggal larangan penyimpulan emosi di tempat kerja mulai berlaku di UE | 2 Februari 2025 | Peraturan (UE) 2024/1689 (Peraturan AI), Pasal 5 |
| Denda maksimum untuk praktik AI terlarang | EUR 35.000.000 atau 7% dari total omzet tahunan di seluruh dunia, mana yang lebih tinggi | Peraturan (UE) 2024/1689 (Peraturan AI), Pasal 99(3) |
| Penerbitan pedoman Komisi tentang praktik terlarang (tidak mengikat) | 4 Februari 2025, halaman terakhir diperbarui 31 Juli 2025 | Komisi Eropa, Pedoman tentang praktik AI terlarang 2025 |
| Deteksi stres atau burnout tercakup dalam pengecualian medis | Tidak, pemantauan kesejahteraan umum dikecualikan | Pedoman Komisi Eropa, sebagaimana dianalisis Future of Privacy Forum 2026 |
| Denda pada bank Hungaria atas analisis emosi AI terhadap rekaman panggilan | HUF 250.000.000 | Keputusan NAIH NAIH-85-3/2022 |
| Persentase kasus ketika perangkat lunak bank tidak dapat mengenali emosi | 91,96% | Keputusan NAIH NAIH-85-3/2022 |
| Retensi berkas audio panggilan di dalam perangkat lunak analitik suara | 45 hari | Keputusan NAIH NAIH-85-3/2022 |
| Tenggat untuk membuktikan kepatuhan atau menghentikan analisis emosi | 60 hari setelah keputusan berkekuatan tetap | Keputusan NAIH NAIH-85-3/2022 |
Catatan konteks: halaman pedoman Komisi Eropa menyatakan bahwa penafsiran yang otoritatif dicadangkan bagi Pengadilan Uni Eropa. Keputusan NAIH juga menemukan bahwa perangkat lunak itu dapat mengenali “emosi seorang karyawan dan bukan emosi pihak yang menelepon”, jenis penyimpulan emosi di tempat kerja yang kini dilarang oleh Pasal 5(1)(f).
Ringkasan: Analisis Suara Paralinguistik dan Prediksi Burnout Agen dalam Angka
| Metrik | Nilai | Sumber |
|---|---|---|
| Studi suara dan ucapan untuk kesehatan mental yang mengukur burnout secara langsung | 0 dari 68 | Uy dkk., Frontiers in Digital Health 2026 |
| Studi pemantauan kesehatan mental berbasis AI di tempat kerja nyata yang memakai suara | 0 dari 13 | Jack dkk., PLOS Digital Health 2026 |
| Kenaikan F0 gabungan di bawah stres akut | SMD 0,55 (CI 95% 0,30 hingga 0,80) | Veiga dkk., Stress and Health 2025 |
| Kenaikan F0 gabungan setelah koreksi bias publikasi | SMD 0,17, tidak signifikan | Veiga dkk., Stress and Health 2025 |
| Studi stres dengan kenaikan F0 signifikan | 15 dari 19 | Schewski dkk., PLOS One 2025 |
| Efek laju bicara di bawah tugas stres laboratorium | d = 1,03 | Kappen dkk., Scientific Reports 2024 |
| Deteksi depresi, akurasi tertinggi gabungan dibandingkan terendah yang dilaporkan | 0,81 berbanding 0,66 | Maran dkk., JMIR Mental Health 2025 |
| Deteksi depresi dengan pembelajaran mendalam, akurasi gabungan | 0,87 | Liu dkk., JAMIA 2024 |
| Model fitur akustik rancangan manual, akurasi gabungan | 0,89 | Liu dkk., JAMIA 2024 |
| AUC model audio panggilan untuk gejala depresi, 62 operator | 0,783 | Tani dkk., Journal of Occupational Health 2025 |
| Pekerja kerja emosional dengan gejala depresi (Korea) | 50,8% | Kim dkk., Psychiatry Investigation 2026 |
| Prevalensi sepanjang karier gangguan suara pada operator call center | 33% hingga 68% | Nair dkk., tinjauan sistematis Journal of Voice |
| Karyawan call center Turki dengan gangguan suara sejak mulai bekerja | 57,6% | Demir dkk., PeerJ 2025 |
| Operator yang dirujuk dengan penyakit akibat kerja terkonfirmasi | 70,5% | Altundas Hatman dan Torun, La Medicina del Lavoro 2022 |
| Denda maksimum Peraturan AI untuk praktik terlarang | EUR 35.000.000 atau 7% dari omzet | Peraturan (UE) 2024/1689, Pasal 99 |
| Denda bank Hungaria atas analisis emosi panggilan | HUF 250.000.000 | Keputusan NAIH NAIH-85-3/2022 |
Metodologi dan Sumber
- Uy, Shaaban dan Arnaout: Voice and speech as digital biomarkers of mental health, Frontiers in Digital Health 2026
- Jack dkk.: Mental health monitoring in the workplace using artificial intelligence, PLOS Digital Health 2026
- Veiga dkk.: The fundamental frequency of voice as a potential stress biomarker, Stress and Health 2025
- Schewski dkk.: Measuring negative emotions and stress through acoustic correlates in speech, PLOS One 2025
- Kappen dkk.: Acoustic and prosodic speech features reflect physiological stress, Scientific Reports 2024
- Topalian dkk.: Voice signatures of momentary psychological stress in real-life environments, Digital Biomarkers 2026
- Bour dkk.: Voice changes associated with stress and distress in people living with diabetes, PLOS Digital Health 2026
- Maran dkk.: Performance of automatic speech analysis in detecting depression, JMIR Mental Health 2025
- Liu dkk.: Diagnostic accuracy of deep learning using speech samples in depression, JAMIA 2024
- Cantor-Cutiva dkk.: The role of voice acoustics in depression assessment, Depression and Anxiety 2026
- A rapid, non-invasive method for fatigue detection based on voice information, Frontiers in Cell and Developmental Biology 2022
- Gaballah dkk.: Context-aware speech stress detection in hospital workers using Bi-LSTM classifiers, IEEE ICASSP 2021
- Tani dkk.: Early detection model for depressive symptoms using voice emotion analysis among call center operators, Journal of Occupational Health 2025
- Tani dkk.: Organizational intervention using Layered Voice Analysis, randomized controlled trial, Journal of Occupational Health 2024
- Kim dkk.: Daily language as an objective indicator of depressive affective states in emotional labor workers, Psychiatry Investigation 2026
- Lee dkk.: A multimodal dataset for assessing emotion, stress, and emotional workload in interpersonal work scenario, Scientific Data 2026
- Damphousse dkk., Institut Keadilan Nasional AS: Assessing the validity of voice stress analysis tools in a jail setting, 2007
- Nair dkk.: Prevalence of voice problems, self-reported vocal symptoms and associated risk factors in call center operators, Journal of Voice
- Demir dkk.: Self-reported voice problems in call center employees, PeerJ 2025
- Altundas Hatman dan Torun: Occupational diseases among call center operators needing vocal rehabilitation, La Medicina del Lavoro 2022
- Cantarella dkk.: Ambulatory phonation monitoring in a sample of 92 call center operators, Journal of Voice 2014
- de Brito Mota dkk.: Voice disorder and burnout syndrome in teachers, Journal of Voice 2019; Garcia-Real dkk.: Vocal problems and burnout syndrome in nonuniversity teachers in Galicia, Folia Phoniatrica et Logopaedica 2024
- Peraturan (UE) 2024/1689 (Peraturan AI): Pasal 5 dan Pasal 99
- Komisi Eropa: Guidelines on prohibited artificial intelligence practices, 2025
- Future of Privacy Forum: Red lines under EU AI Act, emotion recognition in the workplace, 2026
- Otoritas Perlindungan Data dan Kebebasan Informasi Nasional Hungaria (NAIH): Keputusan NAIH-85-3/2022 tentang pemrosesan sinyal ucapan berbasis AI
- Catatan data: tidak ada studi yang ditinjau sejawat yang kami temukan melaporkan AUC untuk deteksi burnout berbasis suara terhadap inventori burnout yang tervalidasi, sehingga setiap angka akurasi dalam rangkuman ini merujuk pada stres, kelelahan, atau depresi, bukan burnout itu sendiri. Kedua studi Tani dkk. didanai oleh ES Japan, vendor sistem analisis suara, dengan karyawan perusahaan sebagai rekan penulis, dan model prediksi 2025 hanya divalidasi di dalam kohortnya sendiri. Studi Kim dkk. menganalisis kata-kata yang ditranskripsikan, bukan fitur akustik. Angka NIJ mengukur penipuan, bukan suasana hati, dan berasal dari 2007. Inkonsistensi internal dalam sumber itu sendiri: Altundas Hatman dan Torun menyebut 62,4% untuk nodul pita suara pada pria di teks dan 68,4% di Tabel 4; abstrak studi kelelahan (94% suara tunggal, 81% ucapan panjang) tidak sepenuhnya cocok dengan bagian hasilnya (88% hingga 94% untuk vokal, 76% untuk ucapan tersegmentasi); Jack dkk. menyebut 8 dari 11 sekaligus 7 dari 11 studi di atas akurasi 75%, sehingga kami tidak memakai angka itu. Tinjauan Nair dkk. terbit daring pada 2021 dan dicetak di Journal of Voice pada 2024. Teks larangan Peraturan AI dikutip dari reproduksi teks Jurnal Resmi di artificialintelligenceact.eu.
Terakhir diperbarui: 27 Oktober 2026. Kami memperbarui rangkuman ini setiap kuartal, dan pembaruan berikutnya diperkirakan terjadi ketika tinjauan sistematis biomarker suara untuk kesehatan mental di tempat kerja yang berikutnya terindeks di PubMed Central.