Dois anotadores humanos treinados que rotularam o sentimento de 20.000 enunciados de central de atendimento concordaram com um kappa de Cohen de apenas 0,605, em uma escala em que 1,0 é concordância perfeita e 0 é o acaso (pesquisadores da ConnexAI, IntechOpen 2026). Esse teto importa porque todo índice de sentimento em um painel de análise de fala é treinado e avaliado com rótulos como esses. Enquanto isso, sistemas comerciais de reconhecimento de fala erraram de 16,5% a 19,2% das palavras em 50 conversas reais de central de atendimento, contra 10,2% a 11,62% em um benchmark telefônico padrão (Szymanski et al., Findings of EMNLP 2020), e 49,8% de 1.104 empresas já executam análise de interações sobre essas transcrições (Metrigy, AI for Business Success 2025-26). Reunimos dados da Metrigy, de registros da NICE e da Verint na SEC, de benchmarks de fala publicados no EMNLP e no LREC, pela OpenAI e no arXiv, do NBER, do Regulamento de IA da UE e da Assembleia Geral de Illinois, além de várias outras fontes primárias. Para o lado da automação do mesmo setor (voicebots e agentes de IA em vez de análise), veja nossas estatísticas de automação de centrais de contato com IA de voz.
TL;DR
- 49,8% das empresas já usam análise de interações e outras 29,9% planejam adotá-la (Metrigy, AI for Business Success 2025-26).
- 55% das centrais de contato ainda fazem a monitoria de qualidade em planilhas, ante 65% um ano antes (Scorebuddy e Call Centre Helper, dezembro de 2025).
- Taxa de erro de palavras de ASR comercial em 50 conversas reais de central de atendimento: 16,5% a 19,2% (Szymanski et al., Findings of EMNLP 2020).
- O Whisper large-v2 comete 17,6% de erros de palavras em chamadas telefônicas do CallHome, mas 2,7% em fala lida de audiolivros (OpenAI, artigo do Whisper, 2022).
- Em áudio real de central de atendimento com sotaques africanos, o Whisper-large-v3 teve 24,69% de WER e o melhor modelo, 13,45% (AfriSpeech-MultiBench, arXiv 2025).
- Anotadores humanos concordam sobre o sentimento de enunciados de central de atendimento com um kappa de Cohen de 0,605 (pesquisadores da ConnexAI, IntechOpen 2026).
- Dois anotadores que avaliaram chamadas reais de clientes concordaram com um ICC de apenas 0,62 em valência e 0,52 em ativação (estudo CusEmo, arXiv 2023).
- Modelos de sentimento apenas acústicos atingiram 54,23% de acurácia ponderada em chamadas telefônicas, contra 85,76% dos humanos (Chen et al., LREC 2020).
- Um assistente de IA aumentou a produtividade dos agentes de suporte em 14% e o sentimento do cliente em 0,18 ponto em uma escala de -1 a 1 (NBER Working Paper 31161).
- Inferir as emoções de funcionários no trabalho a partir da voz é proibido na UE desde 2 de fevereiro de 2025 (Regulamento de IA da UE, Regulamento (UE) 2024/1689).
- Illinois fixa indenizações de $1.000 a $5.000 por violação envolvendo identificadores biométricos, como impressões vocais (740 ILCS 14).
1. Adoção: Análise de Interações e Monitoria de Qualidade Automatizada
A questão da adoção está meio resolvida. 49,8% de 1.104 empresas já usam análise de interações (software que transcreve e analisa chamadas, chats e e-mails em busca de assuntos, frases de conformidade e sentimento), e outras 29,9% planejavam implantá-la durante o ano (Metrigy, AI for Business Success 2025-26). O que mudou foi a descrição da função. O maior grupo de adotantes, 46,2%, agora diz que o maior valor é comparar o desempenho dos agentes de IA com o dos agentes humanos (análise da Metrigy, 14 de maio de 2025). A análise de fala está virando o placar da automação, e não apenas uma ferramenta de coaching.
O processo de monitoria de qualidade (QA) que a análise pretende substituir ainda é surpreendentemente manual. Uma pesquisa patrocinada por fornecedor constatou que a dependência de planilhas para a QA caiu de 65% para 55% em um ano, e que 44% das centrais de contato demonstraram forte interesse em pontuação automatizada ou em tempo real (Scorebuddy e Call Centre Helper, What Contact Centers Are Doing Right Now, dezembro de 2025). A base de fornecedores é concentrada e grande: a NICE registrou receita total de $2.945,4 milhões em 2025, ante $2.735,3 milhões, com a receita de nuvem em alta de 12,8%, e pagou uma contrapartida final total de $887,3 milhões pela empresa de IA conversacional Cognigy (NICE Form 20-F do ano fiscal de 2025).
| Métrica | Valor | Fonte |
|---|---|---|
| Empresas que já usam análise de interações | 49,8% de 1.104 empresas | Metrigy, AI for Business Success 2025-26 |
| Empresas que planejam implantar análise de interações durante 2025 | 29,9% | Metrigy, AI for Business Success 2025-26 |
| Adotantes de análise cujo maior valor é comparar a eficácia dos agentes de IA com a dos agentes humanos | 46,2% (o maior grupo) | Análise da Metrigy, maio de 2025 |
| Centrais de contato que usam planilhas para a monitoria de qualidade, este ano vs. ano passado | 55% vs. 65% | Pesquisa da Scorebuddy e Call Centre Helper, dezembro de 2025 (patrocinada por fornecedor) |
| Centrais de contato com forte interesse em pontuação de qualidade automatizada ou em tempo real | 44% | Pesquisa da Scorebuddy e Call Centre Helper, dezembro de 2025 (patrocinada por fornecedor) |
| Organizações clientes da NICE e clientes da Fortune 100 | Mais de 25.000 organizações em mais de 150 países, incluindo 85 das Fortune 100 | NICE Form 20-F, ano fiscal de 2025 |
| Clientes da Fortune 100 da Verint e países atendidos | Mais de 80 das Fortune 100, em mais de 175 países | Verint Form 10-K, ano fiscal encerrado em 31 de janeiro de 2025 |
| Receita da Verint proveniente do negócio de assinaturas | Aproximadamente 80% | Verint Form 10-K, ano fiscal encerrado em 31 de janeiro de 2025 |
Nota de contexto: números que afirmam que as equipes de QA manual revisam apenas “1% a 3%” ou “menos de 5%” das chamadas circulam amplamente, mas todas as versões que encontramos remetiam a blogs de fornecedores ou a citações não verificáveis, por isso as excluímos. Nenhuma pesquisa pública independente de 2025 ou 2026 informa a parcela de chamadas revisadas por humanos versus pontuadas por máquinas. O Verint Form 10-K também informa que cerca de 72% de sua receita veio das Américas.
2. Precisão da Transcrição em Áudio Real de Chamadas
Todo índice de sentimento baseado em texto começa por uma transcrição, e o áudio de chamadas espontâneo e de banda estreita (8 kHz) está entre os áudios cotidianos mais difíceis que um reconhecedor enfrenta. A taxa de erro de palavras (WER) é a parcela de palavras que o sistema substitui, omite ou insere em comparação com uma transcrição humana. Três sistemas comerciais tiveram de 16,5% a 19,2% de WER em 50 conversas reais de central de atendimento, contra 10,2% a 11,62% no benchmark telefônico Switchboard (Szymanski et al., WER we are and WER we think we are, Findings of EMNLP 2020). Os autores observam que os melhores resultados publicados no Switchboard giram em torno de 5%, de modo que as chamadas reais tiveram taxa de erro de cerca de três a quatro vezes a que os benchmarks de destaque sugerem (16,5 / 5 = 3,3 e 19,2 / 5 = 3,84). Dados mais recentes disponíveis para sistemas comerciais em áudio privado de central de atendimento: Szymanski et al., 2020; não encontramos nenhuma repetição pública desse teste em gravações reais de chamadas com os motores comerciais atuais.
Modelos abertos mais novos mostram a mesma lacuna. O Whisper large-v2 teve 2,7% de WER no LibriSpeech test-clean (audiolivros lidos), mas 17,6% no CallHome e 13,8% no Switchboard, ambos conjuntos de conversas telefônicas (OpenAI, Robust Speech Recognition via Large-Scale Weak Supervision, 2022). O sotaque amplia ainda mais a diferença: em um pequeno conjunto privado de chamadas reais entre agentes e clientes com sotaques africanos, os resultados variaram de 13,45% para o melhor modelo a 88,71% para o pior (AfriSpeech-MultiBench, arXiv novembro de 2025). Nossas estatísticas de viés de sotaque e taxa de erro de palavras cobrem essa dimensão em profundidade.
| Métrica | Valor | Fonte |
|---|---|---|
| WER de três sistemas comerciais de ASR em 50 conversas reais de central de atendimento (8,5 horas de áudio, 2,2 horas de fala) | 16,5% a 19,2% | Szymanski et al., Findings of EMNLP 2020 |
| WER dos mesmos três sistemas no benchmark telefônico HUB’05 Switchboard | 10,2% a 11,62% | Szymanski et al., Findings of EMNLP 2020 |
| WER de central de atendimento por domínio de negócio para o melhor sistema | 13,73% (seguros) a 20,95% (reservas de viagens) | Szymanski et al., Findings of EMNLP 2020 |
| WER na fala do cliente vs. fala do agente, para o mais fraco dos três sistemas | 20,99% vs. 17,83% | Szymanski et al., Findings of EMNLP 2020 |
| WER do Whisper large-v2 em fala lida de audiolivros (LibriSpeech test-clean) vs. chamadas telefônicas do CallHome vs. chamadas telefônicas do Switchboard | 2,7% vs. 17,6% vs. 13,8% | OpenAI, artigo do Whisper, 2022 |
| WER do NVIDIA Conformer-CTC large vs. wav2vec2-large-960h em chamadas telefônicas do CallHome | 11,3% vs. 34,8% | OpenAI, artigo do Whisper, 2022 (tabela comparativa) |
| WER em áudio real de central de atendimento com sotaques africanos: melhor modelo vs. Whisper-large-v3 vs. GPT-4o Transcribe | 13,45% vs. 24,69% vs. 23,20% | AfriSpeech-MultiBench, arXiv novembro de 2025 |
| Parcela de um conjunto de avaliação de central de atendimento transcrito por ASR (618 enunciados) com erros de transcrição | 42,6% (263 amostras) | Pesquisadores da ConnexAI, IntechOpen 2026 |
Nota sobre exceções: a diferença entre agente e cliente não é universal. Para o melhor dos três sistemas comerciais, o WER do cliente e o do agente foram quase idênticos (16,48% vs. 16,49%), ou seja, o lado do cliente é mais difícil para alguns motores, não para todos. Os erros também diferem em natureza dos erros de benchmark; nossas estatísticas de alucinação em reconhecimento de fala tratam das palavras inventadas, que um índice de WER sozinho não separa.
3. Sentimento em Texto de Transcrições de Chamadas: Concordância Humana e Precisão das Máquinas
O número incômodo na análise de sentimento é a linha de base humana. Dois anotadores que rotularam 20.000 enunciados de central de atendimento (banda larga, seguros e outros setores) concordaram com um kappa de Cohen de 0,605 (pesquisadores da ConnexAI, Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen 2026). O kappa corrige a concordância bruta pelo acaso: 1,0 é concordância perfeita e 0 é o que o acaso sozinho produziria. Qualquer número de fornecedor para “precisão de sentimento” é avaliado contra rótulos que os próprios humanos muitas vezes contestam.
Dentro desse teto, os modelos vão bem em texto limpo e tropeçam na classe que mais importa. Com instruções completas de anotação, um LLM aberto de 32 bilhões de parâmetros coincidiu com o padrão-ouro humano em 91% das vezes em três classes, mas seu F1 macro (a média dos F1 de cada classe, que penaliza ignorar classes raras) foi de 0,79. O verdadeiro teste de estresse é a saída do ASR: em chamadas de produção transcritas por máquina, a mesma abordagem chegou a um F1 macro de 0,74 com enunciados isolados e de 0,86 quando via uma janela de seis turnos. O contexto pesou mais que o tamanho: nos mesmos testes, um modelo Qwen3 de 4 bilhões de parâmetros obteve 0,78 de F1 macro, enquanto seu irmão de 32 bilhões de parâmetros obteve 0,56. No corpus telefônico Switchboard, a distribuição dos rótulos mostra por que o “neutro” domina os painéis: 52,6% dos segmentos eram neutros (Chen et al., A Large Scale Speech Sentiment Corpus, LREC 2020).
| Métrica | Valor | Fonte |
|---|---|---|
| Concordância entre dois anotadores humanos sobre o sentimento de 20.000 enunciados de central de atendimento (kappa de Cohen) | 0,605 | Pesquisadores da ConnexAI, IntechOpen 2026 |
| LLM aberto (Qwen2.5-32B-Instruct) com instruções completas vs. padrão-ouro humano, 3 classes de sentimento, 8.750 amostras | 0,91 de acurácia, 0,79 de F1 macro | Pesquisadores da ConnexAI, IntechOpen 2026 |
| DistilBERT ajustado vs. classificador SVM, F1 macro em chamadas transcritas por humanos | 0,90 vs. 0,82 | Pesquisadores da ConnexAI, IntechOpen 2026 |
| LLM em transcrições automáticas (ASR) de chamadas de produção: enunciado isolado vs. janela de contexto de seis turnos, F1 macro | 0,74 vs. 0,86 | Pesquisadores da ConnexAI, IntechOpen 2026 |
| Acurácia média de anotadores humanos individuais em relação ao rótulo da maioria, chamadas telefônicas do Switchboard (49.500 segmentos, 140 horas) | Cerca de 85% | Chen et al. (Google), LREC 2020 |
Nota de contexto: no mesmo capítulo, a classe negativa foi o ponto fraco até para o melhor classificador (o DistilBERT ajustado atingiu F1 de 0,78 em sentimento negativo vs. 0,94 em positivo), e o SVM entrou em colapso nas transcrições automáticas, com F1 macro de 0,25 na fala do agente e de 0,46 na fala do cliente. As chamadas de produção transcritas por máquina também eram desbalanceadas: 61% neutras, 30% positivas e 9% negativas. Um modelo que rotula tudo como neutro parece preciso com esses dados, mas deixa passar os 9% de clientes irritados.
4. Detecção Acústica de Emoções: O Que a Voz Acrescenta
O tom de voz é o argumento de venda da “IA emocional”, mas no benchmark de sentimento em chamadas telefônicas Switchboard foi o sinal isolado mais fraco. Um modelo apenas acústico atingiu 54,23% de acurácia ponderada em sentimento de três classes, contra 85,76% dos humanos, e acrescentar texto o elevou a 65,65% (Chen et al., LREC 2020, reportando as linhas de base de Lu et al. 2019). A acurácia ponderada conta cada segmento igualmente; a acurácia não ponderada faz a média das três classes, de modo que os 39,63% não ponderados do modelo acústico ficam apenas cerca de 6 pontos acima dos 33,3% que um palpite aleatório obteria (39,63 - 33,33 = 6,3). Dados mais recentes disponíveis de um benchmark público de sentimento em chamadas telefônicas que compare os três tipos de entrada: corpus de sentimento Switchboard, LREC 2020.
Chamadas reais de atendimento ao cliente são ainda mais difíceis de rotular. Em uma central de atendimento francesa de viagens corporativas (o estudo CusEmo), dois anotadores que avaliaram continuamente a emoção dos clientes chegaram a uma correlação intraclasse (ICC, um índice de concordância de 0 a 1) de 0,62 para a valência (quão positiva ou negativa) e 0,52 para a ativação (quão ativada ou calma) (End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations, arXiv 2023). A concordância do melhor modelo com essas avaliações (CCC, coeficiente de correlação de concordância, em que 1 é perfeito) foi de 0,699 para a valência e 0,508 para a ativação, depois que ele foi informado do grau de empatia do agente. Em outras palavras, o humor do cliente é mais fácil de ler quando o modelo também ouve o agente. Para usos clínicos da mesma tecnologia, veja nossas estatísticas de precisão do reconhecimento de emoções na fala.
| Métrica | Valor | Fonte |
|---|---|---|
| Acurácia ponderada, sentimento de 3 classes em chamadas telefônicas do Switchboard: modelo apenas acústico vs. modelo acústico mais texto vs. modelo com recursos de reconhecimento de fala vs. ouvintes humanos | 54,23% vs. 65,65% vs. 70,10% vs. 85,76% | Chen et al. (Google), LREC 2020 |
| Acurácia não ponderada (média das classes), as mesmas quatro abordagens na mesma ordem | 39,63% vs. 54,59% vs. 62,39% vs. 84,61% | Chen et al. (Google), LREC 2020 |
| Coleção de origem do CusEmo, de uma central de atendimento francesa de viagens corporativas | 5.548 conversas, 375,39 horas | Estudo CusEmo, arXiv 2023 |
| Conversas do CusEmo com anotação de contexto; áudio do cliente avaliado quanto à emoção | 469 conversas; 13,15 horas | Estudo CusEmo, arXiv 2023 |
| Concordância entre dois anotadores que avaliaram a emoção do cliente (ICC): valência vs. ativação | 0,62 vs. 0,52 | Estudo CusEmo, arXiv 2023 |
| Concordância do melhor modelo com as avaliações humanas (CCC) quando se acrescenta a empatia do agente: valência vs. ativação | 0,699 vs. 0,508 | Estudo CusEmo, arXiv 2023 |
Nota de contexto: o corpus CusEmo é de uso exclusivamente interno e não foi publicado, e apenas 469 das 5.548 conversas receberam anotação de contexto. Os dados reais de emoção em centrais de atendimento são escassos justamente porque as gravações contêm dados pessoais, o que é um dos motivos pelos quais a maioria dos números de precisão publicados vem de podcasts, fala encenada ou corpora telefônicos de décadas atrás.
5. Resultados de Negócio Medidos
Os fornecedores de análise vendem resultados, e a evidência mais bem controlada vem do texto, não da voz. Em um estudo com 5.179 agentes de atendimento ao cliente e cerca de 3 milhões de chats, um assistente de conversa com IA aumentou em 14%, em média, os problemas resolvidos por hora e em 34% para agentes novatos e de baixa qualificação (Brynjolfsson, Li e Raymond, Generative AI at Work, NBER Working Paper 31161). O estudo mediu o humor do cliente com um classificador de sentimento baseado em LLM (SiEBERT, que pontua texto de -1 a 1), o que o torna um dos poucos grandes estudos de campo que usa o sentimento automatizado como resultado, e não como insumo.
As métricas mais subjetivas também se mexeram: o sentimento do cliente subiu 0,18 ponto (meio desvio padrão), as solicitações para falar com um gerente caíram quase 25% e o tempo de atendimento diminuiu 3,8 minutos. A resolução quase não mudou. Os compradores parecem acreditar que os dados pertencem ao topo: quase 84% das empresas, e 96,7% do grupo de sucesso da Metrigy, dizem que os dados de interação com clientes devem fazer parte dos painéis de desempenho executivo (análise da Metrigy, maio de 2025).
| Métrica | Valor | Fonte |
|---|---|---|
| Ganho de produtividade (problemas resolvidos por hora) com um assistente de conversa com IA, 5.179 agentes | 14% em média | NBER Working Paper 31161, Brynjolfsson, Li e Raymond |
| Ganho de produtividade para agentes novatos e de baixa qualificação | 34% | NBER Working Paper 31161 |
| Variação do sentimento médio do cliente (pontuação SiEBERT de -1 a 1) | +0,18 ponto, cerca de meio desvio padrão | NBER Working Paper 31161 |
| Variação nas solicitações do cliente para falar com um gerente (linha de base de cerca de 6 pontos percentuais) | Quase 25% menos | NBER Working Paper 31161 |
| Variação no tempo médio de atendimento | 3,8 minutos mais curto, queda de 9% | NBER Working Paper 31161 |
| Variação na taxa de resolução (linha de base de 82%) | +1,3 ponto percentual, significativa apenas ao nível de 10% | NBER Working Paper 31161 |
| Empresas que querem dados de interação nos painéis executivos: todas as empresas vs. o grupo de maior sucesso | Quase 84% vs. 96,7% | Análise da Metrigy, maio de 2025 |
Nota sobre exceções: o sentimento dos agentes no estudo do NBER subiu apenas 0,02 ponto, cerca de 1% de um desvio padrão, de modo que o ganho apareceu na forma como os clientes escreviam, não na forma como os agentes escreviam. O estudo cobre chat de texto em uma única empresa; não encontramos nenhum estudo controlado de tamanho comparável sobre os resultados da análise de chamadas de voz.
6. Regulação e Privacidade: Regras de Reconhecimento de Emoções e Lei de Impressões Vocais
A linha legal passa por de quem são as emoções lidas e a partir de quê. Desde 2 de fevereiro de 2025, o Regulamento de IA da UE proíbe sistemas de IA que inferem as emoções de uma pessoa no ambiente de trabalho, exceto por motivos médicos ou de segurança (Regulamento (UE) 2024/1689, artigos 5(1)(f) e 113). O Regulamento define o reconhecimento de emoções como inferência “com base nos seus dados biométricos”, e é por isso que as diretrizes da Comissão tratam como proibida uma central de atendimento que usa reconhecimento de voz para monitorar a raiva dos funcionários, mas como fora da proibição uma central que monitora as emoções dos clientes, e também a inferência a partir de texto escrito (diretrizes da Comissão Europeia sobre práticas de IA proibidas, 4 de fevereiro de 2025, exemplos conforme resumidos pela CMS, 10 de fevereiro de 2025). Na prática, o sentimento baseado em transcrições sobre os clientes é o projeto mais seguro na Europa, e a pontuação do tom de voz dos agentes é o mais arriscado.
O considerando 44 do Regulamento justifica a proibição apontando graves preocupações sobre a base científica do reconhecimento de emoções, citando confiabilidade limitada, falta de especificidade e generalização limitada, as mesmas fragilidades que os índices de concordância das seções 3 e 4 medem. Nos Estados Unidos, a exposição mais aguda é biométrica: Illinois considera a impressão vocal um identificador biométrico, de modo que qualquer sistema que crie impressões vocais de locutores (por exemplo, para autenticação de quem liga) fica sujeito às suas regras e às suas indenizações por violação (Lei de Privacidade de Informações Biométricas de Illinois, 740 ILCS 14).
| Métrica | Valor | Fonte |
|---|---|---|
| Data em que passa a valer a proibição da UE de inferir emoções no ambiente de trabalho e na educação (artigo 5(1)(f)) | 2 de fevereiro de 2025 | Regulamento de IA da UE, Regulamento (UE) 2024/1689, artigo 113 |
| Multa máxima por uso de uma prática de IA proibida | EUR 35.000.000 ou 7% do faturamento anual mundial total, o que for maior | Regulamento de IA da UE, artigo 99(3) |
| Situação dos sistemas de reconhecimento de emoções que não são proibidos (por exemplo, sobre clientes) | Listados como sistemas de IA de alto risco | Regulamento de IA da UE, Anexo III, ponto 1(c) |
| Data de aplicação geral do Regulamento de IA da UE, conforme publicado | 2 de agosto de 2026 | Regulamento de IA da UE, artigo 113 |
| Central de atendimento que usa reconhecimento de voz para monitorar emoções dos funcionários, como a raiva | Proibido | Diretrizes da Comissão Europeia, fevereiro de 2025 |
| Central de atendimento que usa reconhecimento de voz para monitorar emoções dos clientes | Fora da proibição no ambiente de trabalho | Diretrizes da Comissão Europeia, fevereiro de 2025 |
| Indenizações prefixadas em Illinois por violação envolvendo identificadores biométricos, como impressões vocais: negligente vs. intencional ou imprudente | $1.000 vs. $5.000 | Illinois BIPA, 740 ILCS 14/20 |
| Data de vigência da BIPA de Illinois e última alteração | 3 de outubro de 2008; alterada pela Public Act 103-769, em vigor desde 2 de agosto de 2024 | Assembleia Geral de Illinois |
Nota de contexto: as diretrizes da Comissão não são vinculantes, e a interpretação autorizada cabe ao Tribunal de Justiça da UE. O próprio relatório anual da NICE alerta que o Regulamento de IA é “gradualmente aplicável até agosto de 2026” e que as multas por descumprimento “são significativas” (NICE Form 20-F do ano fiscal de 2025).
Resumo: Precisão da Detecção de Sentimento em Análise de Fala de Centrais de Atendimento em Números
| Métrica | Valor | Fonte |
|---|---|---|
| Empresas que já usam análise de interações vs. que planejam implantá-la em 2025 | 49,8% vs. 29,9% (de 1.104) | Metrigy, AI for Business Success 2025-26 |
| Centrais de contato que ainda usam planilhas para a monitoria de qualidade | 55% (ante 65%) | Scorebuddy e Call Centre Helper, dezembro de 2025 |
| Receita total da NICE em 2025 | $2.945,4 milhões | NICE Form 20-F, ano fiscal de 2025 |
| WER de ASR comercial em 50 conversas reais de central de atendimento | 16,5% a 19,2% | Szymanski et al., Findings of EMNLP 2020 |
| Os mesmos sistemas no benchmark telefônico Switchboard | 10,2% a 11,62% | Szymanski et al., Findings of EMNLP 2020 |
| WER do Whisper large-v2: fala lida de audiolivros vs. chamadas telefônicas do CallHome | 2,7% vs. 17,6% | OpenAI, artigo do Whisper, 2022 |
| WER em áudio de central de atendimento com sotaques africanos: melhor modelo vs. Whisper-large-v3 | 13,45% vs. 24,69% | AfriSpeech-MultiBench, arXiv 2025 |
| Concordância entre humanos sobre o sentimento de enunciados de central de atendimento (kappa de Cohen) | 0,605 | Pesquisadores da ConnexAI, IntechOpen 2026 |
| F1 macro de sentimento por LLM em transcrições de ASR: enunciado isolado vs. contexto de seis turnos | 0,74 vs. 0,86 | Pesquisadores da ConnexAI, IntechOpen 2026 |
| Acurácia ponderada em sentimento de chamadas telefônicas: apenas acústico vs. acústico mais texto vs. humano | 54,23% vs. 65,65% vs. 85,76% | Chen et al. (Google), LREC 2020 |
| Concordância dos anotadores sobre valência vs. ativação do cliente em chamadas reais (ICC) | 0,62 vs. 0,52 | Estudo CusEmo, arXiv 2023 |
| Ganho de produtividade com assistente de conversa com IA, todos os agentes vs. novatos | 14% vs. 34% | NBER Working Paper 31161 |
| Variação do sentimento do cliente (escala de -1 a 1) e das solicitações para falar com um gerente com o auxílio da IA | +0,18 ponto; quase 25% menos solicitações | NBER Working Paper 31161 |
| A proibição da UE de inferir emoções no trabalho vale a partir de | 2 de fevereiro de 2025 | Regulamento de IA da UE, artigo 113 |
| Central de atendimento que usa reconhecimento de voz para monitorar emoções dos funcionários vs. dos clientes | Proibido vs. fora da proibição no ambiente de trabalho | Diretrizes da Comissão Europeia, fevereiro de 2025 |
| Multa máxima da UE por práticas de IA proibidas | EUR 35.000.000 ou 7% do faturamento mundial | Regulamento de IA da UE, artigo 99(3) |
| Indenização de Illinois por violação biométrica, negligente vs. intencional | $1.000 vs. $5.000 | Illinois BIPA, 740 ILCS 14 |
Metodologia e Fontes
- Metrigy, The Value of Interaction Analytics (AI for Business Success 2025-26, 1.104 empresas) e análise da Metrigy do mesmo estudo, 14 de maio de 2025: adoção, adoção planejada, principais casos de uso, atitudes em relação aos painéis.
- Scorebuddy e Call Centre Helper, What Contact Centers Are Doing Right Now, 11 de dezembro de 2025: pesquisa sobre ferramentas de QA, patrocinada por fornecedor; o tamanho da amostra não é divulgado no comunicado.
- NICE Ltd, Form 20-F do ano fiscal encerrado em 31 de dezembro de 2025 (SEC EDGAR): receita, crescimento da nuvem, base de clientes, contrapartida pela Cognigy, fator de risco do Regulamento de IA.
- Verint Systems, Form 10-K do ano fiscal encerrado em 31 de janeiro de 2025 (SEC EDGAR): base de clientes, países, participação das assinaturas, receita regional.
- Szymanski et al., WER we are and WER we think we are, Findings of EMNLP 2020: ASR comercial em 50 conversas reais de central de atendimento.
- Radford et al. (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision, 2022: WER do Whisper no LibriSpeech, CallHome e Switchboard.
- Ashungafac et al. (Intron Health), AfriSpeech-MultiBench, arXiv novembro de 2025: WER no domínio de central de atendimento para 18 sistemas de ASR.
- Jordan, Fonseka, Stacey e Sitvaev (ConnexAI), Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen, 20 de junho de 2026: concordância humana, precisão de sentimento de LLMs e classificadores, robustez ao ASR. Os autores trabalham para um fornecedor de IA para centrais de contato.
- Chen et al. (Google), A Large Scale Speech Sentiment Corpus, LREC 2020 (LDC2020T14): rótulos de sentimento do Switchboard, acurácia humana, linhas de base acústicas e de texto.
- End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations (CusEmo), arXiv 2023: corpus de emoção de central de atendimento real e resultados dos modelos.
- Brynjolfsson, Li e Raymond, Generative AI at Work, NBER Working Paper 31161: resultados de produtividade, sentimento, escalonamento e rotatividade.
- Regulamento (UE) 2024/1689 (Regulamento de IA da UE), EUR-Lex: artigo 3(39), artigo 5(1)(f), artigo 99(3), artigo 113, Anexo III, considerando 44.
- Comissão Europeia, Diretrizes sobre práticas de IA proibidas, 4 de fevereiro de 2025 e resumo da CMS dos exemplos de central de atendimento, 10 de fevereiro de 2025.
- Assembleia Geral de Illinois, Lei de Privacidade de Informações Biométricas, 740 ILCS 14: definição de impressão vocal e indenizações prefixadas.
- Nota sobre os dados: o estudo comercial de WER em central de atendimento (2020), o artigo do Whisper (2022), as linhas de base de sentimento do Switchboard (2020) e o estudo CusEmo (2023) são os dados públicos mais recentes disponíveis para as respectivas medições; não encontramos nenhum teste público mais novo de motores comerciais em gravações reais de chamadas, e os conjuntos de dados de central de atendimento usados nesses artigos são privados. O capítulo da IntechOpen é inconsistente em alguns pontos (o resumo cita 3.000 observações de sentimento enquanto o corpo usa 8.750, e informa um F1 de ASR de “cerca de 0,76” no resumo contra um F1 macro de 0,74 e uma acurácia de 0,76 no corpo); usamos as tabelas do corpo. O texto do artigo do CusEmo informa 0,657 e 0,434 para uma configuração que a tabela lista como 0,667 e 0,499. O conjunto de central de atendimento do AfriSpeech-MultiBench tem apenas 16 amostras (0,80 hora), e o artigo diz que foram avaliados tanto 18 quanto 19 sistemas. Os resultados do NBER vêm de chat de texto em uma única empresa, não de chamadas de voz. A Metrigy descreve o mesmo resultado de adoção como 49,8% em um lugar e “apenas metade” em outro. Afirmações amplamente repetidas de que a QA manual cobre de 1% a 3% das chamadas não puderam ser rastreadas até uma pesquisa independente e foram excluídas. O cronograma do Regulamento de IA da UE é citado como publicado no Jornal Oficial; verifique alterações posteriores antes de confiar na data de 2 de agosto de 2026 para as obrigações de alto risco.
Última atualização: 27 de outubro de 2026. Atualizamos este levantamento trimestralmente, e a próxima revisão é esperada quando a Metrigy publicar seu próximo estudo AI for Business Success e a NICE apresentar seu próximo Form 20-F anual.