Novo CPA, de um contêiner a cada 20 chamadas para mil análises em 8 vCPU

O CPA 2.0 da SipPulse acerta 94% só com áudio e roda dentro do SBC, sem contêiner nem balanceador.

O número não mede a mesma coisa

Detector de secretária eletrônica é vendido com número de acurácia, e quase todo fornecedor anuncia perto de 99%. Esse número normalmente é medido com a sinalização da chamada dentro da conta: código de causa, campo que a operadora informa, heurística de energia e duração de silêncio. A sinalização ajuda, mas ela varia de operadora para operadora, muda quando o tronco muda e não existe de forma confiável em interconexão nacional. Quer dizer que o 99% do material não é uma propriedade do detector, é uma propriedade do detector mais a rota em que ele foi medido.

O operador que troca de tronco, ou que opera rotas de mais de uma operadora, está carregando um número que deixou de ser verdade no dia em que a rota mudou. A parte de sinalização é uma muleta: funciona no laboratório, na rota calibrada, com a operadora que o fornecedor testou. Em interconexão nacional, onde o código de causa chega inconsistente ou não chega, a muleta some e o detector fica sozinho com o áudio. É nesse estado que a maioria das chamadas reais acontece.

Então medimos sem a muleta

O CPA, de Call Progress Analysis, é a análise que roda dentro do SipPulse SBC e decide, pelo áudio, se quem atendeu é uma pessoa. A SipPulse mediu o CPA no pior cenário possível para ele: só com o veredito do áudio, descartando por completo o que a sinalização já indicava. Os três números abaixo são comparação só de áudio, medida pela SipPulse com o mesmo critério para os três.

O CPA 2.0, modelo próprio da SipPulse lançado agora, marca 94% de identificação correta de caixa postal. A primeira versão do CPA, que era uma engine de um fornecedor externo rodando em contêiner Docker separado da plataforma, marcava 75%. O detector líder do mercado brasileiro, medido pela SipPulse com o mesmo critério de só áudio, marca 82%, e serve aqui como referência de régua, não como assunto principal.

Somando de volta a classificação da sinalização, que é como uma operação real roda, a acurácia do CPA 2.0 passa de 99%.

Antes de comprar qualquer detector, mande duas perguntas por e-mail ao fornecedor, incluindo a nós: quanto o detector acerta sem a sinalização, só com o áudio, e qual o percentual de chamadas humanas interrompidas no ponto de operação em que essa acurácia foi medida. Acurácia sem a segunda resposta não diz nada, porque é sempre possível subir a acurácia cortando mais gente. Existe um jeito de medir isso na sua própria operação sem mudar nada, e o modo passivo do SBC faz exatamente isso.

O que mudou da versão 1 para a 2.0

A versão 1 do CPA não era da SipPulse. Era uma engine de detecção de um fornecedor externo, empacotada em contêiner Docker, rodando como um serviço à parte da plataforma de telefonia. Funcionava, e por isso esteve em campo, mas carregava três custos estruturais que a versão 2.0 remove.

O primeiro era acurácia. Os 75% de acerto só com áudio eram o teto daquela engine de terceiro. O CPA 2.0 é modelo próprio, treinado pela SipPulse com mais de 20 mil chamadas reais de operação brasileira, em português, passando pelas operadoras nacionais. Os 94% são resultado desse treino.

O segundo era escala. A engine da versão 1 precisava de um contêiner novo a cada 20 chamadas simultâneas. Para sustentar as mil análises simultâneas do benchmark que vem adiante, a conta é direta: mil dividido por vinte dá cinquenta contêineres. Cinquenta processos Docker, cada um consumindo memória e CPU próprias, mais um balanceador de carga na frente para distribuir as chamadas entre eles. Quem opera isso dimensiona dois elementos: o contêiner e o balanceador. Quem precisa de mais capacidade sobe mais contêineres e reconfigura o balanceador. É infraestrutura de orquestração em cima de um recurso que deveria ser uma configuração.

O terceiro era topologia. O contêiner era mais uma caixa na rede, mais um endpoint para monitorar, mais um serviço para reiniciar, mais um ponto de falha na cadeia entre o discador e a operadora. A versão 2.0 roda dentro do SipPulse SBC, que já está no caminho da chamada. Não é um serviço à parte, é um recurso do SBC, ligado por configuração. O áudio não sai da rede do cliente, não faz hop extra para um contêiner, não atravessa um balanceador.

Para quem opera, a mudança é três coisas a menos: um elemento a menos na topologia, uma escala a menos para dimensionar e uma dependência a menos de fornecedor. O modelo é da SipPulse, roda no SBC que já está implantado, e cresce com o hardware que já está lá.

O benchmark que prova a arquitetura nova

Os números de carga não são notícia isolada, são a consequência direta da mudança de arquitetura. Rodando dentro do SBC, o benchmark foi feito assim: chamadas reais em rota wholesale, 2.000 canais simultâneos, 1.000 análises de CPA acontecendo ao mesmo tempo, num servidor de 8 vCPU e 8 GB de RAM. Pico de uso de CPU perto de 30%. Sem GPU, sem hardware dedicado, sem mandar stream de áudio para serviço externo. Sobram cerca de 70% da CPU livres com mil análises simultâneas rodando.

A conta fica visível: a arquitetura de contêineres que a versão 1 exigiria para essa mesma carga, ou 30% de uma CPU de 8 núcleos com 70% sobrando. A diferença não é otimização, é arquitetura. O SBC já processa o áudio da chamada, e a análise aproveita esse caminho em vez de criar um novo.

O que o modelo enxerga

A rede neural roda sobre espectrograma MEL, a representação tempo-frequência do áudio. Não é detecção de silêncio, não é medição de energia, não é detecção de tom, que é como funciona o AMD clássico do discador. Heurística de energia e silêncio pergunta "há quanto tempo ninguém fala". A rede sobre espectrograma MEL pergunta "que forma tem esse som". É o mesmo domínio de representação que um modelo de reconhecimento de fala enxerga, e classifica o padrão.

Por isso ela acerta a locução de operadora que começa falando na hora e a pessoa que atende hesitando, dois casos em que contar silêncio erra. O modelo enxerga os dois padrões no domínio da frequência e separa.

O espectrograma na escala MEL representa o áudio no domínio tempo-frequência, formato em que a rede neural recebe a entrada, e o modelo classifica a forma desse padrão acústico em vez de medir silêncio ou energia bruta.

Ver figura na capa.

O que ela aprende é prosódia, respiração, hesitação, ritmo, a forma como uma pessoa reage ao silêncio do outro lado. Reconhecimento de padrão sobre som, não regra sobre metadado.

O ganho de decidir só pelo áudio é portabilidade. O mesmo modelo, com a mesma acurácia, funciona atrás de qualquer discador, em qualquer operadora e em qualquer topologia de tronco, sem recalibrar quando a rota muda. Detector importado chega treinado com secretária eletrônica, tom de chamada e locução de operadora americana, e erra aqui.

A média esconde o erro que interessa

Existem dois erros possíveis e eles não custam a mesma coisa. Achar que máquina é gente custa alguns centavos de chamada a mais no ar. Achar que gente é máquina derruba a ligação na cara do lead que você pagou, e ele não atende da próxima. É exatamente por isso que tanta operação desliga o detector que veio no discador: ele corta cliente.

O CPA foi construído com essa prioridade invertida em relação ao mercado. O ponto de operação é um botão que você gira por campanha, não um carimbo fixo. Os números abaixo são de uma amostra auditada manualmente, chamada por chamada por revisores humanos, medição diferente do benchmark de rota wholesale:

No ajuste conservador, nenhuma chamada humana foi interrompida. A tabela publica a coluna de leads interrompidos ao lado da acurácia, porque uma sem a outra não permite decidir.

Seis situações, não duas

O CPA distingue seis situações: pessoa, triagem de chamada, caixa postal, anúncio gravado, URA e interceptação de operadora. Cada uma abre uma ação diferente: conectar o vendedor, tratar como pessoa, deixar recado com callback, encerrar e registrar, rotear para o fluxo, marcar o número como inválido e limpar a base.

A triagem de chamada merece atenção. É aquela em que o celular pergunta quem está ligando. Engana quase todo detector porque soa como gravação, mas tem uma pessoa real ouvindo e decidindo se atende. Cortar essa chamada é jogar fora o lead mais propenso a conversão.

O número inválido é o outro caso que pesa. Some da base na primeira tentativa em vez de ser rediscado campanha após campanha, inflando o denominador de todos os indicadores.

Como provar sem arriscar a operação

O SBC tem dois modos. No passivo, não derruba nada: informa o veredito no cabeçalho X-CPA do 200 OK, como human ou machine, e o discador decide. Serve para rodar o CPA lado a lado com o detector atual, em tráfego real, comparando os dois sem risco. No ativo, o próprio SBC rejeita a chamada, com código SIP configurável por fase.

E o fail-open: se o serviço de CPA estiver fora, saturado ou estourar o timeout, a chamada conecta, nunca cai. Padrão de 30 segundos no ring e 5 segundos depois do atendimento, configuráveis por perfil.

As duas fases de análise são configuráveis por perfil e associadas a uma rota: somente no ring, usando early media durante o toque; somente após o atendimento, a partir do 200 OK; ou ambas. Analisar no ring é o caso mais valioso, porque a caixa postal que se anuncia antes de atender é descartada sem nunca consumir a atenção do vendedor nem estabelecer a chamada. Perfil por rota significa ligar o CPA na campanha de prospecção fria e deixar desligado no tronco de carteira, sem mexer no discador.

A conta, e o convite

O custo sem detecção é o que roda hoje na maioria das operações. Vinte, trinta, quarenta segundos de vendedor em cada chamada que não tem gente do outro lado, sessenta vezes por dia, todo dia. O lead pago queimado e marcado como atendido sem interesse. Tronco e minutos consumidos por áudio que ninguém ouve. E métrica corrompida: taxa de conexão, tempo médio de conversa e conversão por discagem contaminadas por contatos que não existiram.

Numa operação real analisada pela SipPulse, 7 de cada 10 chamadas atendidas não tinham uma pessoa do outro lado. Uma operação, não média de mercado.

O retorno é aritmética de tempo, não estimativa de conversão. Numa operação ilustrativa de 20 mil discagens por dia, com 25% de atendimento e 70% desses atendimentos sendo máquina, são 3.500 atendimentos por dia sem ninguém do outro lado, a cerca de 25 segundos cada, o que dá perto de 24 horas de tempo de vendedor por dia. Encerrando em cerca de 1 segundo, quase tudo isso volta. Os 20 mil, os 25% e os 70% são exemplo ilustrativo: troque pelos números da sua operação.

O CPA entra onde o custo já existe: prospecção ativa e SDR, para mais conversas por hora com a mesma equipe; agente de voz com IA, como o portão na frente do agente, que só começa a falar quando existe alguém para conversar, porque sem isso o agente vende para a caixa postal e a fatura de IA vem igual; e higienização de mailing, marcando número inválido na primeira tentativa em vez de rediscar campanha após campanha.

Vagas limitadas de piloto, rodando em tráfego real, medindo lado a lado com o detector que você usa hoje, sem alterar a operação e sem compromisso. Você sai da avaliação com um número próprio: quantas horas de venda a sua operação perde por dia. Contato: flavio@sippulse.com.