🗣️ Interfaces de Voz precisam de regras claras — e eu criei um framework para isso

Por Luiz Eduardo Barros Oliveira

Vivemos em uma era em que falar com a tecnologia se tornou comum. Assistentes como Alexa, Siri e o ChatGPT com voz estão cada vez mais presentes em casas, carros, escritórios e até em consultórios médicos. Mas uma pergunta essencial precisa ser feita: quem está definindo como essas interfaces devem funcionar para que a experiência do usuário seja realmente natural, segura e acessível?

Foi com essa inquietação que nasceu minha pesquisa de mestrado profissional em Design pela Universidade Federal de Pernambuco (UFPE). O foco? Desenvolver um framework heurístico avaliativo para o design de Interfaces Baseadas em Voz (VUIs) — um conjunto de diretrizes que possa orientar desenvolvedores e designers a criarem experiências mais humanas, eficientes e inclusivas.

🎯 Por que esse framework é necessário?

Apesar do crescimento acelerado das VUIs, ainda não existe um conjunto padronizado de diretrizes validadas para guiar o design dessas interfaces. Enquanto as interfaces gráficas contam há décadas com heurísticas clássicas (como as de Jakob Nielsen), as interfaces por voz ainda se apoiam em práticas fragmentadas, muitas vezes baseadas em tentativa e erro.

Isso resulta em experiências frustrantes para o usuário: comandos que não são compreendidos, ausência de feedback claro, dificuldades de personalização, falhas de segurança e exclusão de pessoas com necessidades específicas.

🧠 O que eu fiz, na prática

A pesquisa envolveu três grandes etapas:

1. Revisão sistemática da literatura, seguindo o protocolo PRISMA, para mapear boas práticas e lacunas no design de VUIs.
2. Desenvolvimento de um framework composto por 8 dimensões (como naturalidade, feedback, segurança e acessibilidade) e 39 heurísticas operacionais.
3. Validação prática, por meio da aplicação do framework em dois sistemas reais: o Alexa, com foco em comandos, e o ChatGPT com voz contínua, com foco em conversação.

Além disso, conduzi uma pesquisa qualitativa com 25 usuários reais, que compartilharam percepções, dificuldades e preferências ao usar VUIs em contextos cotidianos — como trânsito, tarefas domésticas e ambientes ruidosos.

🧩 O framework: um guia para projetar melhor

O resultado foi um modelo heurístico com aplicabilidade imediata. Ele pode ser usado por:

• Designers UX que querem avaliar a usabilidade de assistentes de voz.
• Equipes de produto que estão implementando VUIs em apps ou dispositivos.
• Pesquisadores que estudam interação humano-computador e acessibilidade.
• Desenvolvedores que desejam criar experiências de voz mais naturais e seguras.

🌍 Inclusão, segurança e experiência real

Mais do que um conjunto técnico de boas práticas, o framework valoriza inclusão, acessibilidade e justiça tecnológica. Ele considera:

• A diversidade de sotaques e contextos culturais.
• As limitações cognitivas e motoras de diferentes usuários.
• A proteção da privacidade e o controle do usuário sobre suas interações.

Ao projetar experiências de voz, não podemos esquecer que voz é linguagem — e linguagem é identidade, emoção e poder.

🚀 E agora?

Espero que esse trabalho ajude a consolidar um caminho mais claro e ético para o desenvolvimento de VUIs. Quero seguir ampliando essa discussão, refinando o framework e contribuindo para que a tecnologia da fala seja, de fato, uma ponte para a inclusão e não uma barreira invisível. E aqui estão as heurísticas:

1. Interação Conversacional Natural

H1.1. Contextualização do domínio A interface de voz utiliza linguagem, exemplos e estrutura conversacional adequados ao domínio de uso, evitando ambiguidades e extrapolações fora de escopo.

H1.2. Protocolos naturais de diálogo O sistema segue normas conversacionais humanas, como turn-taking claro, saudações, confirmações e encerramentos, evitando sobreposição de fala e mantendo fluidez.

H1.3. Persona adequada A persona do assistente (tom, estilo, voz) está alinhada ao público-alvo e contexto, transmitindo empatia sem exagerar na antropomorfização.

H1.4. Gerenciamento de expectativas O sistema comunica de maneira explícita suas capacidades e limitações, evitando prometer funções não suportadas ou criar falsas expectativas de inteligência.

H1.5. Consistência de linguagem O vocabulário, tom e estilo mantêm-se coerentes em toda a interação, sem variações abruptas ou inconsistências de personalidade.

2. Carga Cognitiva e Eficiência na Interação

H2.1. Fragmentação de tarefas Tarefas complexas são divididas em etapas curtas, reduzindo a quantidade de informações a serem retidas pelo usuário a cada passo.

H2.2. Respostas concisas As respostas do sistema são breves, claras e objetivas, evitando verborragia e informações desnecessárias.

H2.3. Limitação de opções Quando o sistema lista opções, estas são apresentadas em número reduzido (idealmente 3 a 7 por vez), com possibilidade de avançar em lotes ou solicitar repetição.

H2.4. Suporte a múltiplos níveis de expertise O sistema oferece tanto caminhos guiados (para iniciantes) quanto comandos diretos (para avançados), reconhecendo comandos curtos e complexos.

H2.5. Minimização de redundância Informações já fornecidas não são solicitadas novamente, a menos que haja necessidade de confirmação ou contexto perdido.

3. Feedback e Transparência do Sistema

H3.1. Feedback imediato O sistema confirma imediatamente o recebimento e compreensão do comando, seja por mensagem auditiva ou sinal sonoro.

H3.2. Indicação de processamento Em operações com latência, o usuário é informado que o sistema está processando (“aguarde”, “buscando informação…”).

H3.3. Mensagens de erro claras e construtivas Erros são comunicados de forma específica, indicando o que não foi entendido e sugerindo como corrigir.

H3.4. Explicitação de capacidades O sistema oferece ajuda contextual ou uma lista de funções disponíveis quando solicitado ou quando detecta incerteza do usuário.

H3.5. Recapitulação e confirmação Após comandos críticos, o sistema repete ou resume a ação a ser executada e pede confirmação do usuário.

4. Personalização e Adaptação ao Contexto do Usuário

H4.1. Adaptação ao perfil do usuário O sistema reconhece e adapta linguagem, formalidade e tom de acordo com características do usuário (idade, preferências, nível de familiaridade).

H4.2. Uso de informações contextuais A interface aproveita dados de contexto (hora, localização, histórico) para personalizar respostas e sugestões.

H4.3. Flexibilidade para múltiplos usuários O sistema consegue diferenciar múltiplos usuários no mesmo dispositivo e personaliza interações para cada perfil.

H4.4. Proatividade contextualizada O assistente oferece sugestões ou informações adicionais apenas quando relevantes e comedidas, sem ser invasivo.

5. Acessibilidade e Inclusão

H5.1. Suporte a diferentes habilidades A interface oferece alternativas para usuários com limitações auditivas, visuais, motoras ou cognitivas (por exemplo: feedback visual, háptico, ajuste de velocidade).

H5.2. Linguagem acessível O sistema utiliza linguagem simples, evitando termos técnicos ou jargão; adapta o vocabulário a crianças, idosos ou públicos com baixa alfabetização tecnológica.

H5.3. Reconhecimento de diferentes sotaques e idiomas O sistema é capaz de compreender sotaques regionais e pode ser configurado em diferentes idiomas, conforme o público-alvo.

H5.4. Feedback multimodal quando possível Em dispositivos multimodais, o assistente complementa o feedback auditivo com visual e/ou tátil, ampliando a acessibilidade.

H5.5. Inclusão no processo de design Grupos com necessidades especiais são envolvidos no processo de concepção e validação do sistema.

6. Privacidade e Segurança

H6.1. Autenticação para funções sensíveis O sistema exige autenticação ou confirmação adicional antes de executar comandos que envolvem dados sensíveis ou transações.

H6.2. Consentimento informado O usuário é informado sobre uso, coleta e armazenamento de dados pessoais de maneira clara durante a interação.

H6.3. Proteção de dados em ambientes compartilhados Em ambientes multiusuário, informações pessoais só são acessíveis após verificação de identidade.

H6.4. Opções de controle de privacidade O usuário pode facilmente revisar, apagar ou limitar o histórico de comandos e interações gravadas.

7. Prevenção e Recuperação de Erros

H7.1. Prevenção de ambiguidade Prompts e perguntas do sistema são desenhados para evitar interpretações múltiplas ou respostas vagas.

H7.2. Detecção proativa de erros O sistema reconhece baixa confiança no reconhecimento e solicita repetição antes de executar ações duvidosas.

H7.3. Mensagens de correção orientadas Ao identificar erro, o sistema sugere exemplos de comandos ou reformula a solicitação para facilitar a recuperação.

H7.4. Caminhos de escape O usuário pode, a qualquer momento, cancelar, pedir ajuda ou reiniciar o fluxo de interação sem ficar preso em loops.

8. Controle do Usuário e Alternativas de Interação

H8.1. Interrupção e navegação livre O usuário pode interromper, avançar, voltar ou sair da interação por comandos de voz a qualquer momento.

H8.2. Opções multimodais Sempre que possível, o sistema oferece modos alternativos de interação (visual, toque, texto) para tarefas que se mostram difíceis por voz.

H8.3. Flexibilidade de comandos O assistente aceita diferentes formas de expressar uma mesma intenção (sinônimos, frases alternativas).

H8.4. Consentimento para ações automatizadas Nenhuma ação crítica é executada sem confirmação explícita do usuário

📚 Quer ler a dissertação completa?

Se você é da área de design, tecnologia ou pesquisa em UX e quer se aprofundar no tema, posso compartilhar a versão completa da dissertação. Basta me chamar!

🎙️ Bate-papo em voz: transformei essa pesquisa em podcast

Se estamos falando de interfaces de voz, nada mais justo do que levar essa conversa para o formato… de voz!

Gravei um episódio de podcast onde conto de forma descontraída e acessível:

• Como surgiu a ideia da pesquisa
• Por que as VUIs ainda frustram tantos usuários
• Os bastidores da construção do framework heurístico
• Histórias reais que coletei com usuários de Alexa e ChatGPT
• E como designers, pesquisadores e desenvolvedores podem aplicar essas heurísticas no dia a dia

É um conteúdo feito especialmente para quem quer entender o que está por trás da experiência conversacional com a tecnologia, mas sem precisar ler uma dissertação inteira.

🎧 Ouça aqui: https://on.soundcloud.com/mlyRP4pMABf1WOZjGy