Agente de IA por telefone para ligações de clientes: adicionar um à sua plataforma de contact center, usar uma plataforma de IA de voz ou construir o seu próprio

Um agente de IA por telefone atende ou faz ligações em nome da sua empresa e conversa com os clientes com uma voz gerada por computador. Ele pode responder a perguntas comuns ou fazer um agendamento, e passa a ligação para uma pessoa quando não consegue ajudar. As plataformas de contact center e de telefonia, como Amazon Connect, Genesys Cloud e Twilio, hoje oferecem recursos próprios de agentes de IA. Uma plataforma dedicada de IA de voz pode se conectar aos seus números e sistemas existentes, e uma empresa pode construir para você um pipeline a partir de partes separadas. A escolha depende principalmente do que o agente precisa fazer nos seus sistemas e de onde as gravações das suas ligações podem ficar guardadas.

Como funciona um agente de IA por telefone?

Cada vez que a pessoa fala, um agente telefônico executa quatro tarefas. A telefonia, o serviço que conecta as ligações aos seus números de telefone, traz a voz de quem liga. Um modelo de conversão de fala em texto (speech-to-text) transforma essa voz em texto. Um modelo de linguagem, o tipo de IA por trás do ChatGPT, decide o que dizer ou qual ação pedir aos seus sistemas. Um modelo de síntese de voz (text-to-speech) fala a resposta.

O guia da OpenAI sobre agentes de voz chama isso de pipeline encadeado, útil quando você quer “inspecionar ou transformar o texto intermediário e substituir cada componente de forma independente.” Outro desenho usa um único modelo de fala para fala (speech-to-speech). O mesmo guia descreve a Realtime API da OpenAI como algo que usa “um único modelo para interpretar o áudio, decidir o que fazer e responder em fala.” Com um modelo desse tipo, pergunte como você obtém a transcrição que vai guardar. Todas as fontes deste artigo foram consultadas em 6 de novembro de 2026.

Por que o atraso e as interrupções importam em uma ligação?

Quem liga não vê que algo está acontecendo, então uma pausa longa pode soar como uma ligação que caiu. Quando a pessoa para de falar, o agente primeiro precisa decidir que ela terminou. Depois, cada uma das quatro tarefas acrescenta o seu próprio tempo antes de a resposta começar. Decidir cedo demais também tem um custo: o agente interrompe enquanto a pessoa faz uma pausa para ler um número de conta.

A documentação da Realtime API da OpenAI mostra duas formas de decidir. Uma espera uma “duração de silêncio (em milissegundos) para detectar o fim da fala.” A outra “usa um classificador semântico para detectar quando o usuário terminou de falar, com base nas palavras que ele disse.”

Quem liga também fala por cima do agente, o que se chama barge-in. O agente precisa parar e saber qual parte da resposta a pessoa chegou a ouvir. O ConversationRelay da Twilio, que conecta uma chamada da Twilio à sua própria aplicação de IA, avisa essa aplicação “quando quem liga interrompe a reprodução do TTS ao falar”, sendo TTS a sigla de text-to-speech, a síntese de voz. Um ruído de fundo ou um rápido “uhum” não devem fazer o agente parar. O LiveKit, software open source para construir agentes de voz, descreve um tratamento de interrupções que “consegue distinguir interrupções reais do backchanneling da conversa”, ou seja, desses pequenos sons de concordância. A documentação do LiveKit diz que o modelo por trás desse recurso roda no LiveKit Cloud, o serviço hospedado dele.

Como o agente passa uma ligação para uma pessoa?

No Amazon Connect, o agente de IA tem uma ferramenta padrão chamada Escalate, “para transferir para um agente humano”. Um exemplo da AWS, que vende o Amazon Connect, a substitui por uma ferramenta Escalate personalizada que repassa o motivo e um resumo. A Vapi, uma plataforma de agentes de IA de voz, oferece vários modos de transferência cega e de transferência assistida. Uma transferência cega “conecta quem liga sem falar com o destino”. Uma transferência assistida “fala ao destino um resumo gerado da conversa antes de conectar.” A Vapi lista essa transferência com resumo apenas para a Twilio.

Defina por escrito quais casos sempre vão para uma pessoa, como reclamações. Depois, teste o que o seu time vê quando uma ligação desse tipo chega, inclusive fora do horário de atendimento.

O que ganhamos com o agente de IA da nossa própria plataforma de contact center?

Neste caminho, o agente de IA trabalha dentro do sistema que já guarda as suas filas e gravações. A AWS diz que o que ela chama de autoatendimento agêntico no Amazon Connect “permite que agentes de IA resolvam de forma autônoma os problemas dos clientes nos canais de voz e de chat.” O agente acessa os seus outros sistemas por meio de ferramentas MCP, para ações “como consultar o status de pedidos, processar reembolsos e atualizar registros.” MCP, sigla de Model Context Protocol, é uma forma padronizada de conectar a IA a softwares. A Genesys diz que o seu Virtual Agent funciona “tanto em fluxos de bots de voz e digitais novos quanto nos já existentes”, ou seja, nos seus fluxos automatizados de ligações e de chat.

O ConversationRelay da Twilio deixa mais coisas a seu cargo. Ele “converte a fala em texto e a envia para a sua aplicação”, e a sua aplicação, construída por você ou por uma empresa, decide a resposta. Para quem usa a Twilio, esse caminho fica perto de construir o seu próprio.

Em troca, você aceita os modelos e as vozes que a plataforma escolhe. A Twilio oferece Google e Deepgram para a conversão de fala em texto. A página da AWS sobre o Amazon Nova Sonic, um modelo de fala para fala, lista um conjunto inicial de quatro vozes, três em inglês e uma em espanhol dos EUA. Esse caminho faz sentido quando a maior parte das suas ligações passa pela plataforma e ela cobre os idiomas de quem liga para você.

Quando faz sentido ter uma plataforma dedicada de IA de voz?

As plataformas de agentes de IA de voz vendem o próprio agente telefônico. Você escreve as instruções dele e escolhe os modelos, e a plataforma o conecta aos seus números e sistemas. A página de preços da Vapi lista a conversão de fala em texto, o modelo de linguagem e a voz como itens separados, de provedores diferentes. A Retell, outra plataforma desse tipo, diz que o seu guia “mostra como integrar os agentes da Retell ao seu provedor de telefonia e usar os seus próprios números”, por meio de SIP trunking. Um SIP trunk é uma conexão que transporta ligações pela internet entre o seu provedor de telefonia e outro sistema.

Uma plataforma faz sentido quando a IA do seu próprio contact center não passa nos seus testes, ou quando você quer um único agente para vários sistemas de telefonia. O custo é que mais um fornecedor processa o áudio de quem liga sob os próprios termos, e uma transferência para o seu time passa por dois sistemas. A Vapi diz que, “por padrão, a Vapi armazena os artefatos com segurança na nuvem”, ou seja, gravações, transcrições e logs. Em vez disso, você pode direcioná-los para o seu próprio armazenamento.

Quando vale a pena construir o nosso próprio agente telefônico?

Um pipeline próprio junta partes separadas: a telefonia de uma operadora ou de uma plataforma como a Twilio, mais a conversão de fala em texto, um modelo de linguagem e a síntese de voz. Um código escrito para você decide quem fala quando, trata as interrupções, chama os seus sistemas e guarda os logs. Softwares open source como o LiveKit cobrem parte desse trabalho. Cada parte pode ser alugada ou executada nos seus próprios servidores. Construir vale a pena quando pelo menos um destes pontos é verdadeiro:

• O áudio, as transcrições ou o modelo precisam ficar em servidores que você controla
• O agente precisa agir em sistemas aos quais nenhum fornecedor se conecta
• Você precisa escolher e substituir cada parte, como um modelo de fala que lide melhor com os idiomas de quem liga para você
• No seu volume, as tarifas por minuto custam mais do que operar um sistema próprio

Construir leva mais tempo, e depois do lançamento alguém precisa operar o sistema. Os artigos abaixo tratam de quem pode fazer isso sem um time de machine learning e de quão precisa é a conversão de fala em texto em ligações reais.

Onde ficam as gravações e as transcrições, e podemos exportá-las?

As gravações e as transcrições são a parte mais difícil de transferir depois, então decida onde elas vão ficar antes do lançamento:

• Amazon Connect: você “especifica o bucket e a chave KMS para as gravações das conversas de voz”. Ou seja, um local de armazenamento no Amazon S3, o armazenamento em nuvem da Amazon, e uma chave de criptografia que você escolhe
• Twilio: por padrão, as gravações ficam em um “armazenamento em nuvem criptografado” na Twilio. Com o armazenamento externo ativado, “a Twilio envia as novas gravações de voz para um bucket do AWS S3 que pertence a você, em vez de armazená-las na nuvem da Twilio.”
• Vapi: por padrão, na nuvem da Vapi, ou no seu próprio Amazon S3 ou Google Cloud Storage
• Pipeline próprio: onde você as colocar

Em qualquer caminho, exporte periodicamente as gravações, as transcrições e os logs para um armazenamento que a sua empresa controla. Dê às transcrições os mesmos direitos de acesso e o mesmo prazo de retenção das gravações.

Quem controla o que o agente pode fazer nos nossos sistemas?

As instruções do agente, chamadas de prompts, costumam ficar na ferramenta do fornecedor, então guarde uma cópia que você possa levar para outro lugar. As ações precisam de regras mais rígidas do que as respostas, porque um reembolso ou uma alteração de conta modifica os seus registros. O Amazon Connect diz que “os agentes de IA usam a mesma estrutura de perfis de segurança que os agentes humanos, controlando quais ferramentas o agente de IA pode acessar.” Dê ao agente permissão para as ações da lista dele e nada além disso, e decida como ele verifica quem está ligando.

A pessoa que deveria aprovar uma ação arriscada raramente está na linha. O agente pode registrar o pedido e dizer a quem liga quando esperar uma resposta, e o seu time conclui o pedido depois de uma verificação. O artigo sobre agentes de IA e aprovação humana, com link acima, explica quais ações precisam da aprovação de uma pessoa.

Se quem liga paga com cartão, pergunte como os números de cartão ficam fora do modelo e das gravações. A Twilio faz um alerta sobre o campo que devolve os dados da ligação depois de uma sessão de IA: “Não inclua dados PCI neste campo”. Dados PCI são os dados de cartão protegidos pelo padrão de segurança do setor de cartões.

De quem são os números de telefone, e quão difícil é trocar de fornecedor?

Os seus clientes conhecem os seus números, então mantenha o controle sobre eles. Um número comprado de uma plataforma precisa ser portado, ou seja, transferido para outro provedor, se você sair. A Twilio, por exemplo, diz que trazer um número para ela “leva de 5 a 15 dias, mas pode levar até 4 semanas em caso de rejeição pelo seu provedor atual.” Você evita a maior parte disso mantendo os números com uma operadora que você escolhe e conectando a IA a eles. A Retell faz isso por meio de um SIP trunk, e a Vapi pode importar “um número da Twilio novo ou existente”. Trocar depois passa a significar mudar para onde as ligações são roteadas.

Que regras se aplicam quando uma IA fala ao telefone?

Nos Estados Unidos, o Telephone Consumer Protection Act (TCPA), a lei federal de proteção ao consumidor em ligações telefônicas, restringe as ligações feitas com voz artificial ou pré-gravada. A Federal Communications Commission (FCC), a agência federal de comunicações, adotou uma decisão declaratória em 2 de fevereiro de 2024 (FCC 24-17). Nela, a FCC escreveu: “confirmamos que as restrições do TCPA ao uso de ‘voz artificial ou pré-gravada’ abrangem as tecnologias atuais de IA que geram vozes humanas.” Por isso, essas ligações “exigem o consentimento prévio e expresso da parte chamada para que sejam iniciadas, na ausência de uma finalidade de emergência ou de uma isenção.” Se uma ligação desse tipo apresenta um anúncio ou contém telemarketing, ou seja, incentiva a compra ou o aluguel de bens ou serviços, ou o investimento neles, as regras da FCC exigem “consentimento prévio e expresso por escrito”.

A decisão diz que o TCPA não permite nenhuma “exceção para tecnologias que pretendam oferecer o equivalente a um atendente ao vivo”. Um agente de IA que fala como uma pessoa não fica isento. As regras que ela cita exigem que a ligação “informe claramente a identidade da empresa” no início, e as ligações de telemarketing precisam oferecer uma forma de opt-out. Essas exigências se aplicam a “qualquer tecnologia de IA que inicie qualquer ligação telefônica de saída usando voz artificial ou pré-gravada para consumidores”. Para as ligações que os clientes fazem para você, pergunte aos seus advogados quais regras se aplicam.

Na UE, o artigo 50(1) do AI Act, a lei da UE sobre inteligência artificial, trata dos sistemas de IA que interagem diretamente com pessoas. Eles precisam ser concebidos de forma que as pessoas “sejam informadas de que estão a interagir com um sistema de IA”, a menos que isso seja óbvio para uma pessoa razoavelmente informada, naquele contexto. O artigo 50(5) diz que isso precisa acontecer “o mais tardar aquando da primeira interação ou exposição”, o que, em uma ligação, aponta para a saudação inicial. A obrigação cabe ao prestador (provider) do sistema de IA. Se o prestador é você ou um fornecedor é uma questão para os seus advogados.

O artigo 113 do AI Act fixa 2 de agosto de 2026 como a data geral de aplicação. O Digital Omnibus on AI, um regulamento de alteração publicado no Jornal Oficial (JO L 2026/1744), mudou várias outras datas. Em 6 de novembro de 2026, o AI Act Service Desk da Comissão Europeia indica apenas o parágrafo 7 do artigo 50 como alterado. O cronograma dele diz que as “regras de transparência (artigo 50) começam a ser aplicadas” em 2 de agosto de 2026.

As regras sobre gravação de ligações variam por país e, nos EUA, por estado. A lei federal dos EUA permite uma gravação quando “uma das partes da comunicação deu consentimento prévio” (18 U.S.C. § 2511(2)(d)). A lei estadual pode exigir mais. O estado de Washington exige “o consentimento de todos os participantes da comunicação”. Ele considera consentimento um aviso de que a ligação “está prestes a ser gravada”, desde que o próprio aviso também seja gravado.

Pelo GDPR, a lei de proteção de dados da UE, dados pessoais são informações relativas “a uma pessoa singular identificada ou identificável”. O Comitê Europeu de Proteção de Dados (EDPB), o órgão da UE que reúne as autoridades nacionais de proteção de dados, considera as gravações de voz como dados desse tipo nas suas diretrizes de 2021 sobre assistentes virtuais de voz. As diretrizes acrescentam que “os dados de voz são, por natureza, dados pessoais biométricos”. Se a voz for usada para identificar quem liga, as diretrizes dizem que o tratamento precisa de uma base legal nos termos do artigo 6 do GDPR e de uma exceção nos termos do artigo 9. Elas foram escritas sobre assistentes de voz em dispositivos como caixas de som inteligentes, então pergunte ao seu encarregado de proteção de dados como elas se aplicam às ligações.

O que devemos testar antes de o agente atender ligações reais?

Monte um conjunto de teste com as suas próprias ligações, com notas de corte acordadas com antecedência, como descreve o artigo sobre como testar um assistente de IA. Depois, acrescente os casos que só um agente telefônico enfrenta:

• Sotaques e idiomas de quem realmente liga para você, a partir de gravações antigas, quando a sua política permitir
• Ligações de celular e viva-voz em lugares barulhentos
• Pessoas que interrompem o agente ou se corrigem no meio da frase
• Silêncios longos enquanto a pessoa procura um documento
• Números de conta e valores repetidos em voz alta para confirmação
• Transferências quando o seu time está ocupado ou fora do horário de atendimento
• O aviso de IA e o aviso de gravação no início de cada ligação

Meça o atraso entre o fim da fala de quem liga e a primeira palavra do agente em linhas telefônicas reais, nos seus horários de maior movimento. Rode os testes de novo sempre que o fornecedor trocar um modelo ou uma voz.

Como os fornecedores cobram por um agente telefônico?

Os custos têm cinco partes, combinadas de forma diferente em cada caminho. Os preços estão em dólares americanos e vêm de páginas públicas de preços em 6 de novembro de 2026:

• Taxas de plataforma por minuto: o Amazon Connect lista “$0.038 per voice min (standard telephony rates apply)”, ou seja, US$ 0,038 por minuto de voz, mais as tarifas padrão de telefonia. A Twilio lista o Conversation Relay a US$ 0,07 por minuto. A Vapi cobra “$0.05/min Vapi hosting”, a hospedagem na própria Vapi, no plano pré-pago, e a Retell lista os agentes de voz com IA de US$ 0,07 a US$ 0,31 por minuto
• Taxas de modelos e de voz: na Vapi, “Models pass-through at cost”, ou seja, os modelos são repassados a preço de custo e cobrados à parte. A Genesys Cloud cobra o uso de IA em tokens próprios, e o artigo dela sobre cobrança diz que “os bots de voz são convertidos na proporção de 17 minutos = 1 token”
• Telefonia: a Twilio cobra US$ 0,0085 por minuto para receber ligações em um número local dos EUA, mais US$ 1,15 por número por mês
• Gravação e armazenamento: a Twilio cobra US$ 0,0025 por minuto para gravar uma ligação e US$ 0,0005 por minuto por mês para armazená-la
• Engenharia e manutenção: construir, conectar os seus sistemas e rodar os testes de novo quando os modelos mudam. Essa parte cresce quanto mais você constrói por conta própria

Os preços por minuto acima não cobrem as mesmas partes. Peça a cada fornecedor um orçamento para um mês do seu volume real de ligações, com telefonia, modelos, gravações e mínimos incluídos.

O que devemos perguntar a uma empresa que o construiria ou integraria?

• Quais partes rodam onde, e quais empresas processam o áudio de quem liga para nós?
• Como vocês vão medir o atraso antes de o agente responder, nas nossas linhas telefônicas?
• Como o agente lida com interrupções e silêncios longos, e como funciona uma transferência?
• Quais ações o agente pode executar sozinho, e quais aguardam a aprovação de uma pessoa?
• Onde ficam armazenados as gravações, as transcrições e os logs, e como os exportamos?
• Quem detém os nossos números de telefone, e o que seria preciso para transferi-los?
• Quem escreve e testa o aviso de IA e o aviso de gravação para cada país para o qual ligamos?
• No fim, o código, os prompts, as ligações de teste e os logs serão nossos?

Onde a amBrain se encaixa?

A amBrain publica este blog. Sobre o próprio produto, ela diz: “Nosso produto próprio, o shyash.ai, roda em agentes de IA que pesquisam, escrevem, verificam e medem a partir de uma memória compartilhada dos fatos da empresa. Uma pessoa aprova tudo o que sai.”

Este artigo não é um estudo de caso e não descreve nenhum trabalho para clientes. Ele não afirma que a amBrain tenha construído um agente telefônico ou um produto de contact center, e a frase acima não diz nada sobre ligações telefônicas. As empresas e os órgãos públicos mencionados aqui são citados com base nas páginas publicadas por eles. O artigo não afirma nenhuma relação entre a amBrain e qualquer um deles, não recomenda nenhum dos produtos deles e não traz preços nem prazos da amBrain.

A amBrain constrói software desde 2019. Sobre como trabalha com os clientes, ela diz: “Três formatos: entrega completa, time dedicado ou engenheiros embarcados no seu time.” A frase dela sobre propriedade é: “O cliente mantém a propriedade integral do produto e do código, exceto dos nossos componentes reutilizáveis.” Peça a lista desses componentes, nome por nome, antes de assinar.

Este artigo também não é aconselhamento jurídico. Ele trata apenas das regras dos EUA e da UE citadas acima. Confirme com os seus advogados quais regras de consentimento para gravação e de aviso de IA se aplicam em cada lugar onde você recebe ou faz ligações. Se a amBrain estiver na sua lista curta, faça a ela as mesmas perguntas que a qualquer outra empresa.