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.

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.
- Fala para texto (STT). O reconhecimento de fala transcreve o que o cliente diz, em tempo real, incluindo sotaques e ruído de fundo.
- 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.
- 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.
| Critério | URA tradicional | URA semântica | Agente de voz com IA |
|---|---|---|---|
| Como o cliente pede | Teclas e opções fixas | Fala livre, interpretada | Fala livre, em conversa |
| Mudança de assunto | Volta ao início do menu | Redireciona | A conversa continua |
| Interrupção | Só por tecla | Depende do sistema | Barge-in na fala |
| Consulta a sistemas | Roteia para uma fila | Pode consultar | Consulta e responde |
| Resolução sem pessoa | Pedidos muito simples | Pedidos frequentes | Pedidos frequentes e tarefas com regra clara |
| Transferência | Sem contexto | Com a intenção detectada | Com 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.
| Métrica | O que mostra | Sinal de alerta |
|---|---|---|
| Resolução pela IA | Ligações encerradas sem pessoa, com o pedido atendido | Alta, mas com muitas ligações repetidas no dia seguinte |
| Taxa de transferência | Quanto vai para a equipe e por qual motivo | Motivo vazio ou repetido sem ajuste na base |
| Abandono | Quem desliga antes de ser atendido ou resolvido | Picos depois de mudanças no roteiro |
| Tempo médio de atendimento | Duração das ligações | Ligações longas em pedidos simples |
| Resolução no primeiro contato | Casos resolvidos sem nova ligação | Cliente liga de novo pelo mesmo motivo |
| NPS após a ligação | Percepção de quem ligou | Queda 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.

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
- ia de voz
- agente de voz com ia
- atendimento por voz com ia
- ura inteligente
- ura semântica
- chamadas no whatsapp
- #central de atendimento com ia
- #CRM conversacional
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



