Nenhum dos 68 estudos de voz e fala em saúde mental revisados em 2026 mediu burnout ou exaustão emocional diretamente (Uy et al., Frontiers in Digital Health 2026). Essa lacuna enquadra tudo o que vem a seguir. O que a pesquisa de fato mostra é mais restrito: a frequência fundamental (F0, o tom básico da voz) sobe sob estresse agudo, com uma diferença média padronizada (SMD) agrupada de 0,55 que encolhe para um não significativo 0,17 após a correção para o viés de publicação (Veiga et al., Stress and Health 2025). O resultado de campo mais forte em call center que encontramos é uma AUC de 0,783 para prever sintomas depressivos em 62 trabalhadores japoneses (Tani et al., Journal of Occupational Health 2025), e, na União Europeia, inferir as emoções de funcionários com IA é proibido desde 2 de fevereiro de 2025. Para o lado da força de trabalho do problema (rotatividade, abuso, intenção de pedir demissão), veja nossas estatísticas de burnout e rotatividade de agentes de call center. Reunimos dados da JMIR Mental Health, da JAMIA, da Scientific Reports, do Journal of Voice, do Journal of Occupational Health, da Comissão Europeia, da autoridade húngara de proteção de dados (NAIH) e do Instituto Nacional de Justiça dos EUA, e separamos a evidência de laboratório da implantação em campo ao longo de todo o texto.
TL;DR
- 0 de 68 estudos de voz e fala em saúde mental mediram burnout diretamente, e apenas 2 de 68 (3%) validaram em um conjunto de dados independente (Uy et al., Frontiers in Digital Health 2026).
- 0 de 13 estudos de monitoramento de saúde mental com IA em ambientes de trabalho reais usaram dados de voz ou fala (Jack et al., PLOS Digital Health 2026).
- O estresse agudo eleva a F0 com SMD agrupado de 0,55 (IC 95% 0,30 a 0,80), caindo para 0,17 e sem significância após o trim-and-fill (Veiga et al., Stress and Health 2025).
- A F0 aumentou significativamente em 15 de 19 estudos de estresse, o marcador acústico mais consistente (Schewski et al., PLOS One 2025).
- Detecção de depressão pela fala: precisão máxima agrupada de 0,81 versus precisão mínima de 0,66 em 105 estudos (Maran et al., JMIR Mental Health 2025).
- Um modelo baseado no áudio das chamadas previu sintomas depressivos em 62 operadores de call center com AUC de 0,783 (Tani et al., Journal of Occupational Health 2025).
- Operadores de call center relatam prevalência de problemas de voz ao longo da carreira de 33% a 68% (Nair et al., revisão sistemática do Journal of Voice).
- 70,5% de 173 operadores de call center turcos encaminhados para avaliação tinham uma doença ocupacional confirmada, na maioria das vezes distúrbios das pregas vocais (Altundas Hatman e Torun, La Medicina del Lavoro 2022).
- As multas do Regulamento da IA por práticas proibidas chegam a EUR 35.000.000 ou 7% do faturamento anual mundial, o que for maior (Regulamento (UE) 2024/1689, Artigo 99).
- O software de análise de chamadas de um banco não conseguiu reconhecer emoção em 91,96% dos casos, e o banco foi multado em HUF 250.000.000 (decisão NAIH-85-3/2022).
1. O Que o Estresse Faz com a Voz: F0, Jitter, Shimmer e Taxa de Fala
A análise paralinguística observa como algo é dito, e não o que é dito. As quatro características clássicas são a F0 (tom), o jitter (pequena oscilação de ciclo a ciclo no tom), o shimmer (oscilação de ciclo a ciclo na intensidade) e a taxa de fala. A evidência de laboratório sustenta claramente uma delas: o tom sobe sob estresse agudo. A F0 subiu significativamente em 15 de 19 estudos em uma revisão sistemática de 2025 com 38 artigos (Schewski et al., PLOS One 2025), enquanto jitter e shimmer, em sua maioria, não mostraram associação.
O efeito é real, mas menor e menos estável do que o número de destaque sugere. Uma metanálise de 2025 com 10 estudos e 583 participantes agrupou um aumento da F0 de SMD 0,55, mas, após a correção estatística para estudos negativos ausentes, a estimativa caiu para 0,17, com um intervalo de confiança que cruza o zero (Veiga et al., Stress and Health 2025). O sinal também é mais forte na fala espontânea, exatamente o tipo de fala que um headset captura, e mais fraco na fala lida ou padronizada. Um experimento intrapessoal constatou que a voz responde ao estresse fisiológico, e não apenas ao mau humor: as características se alteraram durante um teste de estresse, mas não durante uma tarefa de exclusão social (Kappen et al., Scientific Reports 2024).
| Métrica | Valor | Fonte |
|---|---|---|
| Aumento agrupado da F0 sob estresse agudo (10 estudos, 583 participantes) | SMD 0,55 (IC 95% 0,30 a 0,80), I² = 69,2% | Veiga et al., Stress and Health 2025 |
| Mesmo efeito agrupado na F0 após correção trim-and-fill para o viés de publicação | SMD 0,17 (IC 95% -0,15 a 0,49), p = 0,29 | Veiga et al., Stress and Health 2025 |
| Efeito na F0 em fala espontânea versus fala padronizada (lida) | SMD 0,79 versus SMD 0,14 | Veiga et al., Stress and Health 2025 |
| Estudos de estresse que relatam aumento significativo da F0 | 15 de 19 | Schewski et al., PLOS One 2025 |
| Características prosódicas versus características de qualidade vocal com relação com o estresse | 52 de 69 versus 18 de 37 análises | Schewski et al., PLOS One 2025 |
| Mudança na taxa de fala durante uma tarefa de estresse, 66 participantes | Aumentou, d = 1,03 (IC 95% 0,65 a 1,42) | Kappen et al., Scientific Reports 2024 |
| Mudança no jitter durante a mesma tarefa de estresse | Diminuiu, d = -0,62 (IC 95% -1,00 a -0,24) | Kappen et al., Scientific Reports 2024 |
| Mudança no shimmer durante a mesma tarefa de estresse | Sem mudança significativa, p = 0,201 | Kappen et al., Scientific Reports 2024 |
Nota de contexto: na metanálise de Veiga, 5 dos 10 estudos foram classificados com risco de viés geral grave, e os autores afirmam que a evidência é insuficiente para estabelecer parâmetros de F0 para o estresse. Schewski et al. também não encontraram um padrão acústico consistente para medo ou ansiedade.
2. Precisão de Detecção: Modelos de Depressão e Fadiga em Benchmarks
O burnout se sobrepõe à depressão e à exaustão, então a literatura sobre depressão é o proxy mais próximo do que um modelo de burnout poderia alcançar. Os números de destaque parecem fortes, mas dependem de qual resultado cada artigo escolhe relatar. Em 105 estudos, a precisão agrupada do melhor resultado relatado foi de 0,81, enquanto a precisão agrupada do pior resultado relatado do mesmo conjunto de trabalhos foi de 0,66 (Maran et al., JMIR Mental Health 2025). Essa diferença de 15 pontos é a distância entre a melhor configuração de um artigo e a mais fraca, antes que qualquer modelo encontre uma nova população.
As abordagens mais antigas ainda se sustentam: uma metanálise da JAMIA constatou que características acústicas elaboradas manualmente superaram o aprendizado profundo de ponta a ponta (Liu et al., JAMIA 2024). A fadiga mostra o mesmo padrão de amostras pequenas: um estudo de privação de sono chegou a 94% em gravações de vogais, mas apenas 15 homens participaram (Frontiers in Cell and Developmental Biology 2022). Para ver o desempenho de classificadores de emoção fora do laboratório, em um contexto clínico, veja nossas estatísticas de precisão do reconhecimento de emoções na fala.
| Métrica | Valor | Fonte |
|---|---|---|
| Precisão máxima relatada agrupada, detecção de depressão pela fala (105 estudos) | 0,81 (IC 95% 0,79 a 0,83) | Maran et al., JMIR Mental Health 2025 |
| Precisão mínima relatada agrupada na mesma revisão | 0,66 (IC 95% 0,63 a 0,69) | Maran et al., JMIR Mental Health 2025 |
| Sensibilidade máxima relatada agrupada versus especificidade | 0,84 versus 0,83 | Maran et al., JMIR Mental Health 2025 |
| Estudos incluídos com alto risco de viés em pelo menos um domínio | 47,6% (50 de 105) | Maran et al., JMIR Mental Health 2025 |
| Precisão agrupada do aprendizado profundo aplicado à fala para depressão (8 estudos) | 0,87 (IC 95% 0,81 a 0,93) | Liu et al., JAMIA 2024 |
| Precisão agrupada de modelos que usam características acústicas elaboradas manualmente | 0,89 (IC 95% 0,81 a 0,97) | Liu et al., JAMIA 2024 |
| Diferença agrupada na F0, falantes com depressão versus sem depressão (6 estudos) | -1,82 Hz, p = 0,56 (não significativo) | Cantor-Cutiva et al., Depression and Anxiety 2026 |
| Classificação de fadiga após 36 horas acordado, múltiplas vogais versus fala segmentada (15 participantes) | Até 94% versus 76% | Frontiers in Cell and Developmental Biology 2022 |
Nota de contexto: 52,4% dos 105 estudos sobre depressão eram artigos de conferência, o conjunto de dados público mais usado foi o DAIC-WOZ (33,3% dos estudos), e os conjuntos de dados específicos de cada estudo (elaborados manualmente) foram os mais comuns no geral (53,3%). A revisão de Cantor-Cutiva et al. classificou apenas 1 de 17 estudos como de qualidade forte. Dados mais recentes disponíveis sobre fadiga: Frontiers in Cell and Developmental Biology, 2022.
3. O Burnout É o Rótulo Ausente: A Lacuna entre o Laboratório e o Campo
Esta é a seção que mais importa para quem está comprando um recurso de “previsão de burnout”. Uma revisão de escopo de 2026 com 68 estudos de biomarcadores vocais não encontrou nenhum que medisse burnout ou exaustão emocional, e apenas 2 de 68 (3%) testaram em um conjunto de dados independente (Uy et al., Frontiers in Digital Health 2026). Os autores concluem que a evidência ainda não sustenta a avaliação passiva ou ambiental de saúde mental na prática de rotina.
A literatura sobre o ambiente de trabalho conta a mesma história na direção oposta. Uma revisão restrita ao monitoramento de saúde mental com IA em ambientes de trabalho reais manteve 13 estudos, e nenhum deles usou voz (Jack et al., PLOS Digital Health 2026). Um dos poucos estudos de voz de grande porte no estilo de campo, com 4.155 pessoas gravando em seus próprios celulares, constatou que nenhuma característica ligada ao estresse era compartilhada entre gênero, idioma e tarefa (Topalian et al., Digital Biomarkers 2026). Um modelo treinado em um grupo, em outras palavras, não tem garantia de funcionar na próxima equipe. O mesmo problema de validação atravessa os biomarcadores vocais em outras condições, como mostram nossas estatísticas de biomarcadores vocais para comprometimento cognitivo.
| Métrica | Valor | Fonte |
|---|---|---|
| Estudos de voz e fala em saúde mental que mediram burnout ou exaustão emocional | 0 de 68 | Uy et al., Frontiers in Digital Health 2026 |
| Estudos validados em uma amostra independente ou de outro conjunto de dados | 2 de 68 (3%) | Uy et al., Frontiers in Digital Health 2026 |
| Estudos que usaram elicitação controlada (tarefas de laboratório) em vez de fala natural | 54 de 68 (79%) | Uy et al., Frontiers in Digital Health 2026 |
| Características vocais ligadas ao estresse compartilhadas entre mulheres e homens, 679 adultos com diabetes gravando em casa | Nenhuma (25 características encontradas em cada sexo) | Bour et al., PLOS Digital Health 2026 |
| Estudos de monitoramento de saúde mental com IA em ambientes de trabalho reais que usaram voz ou fala | 0 de 13 | Jack et al., PLOS Digital Health 2026 |
| Estudos de monitoramento com IA em ambientes de trabalho reais voltados ao burnout versus voltados ao estresse | 1 de 13 versus 10 de 13 | Jack et al., PLOS Digital Health 2026 |
| Estudos de estresse experimentais (laboratório) versus estudos de campo | 30 versus 7 artigos | Schewski et al., PLOS One 2025 |
| Estudo de voz sobre estresse momentâneo em dispositivos pessoais: características compartilhadas entre gênero, idioma e tarefa | Nenhuma (4.155 participantes) | Topalian et al., Digital Biomarkers 2026 |
Nota de contexto: a coleta de dados em campo é possível. O estudo de Gaballah et al. na ICASSP 2021 acompanhou 144 profissionais de hospital ao longo de 10 semanas com áudio vestível e estresse autorrelatado diariamente, mas teve o estresse como alvo, e não o burnout (dados mais recentes disponíveis: IEEE ICASSP, 2021). A coorte de diabetes na tabela acima (Bour et al., PLOS Digital Health 2026) também não encontrou nenhuma característica compartilhada entre estresse e sofrimento relacionado ao diabetes, um lembrete de que “estresse” em um estudo não é o mesmo construto que no estudo seguinte.
4. Implantações em Call Centers: O Que os Estudos de Campo Relatam
O que mais se aproxima de uma implantação real próxima ao burnout vem do Japão, onde um grupo de pesquisa testou um sistema comercial de análise de voz em chamadas reais de clientes de operadores. O modelo previu sintomas depressivos ao longo de 12 semanas com AUC de 0,783 (IC 95% 0,691 a 0,875), mas apenas 62 dos 240 operadores recrutados entraram na análise, o sistema é uma caixa-preta proprietária e o estudo foi financiado por seu fornecedor (Tani et al., Journal of Occupational Health 2025). Um ensaio randomizado complementar usou a mesma ferramenta em sessões de grupo e encontrou reduções modestas nas pontuações de depressão (Tani et al., Journal of Occupational Health 2024).
Dois conjuntos de dados coreanos mais recentes mostram as alternativas. Um estudo de diário com 400 trabalhadores constatou que as palavras usadas pelos agentes acompanhavam os sintomas depressivos melhor do que suas próprias avaliações de humor, o que é análise de linguagem, e não paralinguística (Kim et al., Psychiatry Investigation 2026). Uma simulação em laboratório com 31 agentes de atendimento e atores interpretando clientes irritados relatou resultados apenas para o áudio combinado com sensores cardíacos, de pele e cerebrais, de modo que a contribuição da própria voz é desconhecida (Lee et al., Scientific Data 2026).
| Métrica | Valor | Fonte |
|---|---|---|
| AUC para prever sintomas depressivos (CES-D de 16 ou mais) a partir do áudio das chamadas, 62 operadores | 0,783 (IC 95% 0,691 a 0,875) | Tani et al., Journal of Occupational Health 2025 |
| AUC para distinguir chamadas normais de chamadas de alta carga de trabalho (cliente agressivo) em um call center simulado, áudio combinado com sensores fisiológicos, 31 agentes | 0,946 | Lee et al., Scientific Data 2026 |
| Operadores com sintomas depressivos na linha de base nessa coorte | 30,6% (19 de 62) | Tani et al., Journal of Occupational Health 2025 |
| Mudança na pontuação de depressão em 12 semanas versus controle: sessões em grupo com análise de voz (5 ou mais) versus reuniões individuais com o supervisor | -2,36 versus -1,47 pontos no CES-D | Tani et al., Journal of Occupational Health 2024 |
| Trabalhadores coreanos de trabalho emocional com sintomas depressivos (PHQ-9 de 5 ou mais), 400 analisados | 50,8% (203 de 400) | Kim et al., Psychiatry Investigation 2026 |
| AUC do modelo de sentimento baseado em linguagem até o dia 10 dos diários de voz | 75,1% | Kim et al., Psychiatry Investigation 2026 |
| AUC para estresse percebido em um call center simulado, áudio combinado com sensores fisiológicos, 31 agentes | 0,783 | Lee et al., Scientific Data 2026 |
| Participação de respostas enganosas detectadas pela Layered Voice Analysis em uma validação em prisão nos EUA, 319 pessoas presas | 21,4% (especificidade 95,2%) | Instituto Nacional de Justiça dos EUA, Damphousse et al. 2007 |
Nota de contexto: o sistema japonês usado nos dois estudos de Tani é construído sobre a Layered Voice Analysis (LVA). Um teste independente mais antigo, financiado pelo Instituto Nacional de Justiça dos EUA, constatou que a LVA e um analisador de estresse vocal concorrente “não conseguem detectar mentira em uma taxa melhor do que o acaso” (relatório do NIJ, 2007). Esse teste mediu mentira, não humor, então não resolve a questão da depressão, mas é um motivo para exigir validação independente (dados mais recentes disponíveis: NIJ, 2007).
5. Carga Vocal: Distúrbios da Voz no Trabalho em Call Center e Sua Ligação com o Burnout
Antes de ser um sensor, a voz é uma ferramenta de trabalho, e a ferramenta se desgasta. Uma revisão sistemática do Journal of Voice com 15 estudos situou a prevalência ao longo da carreira de problemas de voz entre operadores de call center em 33% a 68%, com prevalência pontual de 27% (Nair et al., Journal of Voice). A rouquidão foi o sintoma mais comum, seguida de fadiga vocal. Isso importa para qualquer modelo acústico: o jitter e o shimmer de um agente rouco mudam por razões físicas, que um classificador de estresse ou burnout poderia interpretar mal.
O extremo clínico do espectro é contundente. Entre 173 operadores de call center turcos encaminhados a um hospital de doenças ocupacionais, 70,5% tinham uma doença ocupacional confirmada, e, dos entrevistados depois, 43,8% haviam sido demitidos (Altundas Hatman e Torun, La Medicina del Lavoro 2022). Pesquisas com professores, outra profissão que depende muito da voz, ligam diretamente burnout e distúrbios da voz, de modo que os dois problemas andam juntos. Nossas estatísticas de análise acústica da voz e disfonia mostram como as clínicas medem esse dano.
| Métrica | Valor | Fonte |
|---|---|---|
| Prevalência ao longo da carreira de problemas de voz em operadores de call center (15 estudos) | 33% a 68% | Nair et al., revisão sistemática do Journal of Voice |
| Prevalência pontual de problemas de voz em operadores de call center | 27% | Nair et al., revisão sistemática do Journal of Voice |
| Funcionários de call center turcos que relatam problemas de voz desde que começaram no emprego (264 pesquisados) | 57,6% | Demir et al., PeerJ 2025 |
| Os mesmos funcionários que relatam estresse no trabalho | 58,3% | Demir et al., PeerJ 2025 |
| Operadores de call center encaminhados com doença ocupacional confirmada (173 casos) | 70,5% | Altundas Hatman e Torun, La Medicina del Lavoro 2022 |
| Nódulos nas pregas vocais entre operadoras versus operadores com doença ocupacional | 92,9% versus 62,4% | Altundas Hatman e Torun, La Medicina del Lavoro 2022 |
| Proporção média da jornada de trabalho gasta em fonação, 92 operadores de call center | 14,74% (variação de 4% a 31%) | Cantarella et al., Journal of Voice 2014 |
| Chance de provável distúrbio da voz em professores positivos em 2 a 4 subescalas de burnout versus 0 a 1 | OR 4,01, P = 0,013 | de Brito Mota et al., Journal of Voice 2019 |
Nota de contexto: na pesquisa turca da PeerJ (Demir et al. 2025), o estresse no trabalho esteve significativamente associado a piores pontuações no Voice Handicap Index (p < 0,001). Entre 208 professores no estudo de de Brito Mota, 64,4% provavelmente tinham um distúrbio da voz, e, em um estudo galego de 2024 com 90 professores, 16% apresentaram sintomas compatíveis com burnout. Dados mais recentes disponíveis sobre tempo de fonação: Cantarella et al., Journal of Voice, 2014.
6. Limites Legais e Éticos: Artigo 5 do Regulamento da IA da UE e a Ação dos Reguladores
Mesmo que a ciência amadurecesse amanhã, o espaço legal para a análise de emoções de funcionários na Europa já se fechou. O Artigo 5(1)(f) do Regulamento da IA proíbe “o uso de sistemas de IA para inferir emoções de uma pessoa natural nas áreas do local de trabalho e de instituições de ensino”, com exceção apenas por razões médicas ou de segurança, e está em vigor desde 2 de fevereiro de 2025 (Regulamento (UE) 2024/1689, Artigo 5). As diretrizes da Comissão Europeia, publicadas em 4 de fevereiro de 2025 e não vinculantes, fecham a brecha óbvia: segundo uma análise das diretrizes feita pelo Future of Privacy Forum, a exceção médica “não se estende ao monitoramento geral de bem-estar, como a detecção de estresse ou burnout” (FPF, 24 de março de 2026).
A proibição visa a inferência a partir de dados biométricos, como a voz. A análise das emoções de clientes não é abrangida, e inferir emoções a partir de texto escrito fica fora da proibição, então um modelo baseado em transcrição e um modelo baseado em voz podem cair em lados opostos da linha. A lei de proteção de dados já agiu antes do Regulamento da IA: a autoridade da Hungria multou um banco cujo software de análise de chamadas pontuava o estado emocional de quem ligava e também monitorava a voz de seus próprios funcionários (decisão NAIH-85-3/2022).
| Métrica | Valor | Fonte |
|---|---|---|
| Data em que a proibição de inferência de emoções no trabalho passou a valer na UE | 2 de fevereiro de 2025 | Regulamento (UE) 2024/1689 (Regulamento da IA), Artigo 5 |
| Multa máxima por uma prática de IA proibida | EUR 35.000.000 ou 7% do faturamento anual mundial total, o que for maior | Regulamento (UE) 2024/1689 (Regulamento da IA), Artigo 99(3) |
| Publicação das diretrizes da Comissão sobre práticas proibidas (não vinculantes) | 4 de fevereiro de 2025, página atualizada pela última vez em 31 de julho de 2025 | Comissão Europeia, Diretrizes sobre práticas de IA proibidas 2025 |
| Detecção de estresse ou burnout coberta pela exceção médica | Não, o monitoramento geral de bem-estar está excluído | Diretrizes da Comissão Europeia, conforme analisadas pelo Future of Privacy Forum 2026 |
| Multa a um banco húngaro por análise de emoções com IA em gravações de chamadas | HUF 250.000.000 | Decisão NAIH-85-3/2022 |
| Proporção de casos em que o software do banco não conseguiu reconhecer emoção | 91,96% | Decisão NAIH-85-3/2022 |
| Retenção dos arquivos de áudio das chamadas dentro do software de análise de voz | 45 dias | Decisão NAIH-85-3/2022 |
| Prazo para comprovar conformidade ou interromper a análise de emoções | 60 dias após a decisão se tornar definitiva | Decisão NAIH-85-3/2022 |
Nota de contexto: a página das diretrizes da Comissão Europeia afirma que a interpretação autorizada é reservada ao Tribunal de Justiça da União Europeia. A decisão da NAIH também constatou que o software conseguia reconhecer “as emoções de um funcionário e não as da parte que ligava”, o tipo de inferência de emoções no local de trabalho que o Artigo 5(1)(f) agora proíbe.
Resumo: Análise Vocal Paralinguística e Previsão de Burnout de Agentes em Números
| Métrica | Valor | Fonte |
|---|---|---|
| Estudos de voz e fala em saúde mental que mediram burnout diretamente | 0 de 68 | Uy et al., Frontiers in Digital Health 2026 |
| Estudos de monitoramento de saúde mental com IA em ambientes de trabalho reais que usaram voz | 0 de 13 | Jack et al., PLOS Digital Health 2026 |
| Aumento agrupado da F0 sob estresse agudo | SMD 0,55 (IC 95% 0,30 a 0,80) | Veiga et al., Stress and Health 2025 |
| Aumento agrupado da F0 após correção do viés de publicação | SMD 0,17, não significativo | Veiga et al., Stress and Health 2025 |
| Estudos de estresse com aumento significativo da F0 | 15 de 19 | Schewski et al., PLOS One 2025 |
| Efeito na taxa de fala sob uma tarefa de estresse em laboratório | d = 1,03 | Kappen et al., Scientific Reports 2024 |
| Detecção de depressão, precisão máxima versus mínima relatada agrupada | 0,81 versus 0,66 | Maran et al., JMIR Mental Health 2025 |
| Detecção de depressão com aprendizado profundo, precisão agrupada | 0,87 | Liu et al., JAMIA 2024 |
| Modelos com características acústicas elaboradas manualmente, precisão agrupada | 0,89 | Liu et al., JAMIA 2024 |
| AUC do modelo baseado no áudio das chamadas para sintomas depressivos, 62 operadores | 0,783 | Tani et al., Journal of Occupational Health 2025 |
| Trabalhadores de trabalho emocional com sintomas depressivos (Coreia) | 50,8% | Kim et al., Psychiatry Investigation 2026 |
| Prevalência ao longo da carreira de problemas de voz em operadores de call center | 33% a 68% | Nair et al., revisão sistemática do Journal of Voice |
| Funcionários de call center turcos com problemas de voz desde que começaram no emprego | 57,6% | Demir et al., PeerJ 2025 |
| Operadores encaminhados com doença ocupacional confirmada | 70,5% | Altundas Hatman e Torun, La Medicina del Lavoro 2022 |
| Multa máxima do Regulamento da IA por práticas proibidas | EUR 35.000.000 ou 7% do faturamento | Regulamento (UE) 2024/1689, Artigo 99 |
| Multa a um banco húngaro por análise de emoções em chamadas | HUF 250.000.000 | Decisão NAIH-85-3/2022 |
Metodologia e Fontes
- Uy, Shaaban e Arnaout: Voz e fala como biomarcadores digitais de saúde mental, Frontiers in Digital Health 2026
- Jack et al.: Monitoramento de saúde mental no ambiente de trabalho com inteligência artificial, PLOS Digital Health 2026
- Veiga et al.: A frequência fundamental da voz como potencial biomarcador de estresse, Stress and Health 2025
- Schewski et al.: Medição de emoções negativas e estresse por meio de correlatos acústicos na fala, PLOS One 2025
- Kappen et al.: Características acústicas e prosódicas da fala refletem o estresse fisiológico, Scientific Reports 2024
- Topalian et al.: Assinaturas vocais do estresse psicológico momentâneo em ambientes da vida real, Digital Biomarkers 2026
- Bour et al.: Alterações da voz associadas a estresse e sofrimento em pessoas que vivem com diabetes, PLOS Digital Health 2026
- Maran et al.: Desempenho da análise automática da fala na detecção de depressão, JMIR Mental Health 2025
- Liu et al.: Acurácia diagnóstica do aprendizado profundo com amostras de fala na depressão, JAMIA 2024
- Cantor-Cutiva et al.: O papel da acústica da voz na avaliação da depressão, Depression and Anxiety 2026
- Um método rápido e não invasivo para detecção de fadiga baseado em informações da voz, Frontiers in Cell and Developmental Biology 2022
- Gaballah et al.: Detecção de estresse na fala sensível ao contexto em profissionais de hospital com classificadores Bi-LSTM, IEEE ICASSP 2021
- Tani et al.: Modelo de detecção precoce de sintomas depressivos com análise de emoções na voz entre operadores de call center, Journal of Occupational Health 2025
- Tani et al.: Intervenção organizacional com a Layered Voice Analysis, ensaio clínico randomizado, Journal of Occupational Health 2024
- Kim et al.: A linguagem cotidiana como indicador objetivo de estados afetivos depressivos em trabalhadores de trabalho emocional, Psychiatry Investigation 2026
- Lee et al.: Um conjunto de dados multimodal para avaliar emoção, estresse e carga emocional de trabalho em cenários interpessoais profissionais, Scientific Data 2026
- Damphousse et al., Instituto Nacional de Justiça dos EUA: Avaliação da validade de ferramentas de análise de estresse vocal em um ambiente prisional, 2007
- Nair et al.: Prevalência de problemas de voz, sintomas vocais autorrelatados e fatores de risco associados em operadores de call center, Journal of Voice
- Demir et al.: Problemas de voz autorrelatados em funcionários de call center, PeerJ 2025
- Altundas Hatman e Torun: Doenças ocupacionais entre operadores de call center que precisam de reabilitação vocal, La Medicina del Lavoro 2022
- Cantarella et al.: Monitoramento ambulatorial da fonação em uma amostra de 92 operadores de call center, Journal of Voice 2014
- de Brito Mota et al.: Distúrbio da voz e síndrome de burnout em professores, Journal of Voice 2019; Garcia-Real et al.: Problemas vocais e síndrome de burnout em professores não universitários na Galícia, Folia Phoniatrica et Logopaedica 2024
- Regulamento (UE) 2024/1689 (Regulamento da IA): Artigo 5 e Artigo 99
- Comissão Europeia: Diretrizes sobre práticas proibidas de inteligência artificial, 2025
- Future of Privacy Forum: Linhas vermelhas no Regulamento da IA da UE, reconhecimento de emoções no ambiente de trabalho, 2026
- Autoridade Nacional Húngara de Proteção de Dados e Liberdade de Informação (NAIH): Decisão NAIH-85-3/2022 sobre processamento de sinais de fala baseado em IA
- Nota sobre os dados: nenhum estudo revisado por pares que encontramos relata uma AUC para detecção de burnout pela voz em relação a um inventário de burnout validado, então todo número de precisão neste levantamento se refere a estresse, fadiga ou depressão, não ao burnout em si. Os dois estudos de Tani et al. foram financiados pela ES Japan, fornecedora do sistema de análise de voz, com funcionários da empresa como coautores, e o modelo de previsão de 2025 foi validado apenas dentro de sua própria coorte. O estudo de Kim et al. analisou palavras transcritas, não características acústicas. Os números do NIJ medem mentira, não humor, e datam de 2007. Inconsistências internas nas próprias fontes: Altundas Hatman e Torun apresentam 62,4% para nódulos nas pregas vocais em homens no texto e 68,4% na Tabela 4; o resumo do estudo de fadiga (94% de voz unitária, 81% de fala longa) não coincide totalmente com sua seção de resultados (88% a 94% para vogais, 76% para fala segmentada); Jack et al. afirmam tanto 8 de 11 quanto 7 de 11 estudos acima de 75% de precisão, por isso não usamos esse número. A revisão de Nair et al. foi publicada online em 2021 e impressa no Journal of Voice em 2024. O texto da proibição do Regulamento da IA é citado a partir da reprodução do Jornal Oficial em artificialintelligenceact.eu.
Última atualização: 27 de outubro de 2026. Atualizamos este levantamento trimestralmente, e a próxima revisão é esperada quando a próxima revisão sistemática de biomarcadores vocais para saúde mental no trabalho for indexada no PubMed Central.