تلفن گویا نوعی فناوری است که امکان تعامل کامپیوتر با انسان را از طریق صوت و وارد کردن تون‌های DTMF (تون‌های دوبل چند-بسامد) با صفحه‌کلید ممکن می‌سازد.

در مخابرات، تلفن گویا به مشتری این امکان را می‌دهد که از طریق صفحه‌کلید تلفن یا تشخیص گفتار با سیستم میزبان یک شرکت تعامل کند و بدین طریق با دنبال کردن دستورالعمل‌های تلفن گویا پاسخ پرسش‌های خود را به دست آورند. سیستم تلفن گویا می‌تواند با صدایی از پیش ضبط‌شده یا dynamically generated کاربران را راهنمایی کند. از اپلیکیشن‌های تلفن گویا می‌توان برای کنترل تقریباً هر عملکردی که در آن رابط بتواند به مجموعه‌ای از تعامل‌های ساده شکسته شود، استفاده کرد. سیستم‌های تلفن گویای به کار گرفته در شبکه قادر به مدیریت حجم بالایی از تماس‌ها هستند.

تاریخچه
پژوهش در زمینه فناوریِ گفتار به پیش از اختراع کامپیوترهای دیجیتال باز می‌گردد و با پروژه ساخت گفتار در آزمایشگاه‌های بل در سال ۱۹۳۶ آغاز شد که در نتیجه آن، دستگاهی به نام «وادر» تولید و در نمایشگاه بین‌المللی ۱۹۳۹ به نمایش گذاشته شد. پیدا کردن رابطه‌ای میان گفتار و ریاضیات به موفقیت بزرگی در اوایل دهه هفتاد انجامید. لئونارد ای. بائوم و لوید آر. ولش  روشی را برای شناسایی صوت بر اساس مفهومی آماری به نام «مدل پنهان مارکُف» اختراع کردند.
در سال ۱۹۶۱، سیستم بل اقدام به طراحی نوعی روش‌شناسی جدیدِ شماره‌گیریِ تون کرد. بل در نمایشگاه بین‌المللی سیاتل در سال ۱۹۶۲ از نخستین تلفنی که قادر بود کدهای منطقه‌ای را با استفاده از فناوری DTMF شماره‌گیری کند رونمایی کرد. تلفن‌های DTMF استفاده از سیگنال‌دهی درون‌باندی را ممکن ساختند، بدین معنی که تون‌های شنیدنی را در همان دامنه ۳۰۰ هرتز یا ۳٫۴ کیلوهرتزِ اشغال‌شده توسط صدای انسان منتقل می‌کنند.
با وجود افزایش به کار‌گیری فناوری تلفن گویا در دهه ۷۰ برای کامپیوتری کردن انجام امور در مراکز تماس، این فناوری همچنان پیچیده و هزینه‌بر بود. سیستم‌های اولیه تلفن گویا بر مبنای فناوری DPS، و به واژگان اندکی محدود بودند.
با این حال، در اوایل دهه ۸۰، سر و کله نخستین رقیب این سیستم در بازار پیدا شد. لئون فربز (فناوری ادراک) دریافت که قیمت فناوری hard drive (خواندن/نوشتنِ دسترسی تصادفی به داده‌های صوتی دیجیتالی‌شده) بالاخره به نقطه‌ای مقرون به صرفه رسیده است. سیستمی می‌توانست گفتار دیجیتالی‌شده را بر روی دیسک ذخیره، پیام صوتی مناسب را پخش و پاسخ DTMF انسانی را پردازش کند.
با شروع استفاده مراکز تماس از فناوری‌ چندرسانه‌ای در اواخر دهه ۹۰، شرکت‌ها کم‌کم به سرمایه‌گذاری در «یکپارچه‌سازی تلفن و کامپیوتر» (CTI) با سیستم IVR (تلفن گویا) روی آوردند. تلفن گویا برای مراکز تماسی که universal queuing  و  راه‌حل‌های مسیریابی (routing) را به کار می‌برند، تبدیل به عنصری حیاتی شد و داده‌های مشتریان را برای تصمیم‌گیری‌های مسیریابی هوشمندانه گردآوری می‌کرد.
سیستم‌ها، با پیشرفت فناوری، به جای نیاز به استفاده از یک نیروی انسانی برای بکارگیری سیگنالینگ DTMF، قادر به استفاده از تشخیص صدای مستقل از گوینده با واژگان محدودی شدند.
در دهه بعد، استفاده از تلفن گویا رایج‌تر و بکارگیری آن مقرون به صرفه‌تر شد. علت این امر افزایش قدرت CPU و تغییر اپلیکیشن‌های گفتار از کد اختصاصی به استاندارد VXML بود.
فناوری تلفن گویا همچنین در سیستم‌های خودرو برای عملکرد بدون دست به کار گرفته می‌شود. امروزه تعبیه این فناوری در خودروها حول محور جهت‌یابی ماهواره‌ای، سیستم‌های تلفنی صوتی و همراه می‌چرخد.

کاربردهای رایج
کاربرد سیستم‌های تلفن گویا عمدتاً خدمت‌رسانی به حجم بالایی از تماس‌ها، کاهش هزینه و بهبود بخشیدن به تجربه مشتری است. از جمله کابردهای رایج تلفن گویا می‌توان به بانکداری تلفنی، نظرسنجی تلفنی و خدمات کارت اعتباری است. به علاوه، شرکت‌ها از خدمات تلفن گویا به منظور افزایش ساعات کاری خود به صورت شبانه‌روزی استفاده می‌کنند. بهره‌گیری از سیستم تلفن گویا و خودکارسازی (اتوماسیون) صوتی سبب می‌شود به پرسش‌های تماس‌گیرندگان بدون نیاز به انتظار در صف پاسخگویی و بدون هزینه یک نیروی انسانی پاسخ داده شود.
چنان چه تماس‌گیرندگان اطلاعات مورد نیاز خود را از تلفن گویا کسب نکنند و یا به راهنمایی بیشتر نیاز داشته باشند، تماس آن‌ها اغلب به یک نیروی انسانی وصل می‌شود. این رویه به شکل‌گیری سیستمی کارآمدتر کمک می‌کند که در آن کارمندان زمان بیشتری برای رسیدگی به تعاملات پیچیده‌تر دارند. کارمندان مجبور نیستند به پرسش‌های ابتدایی که پاسخشان بلی/خیر است یا نیاز به اطلاعات مشتریان دارند رسیدگی کنند.
مراکز تماس از سیستم‌های تلفن گویا برای شناسایی و دسته‌بندی تماس‌گیرندگان بهره می‌گیرند. قابلیت شناسایی مشتریان این امکان را مهیا می‌کند تا خدمات متناسب با نمایه مشتری ارائه شود. فرد تماس‌گیرنده می‌تواند از گزینه انتظار در صف، انتخاب خدمات خودکار یا درخواست تماس با آن‌ها برخوردار باشد. این سیستم می‌تواند داده‌های اطلاعات تماس فرد تماس‌گیرنده را به منظور شناسایی و احراز هویت تماس‌گیرنده از شبکه کسب کند. داده‌های احراز هویت تماس‌گیرنده می‌تواند شامل شماره حساب، اطلاعات شخصی، رمز عبور و بیومتریک (از جمله اثر صوتی) شود.
هنگامی که یک سیستم تلفن گویا به چند تماس پاسخ می‌دهد، استفاده از خدمات شناسایی شماره تماس‌گیرنده (DNIS) تضمین می‌کند که اپلیکیشن و زبان صحیح به کار برده شود. یک سیستم تلفن گویای بزرگ می‌تواند تماس‌های مربوط به هزاران اپلیکیشن، و هر یک با شماره و متن تماس متفاوت، مدیریت کند.
تلفن گویا امکان اولویت‌بندی مشتریان را نیز فراهم می‌کند. در سیستمی که یک به یک تماس‌گیرندگان ممکن است جایگاه متفاوتی داشته باشند، این نوع خدمات می‌تواند به طور خودکار تماس اشخاص را اولویت‌بندی و آن‌ها را به جلوی صف انتظار منتقل کند. اولویت‌بندی همچنین ممکن است بر اساس DNIS و دلیل تماس انجام گیرد.
شرکت‌های کوچک و نوپا نیز می‌توانند از سیستم تلفن گویا برای بزرگ‌تر جلوه دادن تجارتشان بهره ببرند. برای نمونه، هرگز نیازی نیست که فرد تماس‌گیرنده بفهمد که تماس‌های مربوط به فروش و پشتیبانیش به یک شخص وصل می‌شود.
علاوه بر تعامل با سیستم‌های اطلاعات مشتریان و پایگاه‌های داده‌، تلفن‌های گویا به منظور بازرسی، گزارش عملکرد و بهبودسازی سیستم در آینده، اطلاعات دقیق تماس را نیز در پایگاه داده خود ثبت می‌کند.
CTI به مراکز تماس یا سازمان‌ها امکان گردآوری اطلاعات درباره تماس‌گیرنده به منظور ارجاع تماس به کارمند مربوطه را فراهم می‌کند. CTI قادر است با استفاده از صفحه‌ای بازشونده (screen-pop) اطلاعات مرتبط درباره تک تک مشتریان و مکالمه تلفن گویا را از سیستم گویا به میز کار کارمند مربوطه منتقل کند و بدین ترتیب خدمات را کارآمدتر و مؤثرتر سازد.
سازمان‌های تحقیقاتی ممکن است از تلفن گویا برای پرسیدن پرسش‌های حساس‌تر استفاده کنند، چرا که محققان این نگرانی را دارند که پاسخ‌دهندگان هنگام ارائه پاسخ این قبیل پرسش‌ها به یک شخص احساس راحتی نکنند (مانند پرسش‌های مربوط به استفاده از مواد مخدر یا رفتارهای جنسی). در برخی از موارد می‌توان در یک تحقیق علاوه بر مصاحبه‌کننده انسانی از سیستم تلفن گویا استفاده کرد. برای مثال، در طول یک تحقیق، مصاحبه‌کننده می‌تواند به پاسخ‌دهنده اطلاع دهد که برای مجموعه بعدی پرسش‌ها به منظور تکمیل مصاحبه به یک سیستم تلفن گویا ارجاع داده می‌شود.

شماره‌گیری صوتی
شماره‌گیری صوتی (VAD) سیستم‌های تلفن گویا به منظور خودکارسازی پرسش‌های معمول با استفاده از اپراتورهای switchboard یا PABX به کار می‌روند، و در بسیاری از بیمارستان‌ها و شرکت‌های عظیم به منظور کاهش زمان انتظار تماس‌گیرنده استفاده می‌شوند. یکی دیگر از کارکردهای این سیستم امکان پیج کردن کارکنان توسط تماس‌گیرنده‌ای خارجی و وصل تماس ورودی به شخص پیج‌شده است.

تفریح و اطلاع‌رسانی
برخی از بزرگ‌ترین پلتفرم‌های تلفن گویای نصب‌شده به منظور نظرسنجی و رأی‌گیری در مسابقه‌های تلویزیونی، همچون Pop Idol و Big Brother به کار می‌روند، که به افزایش شدید تماس‌ها منجر می‌شود. اغلب ارائه‌دهندگان شبکه، به منظور جلوگیری از اضافه‌بار بر روی شبکه، مجبور به بکارگیری call gapping در شبکه عمومی تلفن (PSTN) می‌شوند.

دسترسی بی‌نام
سیستم‌های تلفن گویا به تماس‌گیرندگان امکان کسب داده به صورت نسبتاً بی‌نام را می‌دهد. بیمارستان‌ها و درمانگاه‌ها از سیستم‌های تلفن گویا برای دسترسیِ بی‌نامِ تماس‌گیرندگان به نتایج آزمایش‌ها استفاده می‌کنند. این قبیل اطلاعات را یک شخص می‌تواند به سادگی به بیماران ارائه دهد، اما سیستم تلفن گویا برای حفظ حریم خصوصی اشخاص و جلوگیری از  احساس شرمندگی احتمالی به دلیل اطلاعات حساس یا نتایج آزمایش‌ها به کار می‌رود. کاربران برای دسترسی به جواب‌های آزمایششان رمز عبوری دریافت می‌کنند.

آزمایش‌های بالینی
سیستم‌های تلفن گویا توسط شرکت‌های داروسازی و سازمان‌های پژوهشی پیمانکاری برای اجرای آزمایش‌های بالینی و مدیریت حجم بالای داده‌های تولید‌شده به کار می‌رود. تماس‌گیرندگان به زبان دلخواه خود به پرسش‌ها پاسخ می‌دهند و پاسخ‌هایشان در یک پایگاه داده ثبت و احتمالاً به منظور تأیید اعتبارشان به طور همزمان ضبط می‌شود. موارد استفاده شامل تصادفی‌سازی بیماران و مدیریت تأمین دارو می‌باشد. این اطلاعات برای بایگانی اطلاعات روزانه و پرسش‌نامه‌های بیماران نیز به کار می‌رود.

تماس‌های خروجی
از سیستم‌های تلفن گویا برای تماس‌های خروجی نیز استفاده می‌شود، چرا که از بسیاری از سیستم‌های شماره‌گیری خودکار هوشمندترند و قادرند برای تشخیص وضعیت‌های گوناگون خط طبق روند پایین از شناسایی call progress استفاده کنند:

• پاسخگویی (تلفن گویا قادر است مشتری تماس‌گیرنده را شناسایی کند و از آن‌ها بخواهد تا برای وصل به یکی از کارمندان منتظر بمانند)
• مواقعی که تماس به صندوق صوتی یا دستگاه پیغامگیر وصل شود (در این موقعیت‌ها، سیستم تلفن گویا قادر به پیغام گذاشتن است)
• بوق فکس (تلفن گویا می‌تواند پیغامی حاوی تصویر TIFF بگذارد)
• پیغام انتقال (دایورت) مکالمه (تلفن گویا تماس را قطع می‌کند)
• بدون پاسخگویی

کاربردهای دیگر
از جمله خدمات رایج دیگر سرویس‌های تلفن گویا می‌توان به این موارد اشاره کرد:

• تلفن همراه- account funding اعتباری، ثبت نام، خرید با تلفن همراه، همچون خرید آهنگ زنگ و لوگو
• بانکداری- گرفتن موجودی، انجام پرداخت، نقل و انتقال، پیشینه تراکنش
• خرید و سرگرمی- سفارش، رزرو، پرداخت‌های کارت‌های اعتباری و کارت نقدی
• قبوض- مشاهده مصرف، مشاهده حساب، صورتحساب و موجودی، پرداخت، پیشینه مصرف
• سفر- رزرو بلیت، اطلاعات پرواز، گرفتن کارت پرواز
• پیش‌بینی وضع آب و هوا، جاده‌ها و شرایط یخ‌زدگی

فناوری‌های به‌کاررفته
برای تفسیر پاسخ تماس‌گیرنده به دستورالعمل‌های صوتی از رمزگشایی و شناسایی گفتار DTMF استفاده می‌شود. تون‌های DTMF از طریق شماره‌گیر تلفن وارد می‌شود.
دو نوع عمده شناسایی گفتار در تلفن گویا به کار می‌رود: بر اساس دستور زبانِ از پیش تعریف‌شده (به کار رفته در گفتگوهای هدایت‌شده)، و بر اساس مدل‌های زبانی آموزش‌داده‌شده از نظر آماری (به کار رفته در گفتگوهای «زبان طبیعی»). گفتگوهای هدایت‌شده پرسش‌ها و گزینه‌های مشخصی را پیش روی تماس‌گیرنده قرار می‌دهد. در گفتگوهای زبان طبیعی از پرسش‌های باز استفاده می‌شود (مثلاً: «چه کمکی از من برمی‌آید؟»)، تعامل‌گرایانه‌ترند و قادر به تفسیر پاسخ‌های آزاد هستند.
از جمله دیگر فناوری‌های به کار رفته در این سیستم می‌توان به متن-به-گفتار (TTS) برای ارائه اطلاعات پیچیده و پویا، همچون ایمیل، گزارش‌های خبری یا اطلاعات آب و هوا اشاره کرد. TTS نوعی سنتزگفتار تولیدشده توسط کامپیوتر اما فاقد صدا و لحن ربات‌گونه‌ای است که در گذشته توسط کامپیوتر تولید می‌شد. صداهایی واقعی گفتار را به صورت تکه تکه تولید می‌کنند که پیش از اجرا شدن برای تماس‌گیرنده به یکدیگر چسبانده می‌شوند.
به شیوه‌های گوناگونی می‌توان از تلفن گویا استفاده کرد:

1. تجهیزات نصب‌شده در محل مشتری
2. تجهیزات نصب‌شده در شبکه تلفن عمومی (PSTN)
3. ارائه‌دهنده خدمات کاربردی (ASP)/ تلفن گویای میزبانی‌شده

از تلفن گویا می‌توان برای ارائه تجربه‌ای غنی‌تر از صندوق پستی به تماس‌گیرنده استفاده کرد. برای مثال، تلفن گویا می‌تواند بپرسد که آیا تماس‌گیرنده خواستار شنیدن، ویرایش، انتقال یا پاک کردن پیغامی است یا خیر.
توزیع‌کننده خودکار تماس (ACD) هنگام تماس با شرکت‌های بسیار عظیم‌تر اغلب نقطه نخست از تماس است. ACD از دستگاه‌های ذخیره دیجیتال برای پخش پیام خوشامدگویی یا اطلاعیه استفاده می‌کند، اما اغلب تماس‌گیرنده را بدون درخواست وارد کردن اطلاعات هدایت می‌کند. سیستم تلفن گویا قادر است اطلاعیه‌ها را پخش کند و از تماس‌گیرنده درخواست ورود اطلاعات کند. از این اطلاعات می‌توان برای Profile تماس‌گیرنده و هدایت تماس به کارمندی با مجموعه مهارت‌های ویژه استفاده کرد. (مجموعه مهارت‌ها به کارکرد گروهی از کارمندان مراکز تماس با قابلیت‌های ویژه اطلاق می‌شود).
از تلفن گویا می‌توان برای front-end عملیات مرکز تماس به واسطه شناسایی نیازهای تماس‌گیرنده استفاده کرد. اطلاعاتی همچون شماره حساب را می‌توان از تماس‌گیرنده کسب کرد. پاسخ به پرسش‌های ساده همچون موجودی حساب یا اطلاعاتِ از پیش ضبط‌شده بدون مداخله اپراتور ارائه می‌شود. به دلایل امنیتی، اغلب شماره حساب با داده‌های هویت تماس‌گیرنده مقایسه می‌شود و چنان چه ID تماس‌گیرنده با پیشینه حساب همخوانی نداشته باشد، پاسخ‌ به پرسش‌های بیشتری نیاز است.
جریان تماس‌های (call flow) تلفن گویا به اشکال گوناگونی ایجاد می‌شود. یک سیستم تلفن گویای سنتی متکی بر برنامه‌ریزی اختصاصی یا scripting زبان‌ها است، حال آن که اپلیکیشن‌های تلفن گویای مدرن به شیوه‌ای مشابه صفحات وب، با استفاده از استانداردهایی همچون VoiceXML,CCXML,SRGS and SSML ایجاد می‌شوند. توانایی استفاده از اپلیکیشن‌های XML-محور به وب سرور امکان می‌دهد همچون اپلیکیشن سرور عمل کند، و توسعه‌دهنده تلفن گویا را برای تمرکز بر جریان تماس آزاد سازد. پیش‌تر باور بر این بود که توسعه‌دهندگان دیگر به مهارت‌های برنامه‌ریزی ویژه نیازی نخواهند داشت؛ حال آن که اکنون اثبات شده که این باور، باوری نادرست است، چرا که اپلیکیشن‌های تلفن گویا باید واکنش انسانی به گفتگوی اپلیکیشن را درک کنند.
ابزارهای توسعه تلفن گویا در سطح بالاتر به منظور ساده‌تر ساختن روند توسعه اپلیکیشن موجودند. نمودار جریان تماس را می‌توان با استفاده از ابزار GUI طراحی و لایه نمایش (عمدتاً VoiceXML) را می‌توان به طور خودکار ایجاد کرد. به علاوه، این ابزارها معولاً مکانیزم‌های توسعه برای ادغام نرم‌افزار ارائه می‌دهند، همچون یک رابط HTTP یک وبسایت و یک رابط جاوا برای ارتباط با پایگاه داده.
در مخابرات،  «واحد پاسخگویی صوتی» (ARU) به دستگاهی اطلاق می‌شود که با پردازش تماس‌ها بر مبنای الف) call-originator input ب) اطلاعات کسب شده از یک پایگاه داده و  ج) اطلاعات دریافت‌شده از تماس ورودی، همچون زمان روز، پاسخ‌های صوتی ساختگی به DTMF keypresses ارائه می‌دهد.
ARUها تعداد تماس‌های اطلاعاتی بررسی‌شده را افزایش می‌دهند و اطلاعات را با کیفیتی یکپارچه بازیابی می‌کنند.

برون‌سپاری در برابر خودکارسازی مرکز تماس
اداره مراکز تماس می‌تواند هزینه‌بر باشد، و اغلب به این قبیل مراکز به چشم واحدهای هزینه‌زا نگاه می‌شود. منتها، قابلیت تشویق مشتری به خرید سرویس‌ها و خدمات بیشتر می‌تواند هزینه‌های اجرایی را خنثی کند، و به شکل موثری هزینه متوسط در ازای هر تماس را کاهش دهد.
از جمله روش‌های کاهش هزینه اداره مراکز تماس می‌توان به برون‌سپاری و خودکارسازی اشاره کرد. برون‌سپاری به کشورهای دیگر می‌تواند هزینه‌های اجرایی را تا ۳۰ درصد کاهش دهد. منتها، تفاوت‌های فرهنگی و زبانی می‌تواند برای مشتریان دردسرساز شود، و نارضایتی مشتریان به شکایت مشتریان و در نتیجه از بین رفتن تجارت بینجامد. از آن گذشته، متقاعد ساختن مشتریان به خرید خدمات بیشتر از مراکز تماس خارجی به مراتب دشوارتر است.
با خودکارسازی مرکز تماس نیز می‌توان هزینه‌های اجرایی را با معرفی فناوری‌هایی همچون طبقه‌بندی مشتریان، CTI و تلفن گویا با استفاده از تشخیص گفتار تا حدود ۳۰ درصد کاهش داد.  استفاده از خودکارسازی در مرکز تماس به افزایش کارایی می‌انجامد و این امکان فراهم می‌شود که مرکز تماس در کشوری واقع شود که تماس‌ها از آنجا گرفته می‌شوند. رضایت مشتری را با استفاده از اپلیکیشن‌های تحقیق درباره مشتری قابل ارزیابی است. اطلاعات به‌دست‌آمده از اپلیکیشن‌های تحقیقی را می‌توان برای بهبود خدمات مشتریان به کار برد.

IP
افزایش استفاده از IP در مخابرات چگونگی استفاده از تلفن گویا را تحت تأثیر قرار داده است.

ویدئو
معرفی پروتکل سیپ (SIP) بدین معناست که ارتباطات نقطه به نقطه دیگر به تماس‌های صوتی محدود نمی‌شوند، بلکه اکنون قابل توسعه به فناوری‌های چندرسانه‌ای همچون ویدئو هستند. تولیدکنندگان تلفن گویا سیستم‌های خود را به تلفن‌های صوتی و ویدوتی (IVVR) ارتقا داده‌اند، به خصوص برای شبکه‌های تلفن همراه. استفاده از ویدئو سیستم‌های تلفن گویا را قادر می‌سازد تعاملی چندوجهی با تماس‌گیرنده صورت دهند.
معرفی تلفن گویای تماماً دو طرفه در آینده به سیستم‌ها امکان می‌دهد تا احساسات و حالت‌های چهره را نیز تشخیص دهند. همچنین قابل استفاده برای شناسایی تماس‌گیرنده، با استفاده از فناوری‌هایی همچون اسکن عنبیه و دیگر راه‌های بیومتریک است. به منظور بررسی تراکنش‌های خاص و کاهش جعل هویت نیز می‌توان مکالمات تماس‌گیرنده را بایگانی کرد.

ارتباطات یکپارچه‌سازی‌شده در مرکز تماس سیپ
با معرفی مراکز تماس سیپ، موانع معمول برای خودکارسازی از بین می‌روند. کنترل تماس در یک مرکز تماس سیپ می‌تواند به واسطه برنامه‌نویسی CCXML اجرا شود، که افزوده‌ای به زبان VXML، زبان به‌کاررفته برای ایجاد گفتگوهای جدید تلفن گویاست. با صف کشیدن تماس‌ها در مرکز تماس سیپ، سیستم تلفن گویا می‌تواند تدبیری به کار بندد، برای مدت معینی منتظر بماند، یا موسیقی پخش کند. تماس‌های ورودی به یک مرکز تماس سیپ باید دربرابر یک نقطه پایانی سیپ صف بکشند یا خاتمه یابند. سیستم‌های تلفن گویای سیپ را می‌توان برای جایگزین کردن نیروی انسانی by the use of applications deployed using BBUA (back-to-back user agents).

پیامگیر گویا (IMR)
همزمان با ارتباطات، خودکارسازی هم به فناوری‌های چندرسانه‌ای مهاجرت کرده است. استفاده از پیام آنی (IM) در مراکز تماس با استقبال شدیدی رو به رو شده است. اپراتورها می‌توانند در آنِ واحد تا ۶ مکالمه‌ پیام آنی را مدیریت کنند، بنابراین بهره‌وری نیروی انسانی افزایش می‌یابد. برای خودکارسازی مکالمات پیام آنی با استفاده از نرم‌افزارهای پردازش زبان طبیعیِ موجود از فناوری تلفن گویا استفاده می‌شود.
این سیستم با مدیریت ایمیل تفاوت دارد، چرا که پاسخگویی خودکار ایمیل عمدتاً بر مبنای شناسایی کلیدواژه‌ها است. مکالمات پیام آنی از برخی جهات با ایمیل فرق می‌کند، از جمله این که پیام آنی گفتگومحور است. به علاوه، استفاده از اختصارهای پیام نوشتاری و اسمایلی‌ها (smiley) مستلزم دستور زبان‌ متفاوتی با دستور زبان مورد استفاده برای شناسایی گفتار است. در آینده‌ای نه چندان پیام آنی نیز کم‌کم جای پیامک زدن با تلفن‌های همراه چندرسانه‌ای را می‌گیرد و انتظار می‌رود بیش از پیش مورد استفاده قرار گیرد.

Hosted vs. on-premises IVR
با شروع استفاده از خدمات شبکه‌ای در مراکز تماس، ادغام میزبان ساده‌سازی شده است و این امکان برای اپلیکیشن‌های تلفن گویا فراهم شده تا از راه دور از مرکز تماس میزبانی شوند. این بدان معناست که اپلیکیشن‌های تلفن گویای میزبانی‌شده که از گفتار استفاده می‌کنند اکنون در مراکز تماس کوچک‌تر در سرتاسر جهان موجود است و به توسعه ارائه‌دهندگان خدمات کاربردی (ASP) انجامیده است.
اپلیکیشن‌های تلفن گویا همچنین می‌توانند در شبکه عمومی، بدون ادغام مرکز تماس، میزبانی شوند. خدماتشان شامل public announcement messages و خدمات پیام برای کسب و کارهای کوچک است. به کارگیری خدمات دو جانبه تلفن گویا، که در آن اپلیکیشن اولیه تلفن گویا برای هدایت تماس به مرکز تماس مناسب به کار می‌رود، نیز امکان‌پذیر است. از این امکان می‌توان برای balance loading در چندین مرکز تماس و یا ایجاد امکان تداوم فعالیت در صورت قطعی سیستم استفاده کرد.

انتقادها
گاهی انتقادهایی به سیستم تلفن گویا مطرح می‌شود از جمله ناکارآمد بودن و دشواری استفاده به دلیل طراحی ضعیف و نبود درک مناسب از نیازهای تماس‌گیرنده. برخی تماس‌گیرندگان تمایلی به پاسخگویی صوتی به یک سیستم خودکار ندارند و ترجیح می‌دهند با یک نیروی انسانی صحبت کنند.
به علاوه این انتقاد نیز به شرکت‌هایی که از این سیستم استفاده می‌کنند مطرح می‌شود که خواستار کاهش هزینه‌های اجرایی هستند، بی آن که خدمات مشابهی را با استفاده از نیروی انسانی ارائه دهند. با این قبیل روش‌ها مشتریانی که احساس می‌کنند حقشان برای صحبت با یک نیروی انسانی از آن‌ها گرفته شده دچار سرخوردگی می‌شوند. از جمله خدماتی که مورد انتقاد قرار گرفته‌اند می‌توان به وصول بدهی و giveaways اشاره کرد (بلیت‌ کنسرت‌ها، گیرنده‌های ماهواره‌ای/ کابلی، غیره).