Estatísticas de Agentes de Voz de IA.

Os agentes de voz de IA estão passando de demonstrações impressionantes para os locais onde as chamadas telefônicas já custam dinheiro: contact centers, agendamento de saúde, suporte de viagem, agendamento de consultas, qualificação de saída, roteamento de serviços e help desks internos. A parte complicada é que os números públicos ainda estão espalhados por vários denominadores, então um relatório sobre agentes de serviço de IA não é automaticamente um relatório sobre agentes telefônicos.

Uma previsão de mercado de reconhecimento de fala não é uma contagem de implantações autônomas. Um estudo de caso de fornecedor pode mostrar o que funcionou em um fluxo de trabalho sem provar o resultado médio para cada call center. A maneira mais clara de ler o mercado em 2026 é manter três camadas separadas: a voz ainda é um grande canal de serviço, a adoção de IA de atendimento ao cliente está acelerando e a prova de produção específica de voz ainda é encontrada principalmente em documentos de produtos e estudos de caso.

Essa mistura torna os agentes de voz de IA uma das categorias de automação mais promissoras para operadores, mas também uma das mais fáceis de exagerar. Os números abaixo se concentram em agentes de IA com foco em voz e automação de voz em contact centers, enquanto rotulam claramente a IA de atendimento ao cliente mais ampla, a IA de fala e os números de tamanho de mercado como contexto.

Agentes de Voz em Destaque

Os principais números de agentes de voz usam denominadores diferentes — adoção de serviço, demanda telefônica, mão de obra, orçamento e um resultado específico de voz — então leia-os como sinais separados, não como uma única figura.

Quais Números Realmente Tratam de Agentes de Voz?

A definição mais segura de um agente de voz de IA é um sistema de conversação falada que pode entender um chamador, responder com fala, usar ferramentas ou sistemas de negócios e escalar quando um humano deve assumir. Essa definição inclui autoatendimento de voz moderno e fluxos de trabalho de voz agênticos. Não inclui automaticamente todo chatbot, toda árvore de URA, toda ferramenta de transcrição ou todo painel de análise de fala.

Essa distinção importa porque os números de maior volume neste mercado geralmente são adjacentes. A previsão de IA de call center da Grand View inclui uma ampla mistura de soluções de IA, não apenas agentes de voz autônomos. O mercado de reconhecimento de voz e fala da Grand View descreve a infraestrutura de fala que pode alimentar agentes de voz, mas a adoção de ASR não é a mesma coisa que um agente de chamada implantado. O mercado de análise de fala da Grand View cobre a análise de conversas, que pode guiar a automação, mas não prova por si só que a chamada foi automatizada.

A adoção de agentes de serviço também é mais ampla do que a voz. O número de 66% da Salesforce abrange a IA agêntica em organizações de serviço, incluindo operações voltadas para o cliente e internas — roteamento, alcance proativo, recomendações de produtos, trabalho de caso interno e resolução multicanal. Ainda é um dos melhores sinais de adoção para compradores de agentes de voz porque os fluxos de trabalho de voz se encaixam na mesma pilha de operações de serviço, mas não deve ser reescrito como “66% das organizações usam agentes telefônicos de IA”.

A Voz Ainda É Um Canal Principal de Contact Center

Os agentes de voz de IA estão recebendo atenção porque a linha telefônica continua cara, persistente e emocionalmente importante. O relatório de voz de 2026 da Zendesk diz que a voz ainda é 40% do volume do contact center, e que 75% dos líderes veem as ferramentas legadas como uma barreira para o serviço omnichannel — então muitas equipes não estão apenas tentando automatizar chamadas; elas também estão tentando conectar a voz com o mesmo histórico do cliente e contexto de IA usados em canais digitais.

Os dados do consumidor apontam na mesma direção. A Five9 relata que 56% dos clientes ainda preferem suporte por telefone, e que quase 59% mudam de canal dependendo da situação. Um cliente pode usar o autoatendimento para uma simples verificação de status, o chat para uma pergunta rápida e o telefone para um problema de alto valor, urgente, confuso ou emocionalmente carregado.

A pesquisa YouGov nos EUA mostra a mesma tensão de canal. As chamadas telefônicas são o canal de suporte mais usado — quase 70% tendem a usar o suporte por telefone — mas apenas 35% o nomeiam como o canal preferencial. Os chatbots mostram o problema inverso: 18% de uso, mas apenas 1% de preferência, sugerindo que muitos clientes usam bots porque estão disponíveis, não porque são a interação em que mais confiam.

A história geracional é mais matizada do que “jovens odeiam chamadas telefônicas”. A McKinsey descobriu que 71% dos entrevistados da Geração Z acreditam que as chamadas ao vivo são a maneira mais rápida e fácil de explicar problemas ao atendimento ao cliente. A voz continua valiosa quando a tarefa é difícil de descrever em um formulário, quando o cliente precisa de garantia ou quando a empresa precisa de verificação de identidade e tratamento de exceções.

A linha de base de mão de obra é grande o suficiente para explicar por que os executivos continuam financiando a automação. O BLS relata 2,814 milhões de empregos de representante de atendimento ao cliente nos EUA em 2024, com salário anual médio de $42.830 e salário médio por hora de $20,59. O BLS projeta um declínio de 5% de 2024 a 2034, mas ainda espera 341.700 vagas a cada ano, porque as pessoas mudam para outras ocupações ou deixam a força de trabalho. Para os fundadores de agentes de voz, isso significa que a oportunidade não é simplesmente a substituição de pessoal; é o roteamento de chamadas, o trabalho pós-chamada, a carga de treinamento, a pressão de rotatividade, o monitoramento de qualidade e a escalada humana.

A Adoção de IA de Serviço Está Acelerando Mais Rápido do que os Relatórios Somente de Voz

A IA de atendimento ao cliente está claramente passando da experimentação para as operações. O relatório de agentes de serviço de IA de 2026 da Salesforce diz que 66% das organizações de atendimento ao cliente agora usam IA agêntica, um aumento de 39% em 2025. Também diz que 70% das organizações com agentes de serviço de IA observam valor mensurável dentro de 60 dias da implantação, e o KPI mais aprimorado após a implantação é a satisfação do cliente, à frente da produtividade e do tempo médio de atendimento.

Esses números são fortes, mas o denominador ainda é mais amplo do que a voz. A Salesforce descreve casos de uso voltados para o cliente, como alcance proativo, recomendações e resolução de casos multicanal, além de trabalho interno, como roteamento de casos para a pessoa certa. Um agente telefônico que fala com os clientes é uma versão dessa pilha de serviço agêntica, não a pilha inteira.

Os dados do State of Service 2025 da Salesforce fornecem o ângulo do volume de casos: as equipes estimam que 30% dos casos são tratados por IA hoje e esperam 50% até 2027. Os representantes que usam IA gastam 20% menos tempo em casos rotineiros, liberando cerca de quatro horas por semana para trabalho complexo. A IA não precisa lidar com todas as chamadas para mudar os padrões de pessoal, escalada e gerenciamento de qualidade.

A previsão da Gartner para 2025 é mais agressiva, mas voltada para o futuro. Até 2029, a Gartner espera que a IA agêntica resolva 80% dos problemas comuns de atendimento ao cliente sem intervenção humana e reduza os custos operacionais em 30%. A frase “problemas comuns” está fazendo muito trabalho: redefinições de senha, status de pedidos, mudanças de endereço, confirmações de agendamento e perguntas simples de faturamento têm um perfil de risco diferente de cancelamentos, reclamações, perguntas médicas, sinistros ou disputas de fraude.

O mercado também está enfrentando um atrito real na implementação. A CallMiner relata que 96% dos líderes de CX e contact center veem a IA como uma estratégia chave, mas 67% estão implementando IA sem estruturas de governança adequadas. A Salesforce relata que 72% dos profissionais de operações de serviço dizem que a prontidão dos dados é um grande bloqueador de IA. A Zendesk diz que 95% dos consumidores esperam explicações para decisões tomadas por IA, enquanto apenas 37% dos líderes de CX atualmente oferecem justificativas para as decisões de IA.

Para a voz, esses bloqueadores não são abstratos. Uma resposta de texto ruim pode ser corrigida por escrito. Uma chamada de voz ruim pode criar confusão, raiva, risco de conformidade, risco de identidade e uma gravação ruim que circula internamente. As equipes de serviço que obtiverem sucesso com agentes de voz provavelmente serão aquelas que tratam a qualidade do conhecimento, as regras de escalada, a gravação de chamadas, o consentimento, a avaliação e a auditoria pós-chamada como parte do produto principal.

Tamanho do Mercado: A IA de Contact Center Está Crescendo, Mas Não É Receita Pura de Agentes de Voz

As estimativas de tamanho de mercado apoiam a ideia de que os orçamentos de IA de contact center estão se expandindo, embora não isolem os agentes de voz autônomos. A Grand View Research estima o mercado global de IA de call center em $1,99 bilhão em 2024 e $7,08 bilhões até 2030, um CAGR de 23,8% de 2025 a 2030. A América do Norte detinha 39,3% do mercado em 2024, o segmento de soluções representava mais de 74% da receita global, o roteamento preditivo de chamadas liderava a participação na receita de aplicativos, e o BFSI era o maior segmento de uso final.

A Fortune Business Insights estima uma linha de base de 2025 mais alta e uma previsão mais longa: $2,41 bilhões em 2025, $2,98 bilhões em 2026 e $13,52 bilhões até 2034, um CAGR de 20,80%. Ela relata a América do Norte com 37,50% de participação em 2025, a Europa com 21,50%, a Ásia-Pacífico com 20,80%, o Oriente Médio e a África com 12,00% e a América Latina com 8,20%.

A conclusão correta é um intervalo, não uma média falsa. A IA de call center parece ser uma categoria de bilhões de dólares de um dígito baixo em meados da década de 2020, crescendo a um CAGR de aproximadamente 20% baixo, dependendo do escopo e do horizonte de previsão. Isso é suficiente para mostrar o impulso do orçamento. Não é suficiente para reivindicar um tamanho de mercado específico de agente de voz autônomo.

Essas categorias se sobrepõem aos agentes de voz, mas não se resumem a eles. Uma empresa pode comprar análise de fala sem automatizar chamadas. Uma migração de CCaaS pode modernizar o roteamento sem implantar IA autônoma. Um modelo TTS pode alimentar a criação de conteúdo, acessibilidade ou fluxos de trabalho de mídia, em vez de automação de contact center. O dimensionamento do mercado de agentes de voz de IA é mais credível quando essas categorias adjacentes são usadas como contexto de orçamento e infraestrutura, não como prova de implantação.

Infraestrutura de Agentes de Voz: Modelos em Tempo Real, Telefonia e Transferência

O lado da infraestrutura do mercado é muito mais concreto do que o lado da contagem de implantações. A OpenAI diz que seu modelo gpt-realtime é construído para agentes de voz de produção, incluindo suporte ao cliente, educação e assistência pessoal. A principal mudança técnica é o processamento direto de áudio: em vez de encadear fala para texto, um LLM e texto para fala, um modelo de áudio em tempo real processa e gera áudio por meio de um modelo e API, o que a OpenAI diz que reduz a latência, preserva a nuance da fala e melhora as respostas naturais.

A página mais recente de inteligência de voz da OpenAI descreve três modelos de áudio de 2026: GPT-Realtime-2 para raciocínio e ação de voz em tempo real, GPT-Realtime-Translate para tradução de fala ao vivo de mais de 70 idiomas de entrada para 13 idiomas de saída, e GPT-Realtime-Whisper para transcrição em streaming. Essa arquitetura é importante porque os agentes de voz de contact center precisam de tratamento de interrupções, confirmação alfanumérica, controle de tom, uso de ferramentas e escalada, não apenas transcrição precisa.

Esses são preços de infraestrutura, não o custo total por chamada, mas ajudam as equipes a modelar se um caso de uso deve usar fala para fala nativa, componentes encadeados, apenas transcrição ou fluxos de trabalho de assistência ao agente.

As plataformas de contact center estão transformando essa infraestrutura em superfícies de implantação. Os agentes de IA do AWS Connect podem interagir com clientes por voz e chat, responder a perguntas, realizar ações e escalar para humanos; a AWS diz que os agentes de IA do Connect podem ser usados em conformidade com o GDPR e são elegíveis para HIPAA. O Amazon Connect Customer combina IA generativa com fluxos determinísticos, e seu FAQ aponta para o Amazon Lex para NLU/ASR, o Amazon Polly para TTS e o Amazon Nova para conversas de voz naturais.

O Google Cloud CX Agent Studio mostra um padrão empresarial semelhante: construção de agentes low-code, simulações, avaliações, rastreamento, 35 modelos, voz em mais de 40 idiomas, tradução de áudio para áudio em 10 idiomas e conectores para sistemas de back-end. Isso é importante porque o agente de voz precisa trabalhar. Uma chamada que termina com “por favor, verifique seu e-mail mais tarde” é menos valiosa do que uma chamada que verifica a identidade, altera um agendamento, atualiza um registro de CRM ou roteia a exceção com um resumo completo.

Fornecedores específicos de voz também estão facilitando o teste da categoria. A ElevenLabs diz que sua plataforma oferece mais de 5.000 vozes em mais de 70 idiomas, além de agentes que funcionam em telefone, chat, e-mail e WhatsApp, e levantou US$ 180 milhões em janeiro de 2025. Isso não prova a contagem de clientes ou o volume de implantação, mas mostra por que TTS melhor, controles de clonagem de voz, vozes multilíngues e fala de baixa latência estão se tornando requisitos básicos. A chamada de consumidor para empresa é outro sinal da mudança de interface: a página de ajuda de chamadas automatizadas do Google diz que o Google pode ligar para empresas para agendamentos, tempos de espera em restaurantes, disponibilidade de produtos, horários de funcionamento e status de estoque, com chamadas monitoradas e gravadas para garantia de qualidade.

Onde os Agentes de Voz Estão Apresentando Resultados Mensuráveis

Os pontos de prova mais úteis ainda são específicos da implantação. O exemplo da empresa de energia da McKinsey é valioso porque é explicitamente um assistente de voz integrado a um fluxo de trabalho de chamada de back-end. O resultado relatado foi cerca de 20% menos volume de chamadas de faturamento e até 60 segundos menos tempo de autenticação do cliente. Esse é o tipo de melhoria de fluxo de trabalho mensurável que os compradores devem pedir: tipo exato de chamada, linha de base exata, regra de transferência exata e métrica exata.

O exemplo da AWS com a UC San Diego Health mostra agentes de voz em um ambiente administrativo de alta fricção: gerenciamento de agendamentos por voz, chat e mensagens do WhatsApp Business, resultando em mais de 300.000 horas de equipe economizadas, uma taxa de auto-verificação do paciente de 82% e uma redução de 50% no abandono de chamadas. Como a fonte inclui vários canais, a frase mais segura é “acesso do paciente incluindo voz”, não “todos os resultados vieram de chamadas telefônicas”.

O estudo de caso da PolyAI com a Hopper é mais restrito e específico para voz. A PolyAI diz que seu assistente de voz de IA generativa responde a centenas de perguntas frequentes, transfere chamadas complexas e resolve totalmente 15% do volume de chamadas da Hopper. Uma participação de 15% do volume de chamadas totalmente resolvidas pode ser economicamente significativa se essas chamadas forem de alto volume e repetitivas. Também pode ser decepcionante se um comprador esperava uma taxa de contenção universal de 60%. O denominador e o caso de uso importam.

Esses exemplos apontam para os casos de uso de produção inicial mais prováveis: agendamento de consultas, verificação de identidade, status de pedidos, perguntas de faturamento, perguntas frequentes sobre viagens, atualizações de interrupções, qualificação de leads, chamadas de lembrete e roteamento de chamadas. Eles também se afastam de casos de uso iniciais arriscados: escaladas com exposição legal, conselhos urgentes de saúde, disputas de fraude, cancelamentos complexos, grandes decisões financeiras e reclamações emocionalmente voláteis. As implantações mais fortes provavelmente serão híbridas — a AWS diz que seus agentes de IA podem escalar quando necessário, e a McKinsey argumenta que os humanos continuam cruciais para interações complexas e emocionalmente matizadas.

Confiança, Regulamentação e Avaliação São Métricas Essenciais de Agentes de Voz

Agentes de voz não são apenas chatbots com um microfone. Eles entram em um canal de comunicação regulamentado onde os clientes ouvem uma voz, podem divulgar informações confidenciais e podem não saber imediatamente se estão falando com um humano. Em fevereiro de 2024, a FCC anunciou que vozes geradas por IA em chamadas automáticas são “artificiais” sob a Lei de Proteção ao Consumidor de Telefone. O PDF da decisão deixa claro que as restrições a vozes artificiais ou pré-gravadas se aplicam a tecnologias de IA usadas para gerar chamadas automáticas indesejadas e ilegais.

Isso não significa que toda chamada de voz de IA seja proibida. Significa que consentimento, divulgação, opção de exclusão, propósito da chamada e jurisdição importam. Chamadas de vendas de saída, lembretes de agendamento, chamadas políticas, cobrança de dívidas, chamadas de saúde e notificações de conta têm perfis de risco diferentes, então as equipes que implantam agentes de voz de IA precisam de revisão legal, não apenas avaliação de modelo. A clonagem de voz adiciona outra camada: a página do Desafio de Clonagem de Voz da FTC diz que os riscos da clonagem de voz não podem ser abordados apenas pela tecnologia, e o Framework de Gerenciamento de Risco de IA do NIST aponta para um perfil de IA generativa para identificar e gerenciar riscos de IA generativa.

A evidência de confiabilidade também defende uma implementação cuidadosa. A visão geral do CRMArena-Pro da Salesforce AI Research descreve um benchmark para avaliar agentes em tarefas realistas de CRM empresarial, incluindo interações de múltiplos turnos e confidencialidade. O artigo do arXiv relata que os principais agentes LLM alcançaram cerca de 58% de sucesso em configurações de turno único, caíram para cerca de 35% em configurações de múltiplos turnos e mostraram quase zero consciência inerente de confidencialidade, embora a execução do fluxo de trabalho fosse mais tratável para os principais modelos.

CRMArena-Pro não é um benchmark de chamada de voz ao vivo, então não deve ser usado para afirmar que agentes de voz falham em 65% das chamadas. É importante porque agentes de voz reais geralmente precisam das mesmas habilidades difíceis: raciocínio de múltiplos turnos, chamadas de ferramentas, manipulação de dados de CRM, limites de informações confidenciais e conformidade com políticas de negócios. Um modelo de voz com entonação natural ainda precisa saber quando não revelar dados da conta, quando verificar a identidade e quando transferir a chamada para um humano.

A lista de verificação do comprador em 2026 deve, portanto, incluir mais do que latência e qualidade de voz. Pergunte se o sistema registra decisões, separa o consentimento por tipo de chamada, suporta a intervenção humana, explica as decisões tomadas por IA, protege PII, mede a taxa de recontato, testa casos extremos e distingue contenção de resolução. A lacuna de governança da CallMiner, o bloqueador de prontidão de dados da Salesforce e a lacuna de transparência da Zendesk apontam para a mesma conclusão prática: a governança faz parte do produto.

O Que Isso Significa Para Fundadores e Líderes de Contact Center

Para os fundadores, a oportunidade não é “substituir todos os call centers”. A oportunidade é um fluxo de trabalho de voz de alto volume com uma métrica de sucesso clara, dados limpos, um caminho de transferência seguro e um comprador que já conhece o custo do atraso. Agendamento de consultas, roteamento de chamadas, redefinição de senha, status de entrega, verificações de elegibilidade, qualificação de leads, triagem de faturamento e suporte de viagem ou varejo com muitas perguntas frequentes são mercados iniciais mais credíveis do que “a IA lida com todo o atendimento ao cliente”.

Para os operadores, a métrica mais subutilizada pode ser a qualidade da transferência. Um agente de voz que transfere após coletar os dados de conta corretos, resumir o problema, marcar a intenção e definir as expectativas do cliente ainda pode criar valor, mesmo quando não contém a chamada. Um agente de voz que “contém” uma chamada frustrando o cliente e causando um contato repetido destrói valor. Contenção, resolução, satisfação, conformidade e recontato devem ser medidos separadamente.

Números a Observar Até 2026

O sinal mais importante de 2026 será a divisão entre casos de serviço tratados por IA e chamadas de voz tratadas por IA. A previsão de participação de casos da Salesforce já é útil porque diz que as equipes esperam que a IA passe de 30% para 50% dos casos até 2027. Os líderes de voz devem pedir aos fornecedores a mesma forma de métrica no nível da intenção: porcentagem de chamadas de autenticação resolvidas, porcentagem de alterações de agendamento concluídas, porcentagem de chamadas de faturamento roteadas corretamente e porcentagem de chamadas tratadas por IA que não criam um contato repetido.

O quadro correto é o custo por resolução útil, não apenas o custo por minuto. O preço de áudio em tempo real da OpenAI é um insumo; telefonia, CCaaS, transcrição, recuperação de conhecimento, avaliação de modelo, revisão de conformidade, fallback humano e garantia de qualidade são outros. Um modelo mais barato pode ser mais caro se criar recontatos. Um modelo de fala mais caro pode ser mais barato se resolver um fluxo de trabalho de alto volume de forma limpa.

Um Guia de Campo Para Números de Agentes de Voz

Diferentes números de agentes de voz respondem a diferentes perguntas operacionais — a leitura honesta é usar cada métrica para o que ela realmente mede, e nada mais.

Perguntas Frequentes

Fontes e Leitura Adicional