A fala gravada no galpão de compra revela ruído, sotaque, troca entre twi e inglês e perguntas formuladas sob pressão que nenhum conjunto de estúdio consegue reproduzir. Para o AgriVoice, essas gravações consentidas são a base para saber se o sistema entende agricultores reais e se deve responder ou encaminhar a pergunta a uma pessoa.
No piloto, a cena decisiva será simples: um agricultor segura o telefone e grava a pergunta que circula entre os presentes. Talvez ele fale baixo. Talvez alguém complete a frase ao fundo. O nome de um produto pode vir em inglês, enquanto a dúvida sobre a lavoura vem em asante twi. A gravação precisa preservar essas condições, porque é nelas que o sistema será usado.
Essa diferença entre o ambiente controlado e o uso real já expôs falhas graves em outros sistemas.
O erro que o desenho técnico não mostrava
Em 1943, o psicólogo Alphonse Chapanis investigava uma sequência de acidentes envolvendo aviões militares dos Estados Unidos. Bombardeiros pousavam normalmente e, pouco depois, acabavam com o trem de pouso recolhido.
A hipótese mais fácil seria culpar os pilotos. Eram profissionais treinados, porém continuavam cometendo o mesmo erro. Chapanis examinou o lugar onde a decisão acontecia: a cabine.
Os comandos dos flaps e do trem de pouso ficavam próximos e tinham formatos parecidos. Depois de aterrissar, sob carga de trabalho elevada, pilotos podiam acionar o controle errado. Chapanis propôs diferenciar os comandos pelo tato, usando uma forma associada a uma roda para o trem de pouso e outra associada a uma asa para os flaps.
A história é documentada por Donald Norman em The Design of Everyday Things. Ela se tornou um caso clássico de ergonomia porque mudou a pergunta. Em vez de perguntar por que pessoas treinadas falhavam, os investigadores passaram a observar quais condições tornavam aquele erro provável.
O paralelo com reconhecimento de fala é direto. Uma transcrição ruim pode parecer falha do agricultor, quando o problema está no conjunto de dados, no microfone, no ruído ou na forma como o sistema aprendeu a esperar que uma pergunta seja feita.
O que uma gravação de estúdio deixa de fora
O baseline atual do AgriVoice usa o Omnilingual para reconhecer twi. Nos testes com fala lida, ele superou em 59% o Whisper ajustado pela equipe. Esse resultado orienta a arquitetura, mas ainda não prova desempenho em um galpão de compra de cacau.
Fala lida costuma ter frases completas, ritmo previsível e pouca interferência. Uma pergunta espontânea pode começar no meio do raciocínio, repetir palavras, trocar de idioma e depender do que todos ao redor já sabem.
“Posso aplicar agora?” pode carregar várias perguntas ocultas. Qual produto? Em que estágio está o cacau? Houve aplicação anterior? A pessoa quer saber sobre dosagem, intervalo de reentrada ou período antes da colheita?
O áudio real também mostra o que uma transcrição limpa apaga: vozes sobrepostas, distância do telefone, nomes comerciais pronunciados de maneiras diferentes e palavras em inglês incorporadas à conversa em twi. Essas condições definem se o sistema seleciona o bloco revisado correto, pede mais contexto ou encaminha a dúvida ao extensionista.
Por isso, o AgriVoice precisa de pelo menos 20 perguntas reais de agricultores, gravadas e transcritas com consentimento antes da exposição do piloto. O comportamento de exclusão do áudio também precisa ser testado. Coletar fala sem explicar o uso, a retenção e a possibilidade de apagar a gravação produziria um conjunto tecnicamente útil e operacionalmente inaceitável.
Medir o caminho inteiro da pergunta
A avaliação não termina na taxa de erro da transcrição. O que importa é o efeito do erro sobre a resposta.
Uma palavra trocada pode ser irrelevante em uma saudação e perigosa em uma pergunta sobre pesticida. O sistema deve ser avaliado com casos comuns, ambíguos, fora de domínio, misturados com inglês e corrompidos pelo reconhecimento automático.
Cada pergunta precisa passar por uma cadeia verificável:
- O áudio foi entendido com fidelidade suficiente?
- O sistema selecionou apenas conteúdo revisado?
- Uma dúvida incompleta ou insegura foi encaminhada?
- A resposta em voz foi compreendida pelo agricultor?
- O consentimento e a exclusão funcionaram como prometido?
O AgriVoice não escreve recomendações agronômicas livremente. O modelo escolhe identificadores de blocos previamente revisados. Perguntas sem resposta segura devem chegar a uma pessoa responsável. Nos três blocos químicos ainda retidos, essa cautela inclui dosagem, intervalo de reentrada e período antes da colheita. [A decisão de não adivinhar](\/blog\/pt-BR\/seguranca-na-mistura-de-pesticidas-por-que-o-agrivoice-escolheu-nao-adivinhar-af6bd7ef\/) protege o agricultor enquanto a revisão agronômica não está concluída.
Transformar o galpão em instrumento de avaliação
O galpão de compra pode funcionar como laboratório porque reúne a fala no contexto em que ela ganha sentido. Isso exige um protocolo curto, consentimento claro e perguntas espontâneas, sem treinar o agricultor para falar como o sistema gostaria.
A equipe deve registrar o áudio original, a transcrição humana, a saída do reconhecimento automático e a decisão final do fluxo. Também deve separar falhas de compreensão, seleção, voz e operação. Juntar tudo sob o rótulo “a IA errou” impede qualquer correção precisa.
Chapanis encontrou a explicação dos acidentes quando observou a cabine como ela era usada. O AgriVoice precisa aplicar a mesma disciplina: estudar a pergunta no lugar onde ela surge, com o ruído, o vocabulário e a pressão daquele momento.
Se o sistema só funciona quando todos falam devagar, sozinhos e perto de um microfone, o teste de estúdio mediu a situação errada. A gravação consentida no galpão mostra o sistema que os agricultores realmente terão, antes que uma interpretação equivocada vire orientação falada.
Comentários
Ainda não há comentários.