Engenharia de Prompt para Agente de Voz: O Que Muda
Cinco diferenças entre escrever para texto e para voz
Engenharia de Prompt para Agente de Voz: O Que Muda
Quem já escreve prompt para chat costuma achar que agente de voz é a mesma coisa com áudio por cima. Não é. O prompt que produz uma resposta excelente no chat produz uma ligação insuportável — e o motivo não é o modelo, é o canal.
Este guia é sobre as diferenças que importam e o que escrever de fato.
As Cinco Diferenças Entre Texto e Voz
| Chat | Voz | |
|---|---|---|
| Leitura | O usuário varre e escolhe o que ler | Ouve tudo, em ordem, sem pular |
| Tamanho | Resposta longa é aceitável | Resposta longa é interrupção esperando acontecer |
| Estrutura | Lista e tabela funcionam | Lista com seis itens não é memorizável |
| Erro | Dá para reler | Só existe pedir de novo |
| Turno | O usuário espera terminar | O usuário corta no meio |
A consequência prática é uma só: em voz, tudo que não é essencial custa caro. No chat um parágrafo a mais é ignorado; na ligação ele é tempo que a pessoa passa esperando para falar.
Regra 1: Uma Pergunta Por Vez
O erro mais comum em prompt de voz é herdar do formulário. "Para agendar, preciso do seu nome completo, data de nascimento, convênio e a especialidade desejada" é uma frase perfeitamente clara no papel e um desastre no telefone.
Quem ouve isso responde uma coisa e esquece as outras três. Aí o agente pergunta de novo, e a ligação dobra de tamanho.
Escreva assim:
Colete os dados UM POR VEZ, nesta ordem: nome, data de nascimento,
convênio, especialidade. Confirme cada um antes de pedir o próximo.
Nunca peça dois dados na mesma fala.
Regra 2: Diga Como Falar Número
Modelos leem número de formas imprevisíveis. Um valor escrito com cifrão e vírgula pode sair lido símbolo por símbolo, do jeito que está na tela. Data pode virar sequência solta de dígitos. Documento e protocolo podem ser lidos de uma vez, sem pausa, impossíveis de acompanhar.
Isso não se resolve com voz melhor — se resolve escrevendo a regra:
Ao falar valores, diga por extenso: "mil duzentos e cinquenta reais".
Ao falar datas, diga "doze de março", nunca "12/03".
Ao repetir documento ou protocolo, diga dígito por dígito, com pausa
a cada três: "um dois três, quatro cinco seis".
É a instrução que mais melhora a percepção de qualidade por linha escrita.
Automatize seu atendimento em minutos
Tudo que você precisa para escalar seu atendimento telefônico com IA. Sem contratar, sem treinar, sem esperar.
Regra 3: Defina o Que Fazer no Silêncio
No chat, silêncio é o usuário pensando. Na ligação, silêncio pode ser: pessoa pensando, pessoa saiu, ligação com problema, ou pessoa esperando você continuar. São situações diferentes e o agente precisa saber distinguir.
Se a pessoa ficar em silêncio, aguarde e pergunte uma vez:
"Consegue me ouvir?". Se continuar sem resposta, informe que vai
encerrar e encerre. Não repita a pergunta anterior — reformule.
Repetir a mesma frase é o comportamento que mais faz o interlocutor perceber que está falando com máquina.
Regra 4: Escreva a Frase do "Não Sei"
Modelo de linguagem preenche lacuna. Se você não define o que ele faz quando não sabe, ele inventa — e em voz a invenção sai com a mesma naturalidade da verdade, o que é pior que no texto.
Se a informação não estiver disponível, diga exatamente:
"Essa informação eu não tenho aqui. Posso te transferir para alguém
que consegue verificar?"
Nunca estime, nunca suponha, nunca diga "acredito que".
Definir a frase literal funciona melhor que instruir o conceito. "Não invente" é vago; uma frase pronta é executável.
Regra 5: Comprimento Máximo por Fala
O modelo não tem noção de quanto tempo a fala dele dura. Você precisa dar essa noção:
Cada fala sua tem no máximo duas frases. Se a resposta completa
exigir mais, dê a parte essencial e pergunte se a pessoa quer o
detalhe.
Duas frases é o ponto onde a maioria das operações para de receber interrupção. Se o seu caso exige explicação longa — política de cancelamento, por exemplo —, quebre em blocos e peça confirmação entre eles.
A Estrutura Que Funciona
Depois de muitas iterações, o formato que se sustenta tem quatro blocos, nesta ordem:
1. Identidade e limite. Quem é, de qual empresa, o que faz e o que não faz. Inclui a frase de "não sei" e a instrução de nunca negar ser um assistente se perguntarem diretamente.
2. Fatos. Horário, endereço, política, prazo. Separado do resto, porque é a parte que muda toda semana e alguém de operação precisa conseguir editar sem mexer no comportamento.
3. Comportamento de fala. As regras de número, tamanho, silêncio e uma pergunta por vez.
4. Encaminhamento. As condições exatas de passar para pessoa, escritas como regra e não como sugestão. "Se a pessoa pedir cancelamento de contrato, encaminhe" funciona; "encaminhe casos sensíveis" não.
Enquanto você lê, seus concorrentes já automatizaram
Empresas que implementaram agentes de voz IA reduziram custos em 80% e aumentaram a satisfação do cliente em 3x.
O Que Testar Antes de Subir
Prompt de voz não se avalia lendo — se avalia ouvindo. Três testes que pegam quase tudo:
- Interrompa o agente no meio da fala. Ele retoma do ponto certo ou reinicia a frase inteira?
- Dê uma resposta fora do esperado. Pergunte outra coisa no meio do agendamento. Ele mantém o contexto ou perde o fio?
- Peça uma informação que não existe. Ele usa a frase de "não sei" ou improvisa?
Se o terceiro falhar, pare tudo e corrija antes de qualquer outra coisa. Agente que inventa em voz gera problema que você só descobre pela reclamação.
Perguntas Frequentes
Prompt longo deixa o agente mais lento? Instrução mais longa aumenta o processamento, e em voz latência é percebida como hesitação. Prefira instrução curta e específica a instrução longa e genérica — o ganho vem da precisão, não do tamanho.
Dá para usar o mesmo prompt do chatbot? Como ponto de partida dos fatos, sim. Como comportamento de fala, não — as regras de turno, tamanho e número não existem no texto e são justamente o que decide a qualidade.
Preciso escrever o diálogo inteiro? Não, e é contraproducente. Roteiro fechado quebra na primeira pergunta fora do script. Escreva objetivo, limite e regra de fala; deixe a formulação com o modelo.
Como faço o agente soar da minha região? Instrução textual controla vocabulário e construção de frase, não o sotaque em si — esse vem da escolha da voz. O detalhe está em como dar sotaque a uma IA de voz.
Com que frequência devo revisar? Toda semana no primeiro mês, ouvindo gravação real. Depois disso, sempre que a operação mudar alguma política.
Conclusão
Prompt de voz não é prompt de chat com áudio. As quatro instruções que mais mudam resultado são: uma pergunta por vez, como falar número, o que fazer no silêncio e a frase literal do "não sei".
Escreva essas quatro antes de qualquer refinamento de personalidade. Elas resolvem a maior parte do que faz uma ligação soar ruim.
Quer montar o seu? Comece pela Integra.