Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarAWS Machine Learning Blog→ original

Stretto troca formulário web por agente de voz: minuto de áudio fica 95% mais barato

A Stretto coletava pedidos de falência com um formulário web curto, mas os advogados precisam de dados sobre dívidas, carros e imóveis. As pessoas desistem de formulários longos, e contratar atendentes humanos sai caro. Por isso, no Bankruptcy.com, as ligações agora são atendidas pelo agente de voz Tara. O minuto de voz ficou 95% mais barato que na solução anterior. A conclusão: se o formulário esbarra em abandono, vale calcular a entrevista por voz pelo preço do minuto.

Processado por IA de AWS Machine Learning Blog; editado por Hamidun News
Stretto troca formulário web por agente de voz: minuto de áudio fica 95% mais barato
Fonte: AWS Machine Learning Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalAWS Machine Learning Blog ↗
Editor-chefe
Dado-chave #1Na solução anterior, o primeiro áudio chegava depois de mais de 500 ms
Dado-chave #2A entrevista completa dura de 15 a 20 minutos, e a sessão do Nova 2 Sonic é mais curta
Dado-chave #3A ponte de voz abre um novo fluxo e transfere o histórico em texto

Imagine um formulário em um site em que uma pessoa que pensa em declarar falência informa o valor da dívida, marca se tem advogado e deixa um telefone. Era assim que funcionava o Bankruptcy.com, da Stretto.

Para os advogados, um pedido desses é quase inútil: eles precisam de dívidas, ativos, carros, imóveis, histórico de trabalho e falências anteriores. Se o formulário é esticado, as pessoas o abandonam no meio. Contratar e treinar atendentes para perguntar tudo isso por telefone custa caro demais.

Por isso, a Stretto, junto com o AWS Generative AI Innovation Center e a integradora CI&T, criou o agente de voz Tara, baseado no modelo Amazon Nova 2 Sonic. Segundo estimativa da empresa, o minuto de voz sai 95% mais barato do que na solução anterior (pelas tarifas on-demand do Amazon Bedrock em us-east-1 em abril de 2026). Para desenvolvedores, é um exemplo de como trocar um questionário longo por uma conversa de verdade sem estourar o orçamento com o custo do minuto.

Como a Tara conduz a ligação

A pessoa liga para o Bankruptcy.com, a Tara atende, se apresenta, obtém o consentimento para a conversa e começa a entrevista. Ela coleta dados pessoais, finanças, lista de bens e histórico de trabalho, ajustando o tom ao humor de quem está do outro lado. As chamadas são recebidas pela Twilio, que abre um WebSocket e envia o áudio bruto para a AWS. Passando pelo firewall AWS WAF e por um balanceador de carga, o som chega à "ponte de voz". Ela é formada por contêineres no Amazon ECS Fargate, que ficam sempre ativos em três zonas de disponibilidade. A ponte transmite o áudio nos dois sentidos para o Amazon Nova 2 Sonic, por meio do Amazon Bedrock.

O Nova 2 Sonic é um modelo de "fala para fala". Ele mesmo escuta e mesmo responde por voz, sem a cadeia de reconhecimento de fala, modelo de texto e síntese. A ideia é reduzir a latência e deixar a conversa mais natural. Na solução anterior da Stretto, segundo as medições da própria empresa, o primeiro áudio aparecia depois de mais de 500 ms, e as pausas soavam desconfortáveis. Ela também lidava mal com interrupções, e pessoas sob estresse costumam interromper e se corrigir.

Depois da ligação, a transcrição vai para uma fila do Amazon SQS, com fila de mensagens não entregues (dead-letter queue). Em seguida, o Claude 3 Haiku, no Bedrock, extrai os campos do texto: nomes, valores, endereços, dados de veículos. Eles são salvos no Amazon Aurora Serverless v2. Quem decide sobre o pedido não é o modelo. Regras definidas pelos advogados o classificam como elegível, não elegível ou que exige esclarecimentos. Os pedidos elegíveis seguem para advogados da respectiva jurisdição, e os demais interessados recebem indicação de outros recursos. A palavra final continua com o advogado.

O que vale adotar

Primeiro: validar a voz antes de escrever código. Durante uma semana inteira, a equipe testou o Nova 2 Sonic em cenários com interlocutores calmos, tensos, indecisos e irritados. Avaliaram latência, interrupções e mudanças de tom. O relatório final foi a condição para passar à integração.

Segundo: contornar o limite de sessão. A entrevista completa dura de 15 a 20 minutos, e um fluxo do Nova 2 Sonic dura menos que isso. A ponte acompanha o tempo do fluxo e, pouco antes do limite, abre um novo com o mesmo prompt de sistema e o mesmo conjunto de ferramentas. O histórico da conversa é enviado a ele em texto. Quando a Tara termina a frase, o áudio muda para o novo fluxo, e o antigo é encerrado. Quem está ligando não percebe a interrupção.

Terceiro: lançamento em etapas. Primeiro, em três semanas, foi construída a integração, e o agente coletava os mesmos 13 campos do formulário web. Isso deu um ponto de referência. Depois, em quatro semanas, o questionário foi ampliado para mais de 18 categorias com ramificação: as perguntas dependem das respostas anteriores. A base evoluiu para um modelo relacional, em que uma mesma pessoa pode ter vários carros, imóveis, dívidas e fontes de renda.

Números e ressalvas

A Stretto relata aumento de 20% na conversão em relação ao formulário web ao longo de três meses, precisão de extração de campos de cerca de 96% e duração média de cerca de 8 minutos por ligação concluída. Esses números pedem cautela. O texto foi publicado no blog da AWS em conjunto com o cliente e o parceiro, e não há verificação independente.

A economia de 95% foi calculada com as tarifas de um momento e uma região específicos. Não há comparação com outros modelos de voz; sabe-se apenas que o Nova 2 Sonic é melhor que a solução anterior da Stretto. Além disso, o Amazon Nova 2 Sonic e o Amazon Bedrock não estão disponíveis em todas as regiões da AWS.

Conclusão prática: se o seu formulário esbarra na recusa das pessoas em preencher campos longos, a entrevista por voz pode render dados mais completos. Ela se paga quando o preço do minuto é baixo e quando as decisões ficam fora do modelo, em regras explícitas. O limite de duração da sessão deve entrar na arquitetura desde o início, em vez de ser descoberto no meio de uma conversa.

História

Perguntas frequentes sobre a notícia

Como a Tara conduz a ligação?

A pessoa liga para o Bankruptcy.com, a Tara atende, se apresenta, obtém o consentimento para a conversa e começa a entrevista. Ela coleta dados pessoais, finanças, lista de bens e histórico de trabalho, ajustando o tom ao humor de quem está do outro lado. As chamadas são recebidas pela Twilio, que abre um WebSocket e envia o áudio bruto para a AWS. Passando pelo firewall AWS WAF e por um balanceador de carga, o som chega à "ponte de voz".

O que vale adotar?

Primeiro: validar a voz antes de escrever código. Durante uma semana inteira, a equipe testou o Nova 2 Sonic em cenários com interlocutores calmos, tensos, indecisos e irritados. Avaliaram latência, interrupções e mudanças de tom. O relatório final foi a condição para passar à integração. Segundo: contornar o limite de sessão. A entrevista completa dura de 15 a 20 minutos, e um fluxo do Nova 2 Sonic dura menos que isso.

O que se sabe sobre Números e ressalvas?

A Stretto relata aumento de 20% na conversão em relação ao formulário web ao longo de três meses, precisão de extração de campos de cerca de 96% e duração média de cerca de 8 minutos por ligação concluída. Esses números pedem cautela. O texto foi publicado no blog da AWS em conjunto com o cliente e o parceiro, e não há verificação independente. A economia de 95% foi calculada com as tarifas de um momento e uma região específicos.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
O que você acha?
Carregando comentários…