与此同时，Voicesense、CallMiner、RankMiner、以及CompanionMx昔日的母公司Cogito等企业承诺在商业中使用语音分析。大多数时候这意味着提高呼叫中心的客户服务参与度，但Voicesense有着更远大的梦想。Voicesense公司CEO Yoav Degani表示现在该公司已能生成完整的个性档案，但他的计划远不止安抚不满的客户。该公司对很多业务都颇感兴趣，如贷款违约预测、保险索赔预测、客户投资风格揭示、内部人力资源候选人评估以及员工离职评估。Degani还表示公司可提供关于健康行为、工作行为、娱乐等方面的预测，虽然不会百分百准确，但大部分时候都是准确无误的。

在Degani分享的一个案例研究中，Voicesense与一家大型欧洲银行合作对其技术进行了测试。银行向Voicesense提供了几千名债务人的语音样本（银行已知道谁拖欠了贷款，谁没有拖欠）。Voicesense在这些样本中运算其算法，并把录音分为低风险、中风险和高风险三类。在此项分析中，预测为低风险组中仅有6％违约，而预测为高风险组中有27％违约。在另一项考察临时员工离职可能性的评估研究中，算法归为低风险类中仅有13％离职，而高风险组有高达39％的员工离职。

当算法算错会发生什么？

麻省理工科学家Ghosh表示这些都是合理的应用，于他而言没有什么是危险的。但与任何预测性技术一样，如果分析做的不好，就很容易过度概括。一般来说，除非看到有证据表明某件事在很多人身上以及这一类人群上得到了验证，否则很难将某人的说法认为是理所当然。除非采样足够多，否则声音的特征会有相当大的差异，这也是为什么该公司不会做出强烈声明的原因。

CEO Degani还表示Voicesense的语音处理算法每秒可测量200多个参数，而且在很多不同语言上包括像普通话这样的声调语言都能测量准确。目前该公司的项目还处于试点阶段，但该公司与很多大型银行及投资者都保持着联系。他还提到，每个人都被这项技术所吸引。

客户服务仅是一方面，德莱克斯大学的一位犯罪学教授Robert D’Ovidio表示Voicesense设想的一些应用可能具有歧视性。想象一下打电话给抵押贷款公司，贷款公司通过语音判断你患心脏病的风险极高，然后由于你可能长时间不待在公司，你就会被归类为高风险人群。

D’Ovidio教授还补充说到，应建立消费者保护法来防止这些信息被收集。他希望随着人类的进步，我们能意识到无论什么形式，比如电子表格中输入的一行数字或是捕捉到的声纹，这仅仅只是数据。但我们至少应该要求当信息如语音被使用时应告知我们。此外，他希望看到在保护消费者的规章制度上能有所进展。

华盛顿大学法学院教授Ryan Calo指出像这样的消费者保护措施是存在的。美国有些州如伊利诺伊州已有相关法律来保证生物识别如语音识别的安全。Calo还补充到，无论技术是被用于语音分析还是简历筛选，与种族或性别等敏感类相关的偏见问题是其特有的问题。但当机器学习技术被用于面部或语音识别时，人们内心深处会感到不安，部分原因是由于这些特征都太个人化。尽管反歧视法真的存在，但当使用信息及歧视（社会还未能充分解决的概念）都能接受时，语音分析的很多方面会遇到更多问题。