A inteligência artificial multimodal começa a mudar o atendimento ao cliente ao combinar voz, imagens, vídeo e texto em uma mesma interação. Com isso, a pessoa pode explicar um problema, mostrar um equipamento pela câmera e receber orientação durante a conversa.
Mais contexto para a conversa
Nos chatbots tradicionais, a empresa depende principalmente do que o cliente consegue escrever. Com recursos multimodais, é possível apresentar um código de erro, um produto com defeito ou a tela de um aplicativo. Essas informações são analisadas junto com o relato de voz para ajudar na formulação da resposta.
A voz também fornece elementos que podem desaparecer quando a conversa é convertida em texto, como pausas e velocidade da fala. Esses sinais podem ajudar a identificar quando o cliente está confuso, tem dificuldade para explicar a situação ou precisa resolver o problema rapidamente.
O Google ampliou, em março de 2026, o alcance do Search Live, que passou a oferecer conversas multimodais em mais de 200 países e territórios nos quais o Modo IA está disponível. A empresa também apresentou recursos de diálogo capazes de interpretar informações visuais enquanto elas são recebidas.
Atendimento automatizado
A IA pode fazer perguntas adicionais, adaptar a condução da conversa e encaminhar o caso para um profissional quando necessário. O principal ganho é a quantidade de informações reunidas durante o atendimento.
A evolução da voz em tempo real também permite que o sistema continue conversando enquanto executa tarefas em segundo plano. Em um suporte, isso pode incluir consultar dados de uma conta, verificar uma política ou realizar uma ação autorizada sem interromper totalmente a interação.
A OpenAI relata aplicações de agentes que funcionam por voz, chat, WhatsApp e web. As soluções empresariais da companhia permitem combinar automação, regras e encaminhamento para profissionais humanos.
Casos simples e repetitivos podem ser resolvidos diretamente pela IA. Situações com exceções, negociações ou decisões mais delicadas podem chegar ao atendente com o contexto reunido durante a conversa.
