Como transformar automaticamente com IA o pedido que chega por áudio ou por foto no WhatsApp

O mercadinho manda a lista por áudio às seis da manhã. Dois minutos de alguém andando entre as gôndolas dizendo o que está faltando, com o barulho da porta de aço no fundo. É a forma mais rápida de pedir que existe, e por isso não vai mudar.

Outros mandam a foto. Um papel com a lista escrita à mão, a folha do caderno onde anotam o que falta durante a semana, às vezes a etiqueta do produto que acabou. É o mesmo costume em outro formato: o cliente usa o que tem à mão.

Do outro lado, nos dois casos, alguém escuta ou olha, decifra, e lança no sistema antes do corte do dia.

Como é feito hoje

O pedido viaja duas vezes: uma do cliente até a cabeça de quem atende, e outra dessa cabeça até o sistema.

Na primeira viagem se perde tempo: dois minutos de áudio se escutam em dois minutos, e se escutam duas vezes. Com a foto não é mais rápido: é preciso decifrar uma letra alheia e adivinhar se aquilo diz doze ou dois. Na segunda se infiltra o erro de digitação, que ninguém detecta até o caminhão chegar com doze em vez de dois.

E há um custo que se vê menos: o horário. Se o áudio chega às seis e quem lança entra às nove, o pedido entrou três horas atrasado numa operação onde o corte é às dez. Não é um problema de velocidade de digitação: é que o dado esperou.

O que a tecnologia faz, concretamente

Transcreve o áudio. Dois minutos de áudio ficam escritos na conversa em segundos, então o que foi dito deixa de depender de alguém lembrar. Funciona com barulho de fundo e com o jeito de falar de cada região.

Ou lê a imagem, letra manuscrita incluída. A foto do papel onde o cliente anotou a lista é interpretada igual ao áudio: extraem-se as linhas, as quantidades e as abreviações que aquela pessoa sempre usa. Uma folha de caderno fotografada de lado, com sombra ou dobrada é processada do mesmo jeito.

Identifica os itens no seu catálogo. Não numa lista genérica: nos códigos que sua empresa usa, com os nomes que aquele cliente usa. Quem pede "a caixa pequena das verdes" está pedindo um item que tem código, e esse mapeamento é aprendido uma vez e fica.

Consulta o estoque no seu sistema. Antes de confirmar, não depois. Se algo não tem, diz na mesma conversa e oferece a substituição, em vez de confirmar um pedido que o depósito não vai conseguir separar.

Pega o preço da sua tabela. O que corresponde àquele cliente, com o desconto e a condição dele, consultado na hora.

Deixa o pedido pronto para confirmar. O cliente vê a lista interpretada, em texto, com quantidades e preços. Confirma ou corrige ali mesmo, e só então o pedido entra no sistema de gestão como pedido de venda. Uma única vez.

O que muda

O pedido entra às seis e um em vez de às nove e meia, então chega ao corte do dia com folga. E o erro de digitação desaparece, porque ninguém digita.

Há um efeito que não se espera: quando o pedido é confirmado em texto, aparecem os erros do cliente. Quem disse "dois" e quis dizer "doze" vê escrito antes de o caminhão sair. Isso não existia antes, porque o único que lia a lista era quem a digitava.

Onde não vai sozinho

No que não entendeu. Um áudio com barulho, uma linha manuscrita ilegível, uma quantidade ambígua ou um item que não existe no catálogo não se resolvem adivinhando: se perguntam. E a pergunta sai na mesma conversa, na hora, que é quando o cliente ainda lembra o que quis dizer.

Também não decide preços. Se for preciso abrir uma exceção, quem faz é uma pessoa e fica registrado.

Por onde começar

Pelos vinte clientes que mais pedem por áudio ou por foto. São os que têm o formato mais difícil e os que mais ganham. Se o catálogo desses vinte estiver bem mapeado, o resto entra sozinho.