與此同時，Voicesense、CallMiner、RankMiner、以及CompanionMx昔日的母公司Cogito等企業(yè)承諾在商業(yè)中使用語音分析。大多數(shù)時候這意味著提高呼叫中心的客戶服務參與度，但Voicesense有著更遠大的夢想。Voicesense公司CEO Yoav Degani表示現(xiàn)在該公司已能生成完整的個性檔案，但他的計劃遠不止安撫不滿的客戶。該公司對很多業(yè)務都頗感興趣，如貸款違約預測、保險索賠預測、客戶投資風格揭示、內部人力資源候選人評估以及員工離職評估。Degani還表示公司可提供關于健康行為、工作行為、娛樂等方面的預測，雖然不會百分百準確，但大部分時候都是準確無誤的。

在Degani分享的一個案例研究中，Voicesense與一家大型歐洲銀行合作對其技術進行了測試。銀行向Voicesense提供了幾千名債務人的語音樣本（銀行已知道誰拖欠了貸款，誰沒有拖欠）。Voicesense在這些樣本中運算其算法，并把錄音分為低風險、中風險和高風險三類。在此項分析中，預測為低風險組中僅有6％違約，而預測為高風險組中有27％違約。在另一項考察臨時員工離職可能性的評估研究中，算法歸為低風險類中僅有13％離職，而高風險組有高達39％的員工離職。

當算法算錯會發(fā)生什么？

麻省理工科學家Ghosh表示這些都是合理的應用，于他而言沒有什么是危險的。但與任何預測性技術一樣，如果分析做的不好，就很容易過度概括。一般來說，除非看到有證據(jù)表明某件事在很多人身上以及這一類人群上得到了驗證，否則很難將某人的說法認為是理所當然。除非采樣足夠多，否則聲音的特征會有相當大的差異，這也是為什么該公司不會做出強烈聲明的原因。

CEO Degani還表示Voicesense的語音處理算法每秒可測量200多個參數(shù)，而且在很多不同語言上包括像普通話這樣的聲調語言都能測量準確。目前該公司的項目還處于試點階段，但該公司與很多大型銀行及投資者都保持著聯(lián)系。他還提到，每個人都被這項技術所吸引。

客戶服務僅是一方面，德萊克斯大學的一位犯罪學教授Robert D’Ovidio表示Voicesense設想的一些應用可能具有歧視性。想象一下打電話給抵押貸款公司，貸款公司通過語音判斷你患心臟病的風險極高，然后由于你可能長時間不待在公司，你就會被歸類為高風險人群。

D’Ovidio教授還補充說到，應建立消費者保護法來防止這些信息被收集。他希望隨著人類的進步，我們能意識到無論什么形式，比如電子表格中輸入的一行數(shù)字或是捕捉到的聲紋，這僅僅只是數(shù)據(jù)。但我們至少應該要求當信息如語音被使用時應告知我們。此外，他希望看到在保護消費者的規(guī)章制度上能有所進展。

華盛頓大學法學院教授Ryan Calo指出像這樣的消費者保護措施是存在的。美國有些州如伊利諾伊州已有相關法律來保證生物識別如語音識別的安全。Calo還補充到，無論技術是被用于語音分析還是簡歷篩選，與種族或性別等敏感類相關的偏見問題是其特有的問題。但當機器學習技術被用于面部或語音識別時，人們內心深處會感到不安，部分原因是由于這些特征都太個人化。盡管反歧視法真的存在，但當使用信息及歧視（社會還未能充分解決的概念）都能接受時，語音分析的很多方面會遇到更多問題。