Pular para o conteúdo

IA de voz no atendimento: o que é um agente de voz e como funciona

O que é IA de voz no atendimento, como um agente de voz com IA ouve, entende e responde, a diferença para a URA tradicional, onde usar, quanto custa e que cuidados tomar.

Cofundador da Tolky

Atualizado em 19 de novembro de 2026

12 min de leitura
IA de voz no atendimento: o que é um agente de voz e como funciona

TL;DR

IA de voz no atendimento é um agente que atende ou faz ligações em linguagem natural: transcreve a fala do cliente, decide a resposta com um modelo de linguagem e responde com voz sintetizada, transferindo para uma pessoa quando o caso pede. Ela substitui o menu de teclas da URA por uma conversa e funciona no site, em ligações pelo WhatsApp e no telefone.

Compartilhar

Quem pesquisa "IA de voz" encontra duas coisas misturadas: ferramentas que clonam ou geram vozes para vídeos e agentes que atendem ligações de clientes. Este guia trata só da segunda. A pergunta aqui é como uma empresa coloca uma IA para atender o telefone, o que ela resolve sozinha e onde uma pessoa precisa entrar.

A seguir: como um agente de voz funciona, a diferença para a URA, os usos, os canais, o custo, os cuidados legais e as métricas.

Atualizado em novembro de 2026.

O que é IA de voz no atendimento?

IA de voz no atendimento é um agente de software que atende ou faz ligações, entende o que a pessoa fala em linguagem natural, responde com voz sintetizada e executa tarefas durante a chamada. Ele também é chamado de agente de voz com IA, voicebot ou URA inteligente.

A diferença para a URA de teclas é que o agente conversa. O cliente diz "quero remarcar minha consulta de quinta" e o agente entende o pedido, consulta a agenda e propõe um novo horário, sem obrigar ninguém a apertar 1, 2 ou 3.

Neste guia, "IA de voz" não é clonagem de voz nem locução gerada para vídeo. É atendimento: ligação recebida ou feita pela empresa, com um cliente do outro lado e um resultado a entregar.

Como funciona um agente de voz com IA?

Um agente de voz com IA funciona em três etapas que se repetem a cada fala: transcrever o áudio em texto, decidir a resposta com um modelo de linguagem e transformar a resposta em voz. Tudo isso precisa acontecer em poucos instantes para a conversa soar natural.

  1. Fala para texto (STT). O reconhecimento de fala transcreve o que o cliente diz, em tempo real, incluindo sotaques e ruído de fundo.
  2. Modelo de linguagem (LLM). O modelo lê a transcrição, consulta a base de conhecimento e os sistemas da empresa, e decide o que responder ou fazer.
  3. Texto para fala (TTS). A síntese de voz transforma a resposta em áudio, com a voz e o sotaque escolhidos.

Dois fatores separam um agente de voz bom de um ruim. O primeiro é a latência, o tempo entre o cliente parar de falar e ouvir a resposta. Pausas longas fazem a pessoa repetir a frase ou achar que a ligação caiu, por isso os sistemas processam em fluxo contínuo e preferem respostas curtas.

O segundo é o barge-in, a capacidade de parar de falar quando o cliente interrompe. Sem isso, quem liga precisa ouvir a frase inteira mesmo quando já sabe o que quer.

Há duas arquiteturas comuns. No modo cascata, as três etapas rodam em sequência, o que facilita controlar cada uma. No modo em tempo real, um modelo ouve e fala ao mesmo tempo, o que deixa a conversa mais fluida.

Agente de voz, URA tradicional e URA semântica: qual a diferença?

A URA tradicional organiza a ligação por menus de teclas; a URA semântica entende a fala livre para direcionar ou resolver; o agente de voz com IA conversa do começo ao fim e executa tarefas. Na prática, a URA semântica é a porta de entrada de um agente de voz, e muitas empresas usam as duas ideias juntas.

CritérioURA tradicionalURA semânticaAgente de voz com IA
Como o cliente pedeTeclas e opções fixasFala livre, interpretadaFala livre, em conversa
Mudança de assuntoVolta ao início do menuRedirecionaA conversa continua
InterrupçãoSó por teclaDepende do sistemaBarge-in na fala
Consulta a sistemasRoteia para uma filaPode consultarConsulta e responde
Resolução sem pessoaPedidos muito simplesPedidos frequentesPedidos frequentes e tarefas com regra clara
TransferênciaSem contextoCom a intenção detectadaCom o motivo e a transcrição

A URA semântica tem um post próprio, com exemplos de ponta a ponta: voz com IA e URA semântica. Aqui, o foco é o agente de voz como um todo, incluindo ligações ativas.

Para que serve um agente de voz?

Um agente de voz serve para atender ligações repetitivas sem fila e para fazer ligações em escala com roteiro, sempre com uma saída para uma pessoa. Os usos mais comuns cabem em quatro grupos:

  • Atendimento receptivo. Segunda via, status de pedido, horário de funcionamento, triagem do motivo da ligação. A IA resolve o repetitivo e transfere o resto para a central de atendimento.
  • Ligações ativas. Primeiro contato com leads, reativação de clientes, convite para renovação. É o que a Tolky chama de campanhas por voz.
  • Confirmação e agenda. Confirmar, remarcar ou cancelar consultas e visitas, comum em saúde e serviços com horário marcado.
  • Cobrança. Lembrar de um vencimento, informar o valor e oferecer o canal de pagamento, com transferência quando o cliente quer negociar. Veja a área de cobrança.

Em ligações longas e sensíveis, como reclamações graves ou negociações complexas, o melhor uso é triar e passar para uma pessoa com o contexto pronto.

Em quais canais o agente de voz atende?

Um agente de voz pode atender em três canais: voz no site, pelo navegador; ligações pelo WhatsApp, pela Calling API da Meta; e telefone comum, por telefonia SIP. Cada um tem regras próprias.

  • Web. O visitante clica e fala direto no navegador, sem instalar nada. Bom para suporte e pré-venda no próprio site.
  • WhatsApp. A Calling API permite à empresa receber e fazer ligações de voz dentro do WhatsApp. Segundo a documentação da Meta, conferida em 19 de novembro de 2026, ligar para a empresa é grátis para o usuário. Para a empresa ligar, o contato precisa dar permissão antes.
  • Telefone. O agente atende um número comum, com telefonia SIP ligando a rede telefônica à plataforma. É o canal que alcança qualquer pessoa, inclusive quem não usa WhatsApp.

Nos três, a transcrição de cada ligação precisa cair no histórico do cliente, junto com as conversas de texto.

Quanto custa atendimento por voz com IA?

O custo do atendimento por voz com IA soma três partes: a tarifa do canal (telefonia ou WhatsApp), o processamento de voz e IA por minuto e a plataforma que orquestra tudo. Como cada fornecedor empacota essas partes de um jeito, compare sempre pelo custo por ligação resolvida, e não pelo preço por minuto isolado.

No WhatsApp, a Meta publica as regras na página de preços da Calling API, conferida em 19 de novembro de 2026:

  • Ligações iniciadas pelo usuário são grátis.
  • Ligações iniciadas pela empresa são cobradas pela duração, em pulsos de 6 segundos, conforme o país do número chamado e a faixa de volume do mês.
  • O pedido de permissão para ligar é uma mensagem e segue a cobrança normal por mensagem.

Na telefonia, a tarifa por minuto depende da operadora e do destino (fixo ou celular). O processamento de voz pesa mais em ligações longas, por isso respostas curtas e um bom roteiro reduzem o custo junto com a latência. Para estimar o retorno, use a calculadora de ROI de atendimento.

Que cuidados tomar com IA de voz?

Os cuidados com IA de voz são quatro: avisar que é uma IA, garantir a transferência para uma pessoa, tratar áudio e transcrição como dado pessoal e cumprir as regras do setor sobre gravação e espera. São eles que evitam reclamação e risco jurídico.

  • Transparência. Diga logo no início que o cliente fala com um assistente virtual. Esconder isso costuma gerar desconfiança quando a pessoa percebe.
  • Transferência para humano. No Brasil, o Decreto nº 13.135/2026, que regula o SAC de serviços regulados pelo governo federal e de serviços financeiros digitais, permite sistemas de inteligência artificial na triagem e na solução, desde que o consumidor tenha a opção de atendimento em tempo real por uma pessoa. O mesmo decreto exige atendimento humano das 8 às 20 horas e limita a cinco os níveis de atendimento (conferido em 19 de novembro de 2026). Monte as regras com o guia de handoff entre IA e humano.
  • LGPD. Voz e transcrição são dados pessoais. A Lei nº 13.709/2018 exige finalidade informada, uso do mínimo necessário e transparência com o titular (art. 6º). Veja o termo LGPD no glossário.
  • Gravação e registro. O mesmo decreto do SAC manda guardar as gravações por no mínimo 90 dias (art. 19). Confira a regra do seu setor antes de definir onde e por quanto tempo o áudio fica guardado.

Como medir se o agente de voz está funcionando?

Meça o agente de voz pelo que ele resolve e pela qualidade da passagem para pessoas, e não pelo número de ligações atendidas. Atender muito e resolver pouco só empurra a fila para depois.

MétricaO que mostraSinal de alerta
Resolução pela IALigações encerradas sem pessoa, com o pedido atendidoAlta, mas com muitas ligações repetidas no dia seguinte
Taxa de transferênciaQuanto vai para a equipe e por qual motivoMotivo vazio ou repetido sem ajuste na base
AbandonoQuem desliga antes de ser atendido ou resolvidoPicos depois de mudanças no roteiro
Tempo médio de atendimentoDuração das ligaçõesLigações longas em pedidos simples
Resolução no primeiro contatoCasos resolvidos sem nova ligaçãoCliente liga de novo pelo mesmo motivo
NPS após a ligaçãoPercepção de quem ligouQueda nas ligações atendidas só pela IA

Para calcular cada uma, veja como medir a taxa de resolução por IA e os termos FCR e TMA. Ouça uma amostra de ligações toda semana: a transcrição mostra onde a IA errou ou demorou.

Como a Tolky atende por voz

A Tolky é um AI CRM conversacional em que o mesmo agente de IA que atende por texto atende por voz, no site, em ligações pelo WhatsApp e no telefone com URA semântica. A telefonia entra sob ativação, com o número e o agente que você escolher. Os recursos estão em agente de voz com IA e em atendimento por voz.

  • Voz configurável. Você escolhe a voz com prévia, o sotaque regional, a saudação e o tamanho das respostas, no modo cascata ou em tempo real.
  • Conversa natural. O cliente pode interromper a IA, e a transcrição em tempo real acompanha o idioma de quem fala.
  • Pessoas na linha. A equipe acompanha as ligações em andamento e pode ouvir. Quando o operador entra no áudio, a IA fica em silêncio; se o responsável não atende, a chamada toca para outros operadores.
  • Histórico único. A transcrição fica no histórico do contato, junto com as conversas de texto.
  • WhatsApp com permissão. Para ligar pelo WhatsApp, a Tolky envia o pedido de permissão e mostra o status na conversa.
  • Campanhas por voz. A IA liga para a base pelo WhatsApp ou pela telefonia, com roteiro, objetivo, faixas de horário e teto diário de gasto. Toda ligação começa com o aviso de transcrição, que não pode ser desligado.

Captura real da tela Identidade da Tolky, em tema escuro, onde se define o papel do agente de IA, a mensagem inicial, a missão Vendas e Relacionamento Comercial e o comportamento do agente

O que a Tolky não faz: ela não é uma ferramenta de locução ou de clonagem de voz para vídeos, e a telefonia não vem ligada por padrão, porque depende de ativação. Se a sua operação exige gravação de áudio por prazo definido, confirme com o time como isso fica no seu caso.

Perguntas frequentes

O que é um agente de voz com IA?

É um assistente que atende ou faz ligações em linguagem natural. Ele transcreve a fala do cliente, decide a resposta com um modelo de linguagem e responde com voz sintetizada, transferindo para uma pessoa quando o caso pede.

Qual a diferença entre URA inteligente e URA tradicional?

A URA tradicional usa menus de teclas e opções fixas. A URA inteligente, ou semântica, entende o que o cliente fala com as próprias palavras e direciona ou resolve o pedido sem o "digite 1".

A IA de voz pode atender ligações pelo WhatsApp?

Sim. A Calling API da Meta permite que empresas recebam e façam ligações de voz no WhatsApp, e essas ligações podem ser atendidas por um agente de voz. Para a empresa ligar, o contato precisa autorizar antes.

O cliente precisa saber que está falando com uma IA?

É a prática recomendada: avisar no início evita desconfiança e reclamação. No Brasil, as regras do SAC também exigem que o consumidor tenha a opção de falar com uma pessoa.

A IA de voz substitui a equipe da central?

Não. Ela absorve as ligações repetitivas e a primeira triagem, e a equipe fica com os casos que exigem julgamento. Uma pessoa precisa poder entrar na ligação a qualquer momento.

Quanto custa um agente de voz com IA?

Depende do canal, da duração das ligações e da plataforma. No WhatsApp, ligações iniciadas pelo cliente são grátis e as iniciadas pela empresa são cobradas por duração; na telefonia, há a tarifa da operadora. Compare pelo custo por ligação resolvida.


Conclusão

IA de voz no atendimento é uma conversa no lugar do menu de teclas: o cliente fala, a IA entende, resolve o que tem regra clara e passa o resto para uma pessoa com a transcrição pronta. Comece pelas ligações mais repetitivas, avise que é uma IA, garanta a saída para a equipe e meça pela resolução.

Conheça o agente de voz, veja as campanhas por voz, veja os planos ou fale com o time →. Vamos conversar?

Compartilhar

Tags

Sobre o autor

Cofundador da Tolky

Marlos Carmo é empreendedor em IA e fundador da Tolky, a infraestrutura e AI CRM da era conversacional que unifica atendimento inteligente, multicanalidade (como WhatsApp e voz), CRM vivo e inteligência operacional em um único ecossistema. É finalista do SXSW Innovation Awards e integrante do Francesco's Economy, rede global de jovens empreendedores com foco em inovação e impacto social. Atua conectando Inteligência Artificial e transformação digital em projetos para grandes organizações.

Próximo passo

Quer levar isso para a sua operação?

A Tati, assistente de IA da Tolky, entende o seu cenário em poucas perguntas, sugere o melhor caminho e te conecta com uma pessoa do time levando todo o contexto.

Compartilhar

Leia também sobre CRM conversacional e AI CRM