Parloa cria agentes de apoio com quem os clientes querem falar

Nos primeiros tempos da Parloa, o cofundador Stefan Ostwald passou um dia num centro de atendimento de uma seguradora, onde a sua equipa estava a desenvolver as primeiras experiências de voz. Sentado ao lado dos operadores, ouviu as mesmas conversas repetirem-se vezes sem conta: reposições de palavras-passe, dúvidas sobre apólices e alterações de rotina. Percebeu que grande parte desse trabalho podia ser automatizada.

Depois dessa experiência, a Parloa⁠(abre numa nova janela), sediada em Berlim, começou a criar agentes de voz baseados em regras para automatizar grandes volumes de interações com clientes.

Com o surgimento do ChatGPT, a empresa evoluiu e criou o que é hoje a sua plataforma de gestão de agentes de IA (AMP), assente numa nova geração de modelos, incluindo o GPT‑5.4.

A AMP permite às empresas conceber, implementar e gerir interações de apoio ao cliente em grande escala. Em vez de definirem intenções e fluxos rígidos, as equipas descrevem o comportamento em linguagem natural, estabelecem ligações a sistemas internos e iteram rapidamente com simulações e avaliações integradas.

A Parloa gere estas interações de ponta a ponta, desde o simples encaminhamento até aos pedidos complexos com várias etapas. O foco está na consistência em produção, onde o desempenho, a latência e os casos extremos são determinantes. Para o conseguir, a Parloa testa continuamente os modelos em cenários reais de clientes antes de os implementar.

A plataforma de gestão de agentes (AMP) da Parloa foi concebida para que utilizadores empresariais e especialistas nas respetivas áreas possam criar agentes de IA sem escrever código.

«Com a AMP, especialistas de diferentes unidades de negócio podem efetivamente criar os agentes e ligar as API de forma muito mais ágil e simples», afirma O’Reilly.

Em termos gerais, a AMP permite às marcas gerir todo o ciclo de vida dos agentes de IA. Para isso, oferece às equipas sem conhecimentos técnicos uma forma mais simples de definir como um agente se deve comportar antes de entrar em produção. Em vez de escreverem código ou traçarem árvores rígidas de intenções, os especialistas definem em linguagem natural a função, as instruções, as ferramentas e os limites do agente. Essa configuração serve de base aos prompts fornecidos ao modelo e ao comportamento do sistema em produção.

Depois de definido, o agente é testado antes da implementação. A Parloa simula conversas com clientes através de modelos como o GPT‑5.4, usando um modelo como interlocutor e outro para executar o agente configurado. As equipas podem analisar diretamente estas interações, testar alterações em cenários realistas e iterar antes da entrada em produção.

Os mesmos modelos são depois usados para avaliar essas conversas através de uma combinação de verificações determinísticas e pontuações de um LLM como juiz. Isto revela se o agente seguiu as instruções, utilizou corretamente as ferramentas e concluiu a tarefa conforme esperado.

Durante uma conversa em direto, a camada de orquestração da AMP fornece a um modelo da OpenAI um prompt com a configuração do agente e o contexto da conversa, para gerar uma resposta, obter informações através de RAG ou acionar ferramentas que interajam com os sistemas de back-end do cliente. A Parloa atualiza continuamente esta camada com a geração mais recente de modelos, à medida que estes demonstram ganhos claros de desempenho no mundo real.

Após a conversa, fluxos de trabalho distintos, suportados pela OpenAI, resumem a interação, classificam a intenção do cliente e avaliam o desempenho face às regras definidas.

À medida que os agentes se tornaram mais complexos, passou a ser mais difícil manter um único prompt monolítico. Pequenas alterações podiam provocar efeitos secundários indesejados. Para resolver este problema, a Parloa adotou uma abordagem modular. Tarefas como a autenticação, alterações de reservas ou atualizações de contas podem ser distribuídas por subagentes distintos, melhorando o cumprimento das instruções e facilitando a evolução dos sistemas ao longo do tempo.

Ao mesmo tempo, a plataforma incorpora controlos determinísticos nos pontos em que a fiabilidade é mais importante. As empresas podem definir cadeias estruturadas de API e lógica baseada em eventos para garantir que as etapas críticas ocorrem pela ordem correta, conciliando flexibilidade na conversa com uma execução previsível.

A Parloa utiliza modelos como o GPT‑4.1, o GPT‑5‑mini e outros para simular interações realistas com clientes antes de um agente entrar em produção, avaliando-as depois através de uma combinação de um LLM como juiz e regras determinísticas. Assim, as equipas podem testar casos extremos, iterar rapidamente e validar o desempenho antes de exporem os clientes a possíveis falhas.

A Parloa trabalha sobretudo com grandes empresas, onde a consistência é tão importante como a capacidade.

«Quando é lançado um novo modelo, submetemo-lo ao nosso conjunto de testes comparativos», afirma Matthäus Deutsch, cientista aplicado sénior. «Para nós, é muito importante que tudo funcione não apenas em testes comparativos teóricos, mas também em casos de utilização reais.»

Em vez de depender de testes comparativos abstratos, a Parloa reproduz agentes reais em produção e submete-os a processos de simulação e avaliação. Estes testes medem a fiabilidade no cumprimento das instruções, a consistência das chamadas a API, a latência e o desempenho geral em condições realistas.

Estas avaliações determinam quais os modelos que estão prontos para produção. Só são implementados os modelos que apresentam um desempenho fiável em cenários reais de clientes.

«Os clientes empresariais enfrentam um custo de migração real», afirma Deutsch. «Quando um sistema já funciona em produção, mantêm-no estável e só mudam quando os benefícios são claros.»

Consequentemente, os sistemas comportam-se de forma previsível em produção, mesmo em grande escala. Em milhões de interações com clientes, a maioria das conversas é resolvida sem dificuldades. Mesmo quando as chamadas são encaminhadas para operadores humanos, a transferência raramente se deve a uma falha. Numa implementação, uma empresa mundial de viagens reduziu em 80% os pedidos para falar com um operador humano.

Esta mentalidade centrada primeiro na avaliação tornou-se um importante fator diferenciador, permitindo à Parloa avançar rapidamente sem comprometer a fiabilidade em produção.

A voz impõe restrições diferentes das conversas por texto. Todas as interações passam por um processo de baixa latência: conversão de voz em texto, raciocínio do modelo e conversão de texto em voz.

Neste processo, a latência é crucial. Mesmo pequenos atrasos na camada do modelo acumulam-se e tornam-se pausas percetíveis para quem telefona, influenciando a seleção e otimização dos modelos.

A Parloa trabalha em estreita colaboração com a OpenAI para otimizar o desempenho em casos de utilização em tempo real, com foco na latência, na qualidade das respostas e no cumprimento das instruções. A equipa avalia continuamente e submete a testes intensivos novas versões dos modelos em ambientes semelhantes aos de produção, antes de as aplicar a interações reais com clientes.

A Parloa avalia de forma independente cada componente da infraestrutura de voz:

• Os sistemas de conversão de voz em texto são testados quanto à taxa de erro de palavras, sobretudo em dados sensíveis como números de apólices ou identificadores de contas.
• Os modelos de conversão de texto em voz são avaliados através de testes de audição às cegas, para determinar até que ponto a voz soa natural aos utilizadores reais. Esses resultados são depois comparados com interações reais de clientes para garantir um desempenho consistente em ambientes de produção.
• Os modelos de voz-para-voz estão atualmente a ser avaliados quanto à sua preparação para produção, com foco na latência, precisão e custo.

Desde o início, estes sistemas foram concebidos para implementação mundial. Os testes comparativos abrangem vários idiomas, com clientes a operar em regiões de todo o mundo. Este rigor multilingue reflete tanto as raízes europeias da Parloa como as expectativas dos clientes empresariais, que exigem um desempenho consistente em diferentes mercados, e não apenas num idioma ou numa região.

Atualmente, os agentes da Parloa gerem milhões de conversas em setores como o retalho, as viagens e os seguros, apoiando casos de utilização que vão da automatização do apoio ao cliente a fluxos geradores de receitas, como as televendas.

A Parloa antevê a evolução do apoio ao cliente para uma experiência totalmente multimodal.

Uma conversa pode começar ao telefone, continuar no chat e incluir ligações ou elementos interativos pelo caminho. Em vez de tratar cada etapa como um fluxo separado, a AMP foi concebida para gerir tudo como uma única interação. Com o tempo, os agentes de IA poderão tornar-se tão centrais nos percursos dos clientes como os sites e as aplicações móveis.

À medida que as empresas automatizam uma proporção crescente das interações com clientes, a Parloa procura tornar os agentes de IA suficientemente fiáveis, flexíveis e merecedores de confiança para operarem à escala mundial.