Agente de Voz de IA da Stretto Usa Amazon Nova 2 Sonic
A Stretto substituiu a triagem de falências por formulário web pelo Tara, um entrevistador telefônico de IA, e relata um aumento relativo de 20% na conversão de leads. O agente de voz de IA da Stretto usa o Amazon Nova 2 Sonic para coletar informações financeiras por meio de conversas. Os advogados mantêm as decisões finais, criando uma fronteira entre a triagem automatizada e o julgamento profissional.
O estudo de caso de 18 de novembro de 2026 descreve o trabalho com o AWS Generative AI Innovation Center e o parceiro tecnológico CI&T. Sua comparação central é entre a triagem conversacional e o formulário web, e não entre um sistema de IA e advogados. A Stretto queria leads mais completos sem pedir que visitantes concluíssem formulários cada vez mais exigentes.
Isso torna o Tara uma história de fluxo de trabalho empresarial tanto quanto uma história de modelo de voz. Os ganhos relatados dependem da coleta de informações utilizáveis, da preservação de correções e da aplicação posterior de regras explícitas. Uma voz convincente inicia o processo; registros confiáveis e decisões responsáveis determinam se o processo merece adoção mais ampla.
O agente de voz de IA da Stretto muda o conteúdo de um lead
O problema empresarial subjacente começa com a diferença entre informações de contato e informações que um advogado pode avaliar. Um formulário curto pode estabelecer interesse, mas deixa uma parte substancial do trabalho de triagem inacabada. Um formulário mais longo solicita mais detalhes, ao mesmo tempo que impõe mais trabalho a alguém que já enfrenta estresse financeiro.
A alternativa da Stretto transfere esse questionamento para uma conversa telefônica. O Tara coleta informações sobre as circunstâncias financeiras da pessoa que liga e, em seguida, encaminha o registro resultante para um processo separado de qualificação. A mudança diz respeito tanto à interface quanto à profundidade das informações disponíveis depois.
A proposta comercial é um registro de triagem mais útil, e não uma interface de voz adicionada a um formulário inalterado.
Segundo o estudo de caso sobre triagem de falências, o sistema aplica regras definidas por advogados após a conversa. Os advogados tomam a decisão final. Essa divisão importa porque uma resposta conversacional, um registro financeiro estruturado e uma avaliação profissional têm finalidades diferentes.
Considere uma pessoa que liga para falar sobre veículos, emprego e dívidas pendentes. Essas respostas precisam de relações: qual pagamento pertence a qual veículo, ou qual fonte de renda corresponde a qual registro de emprego. Uma transcrição que contém todas as palavras ditas não fornece automaticamente essa estrutura.
A conversa também introduz ambiguidades que um formulário às vezes evita por meio de campos fixos. A pessoa pode corrigir um valor, recusar uma pergunta ou descrever circunstâncias fora da sequência esperada. O sistema deve preservar essas distinções, em vez de tratar cada declaração falada como uma resposta final.
O agente de voz Tara, portanto, enfrenta uma versão exigente da coleta de informações. Ele precisa de flexibilidade suficiente para permitir que as pessoas expliquem suas situações e de disciplina suficiente para produzir registros que processos posteriores possam usar. Uma conversa agradável por si só deixaria o problema empresarial original sem solução.
A melhoria de conversão relatada torna essa mudança digna de análise, mas não estabelece por que a conversão aumentou. A entrega por voz, a ordem das perguntas, informações mais ricas e mudanças na qualificação podem afetar o resultado. O relato público não isola suas contribuições individuais.
Ele também descreve aproximadamente três meses de experiência em produção, em vez de anunciar o lançamento de um novo modelo em 18 de novembro. Publicação e implantação são eventos separados. Os leitores devem entender o relatório como um relato operacional inicial de uma aplicação existente.
Para compradores empresariais, essa distinção aumenta a utilidade da história. Um sistema de triagem implantado fornece evidências sobre um fluxo de trabalho específico, mesmo quando seus resultados são relatados pela própria empresa. Ele apresenta uma alegação mais restrita e prática do que uma declaração geral de que pessoas que ligam preferem IA a formulários.
A pressão imediata recai sobre organizações cujos funis de leads param na captura básica de contatos. O Tara levanta uma pergunta concreta para essas equipes: quanta informação valiosa desaparece entre o interesse inicial e uma triagem concluída?
Os formulários web agora enfrentam uma comparação econômica diferente
Os formulários web têm uma vantagem direta: as pessoas podem inserir informações sem manter uma conversa ao vivo. Suas limitações ficam mais visíveis quando o registro necessário se torna complicado. Cada pergunta adicional pede que o visitante interprete, organize e forneça mais uma informação.
A voz transfere parte dessa carga organizacional para a aplicação. A pessoa que liga pode explicar uma situação, enquanto o sistema gerencia a sequência e as perguntas de acompanhamento. A sensação de facilidade depende da conversa, das preferências da pessoa e da sensibilidade das informações solicitadas.
A comparação relevante é o custo de obter um registro utilizável, incluindo o trabalho que ocorre após o contato inicial.
Essa medida vai além do custo de executar um formulário ou processar um minuto de áudio. Ela inclui tentativas abandonadas, registros incompletos, trabalho de correção e revisão profissional. Uma interação mais barata ainda pode produzir um resultado caro se alguém precisar reconstruir as informações depois.
A Stretto relata uma redução de 95% no custo de voz por minuto em comparação com sua solução de voz anterior. A comparação usa os preços de abril de 2026 na região US East. Trata-se de uma comparação datada entre implementações de voz, e não de evidência de que toda a operação do Tara custa 95% menos.
A distinção também evita uma comparação enganosa com o formulário web. O resultado de custo diz respeito a uma solução de voz anterior; o resultado de conversão diz respeito à experiência de triagem baseada em formulário. Essas referências respondem a perguntas diferentes e devem permanecer separadas.
Um comprador que avalia a abordagem precisa das duas medidas. Uma despesa menor de processamento de voz pode tornar conversas mais longas viáveis, enquanto uma conversão melhor pode aumentar o valor de cada interação concluída. Nenhum dos números estabelece o retorno completo sem considerar implementação, supervisão e processamento posterior.
O agente de voz de IA da Stretto também muda o trabalho esperado do advogado que recebe o caso. Um registro mais rico deve oferecer mais contexto antes de uma discussão inicial. No entanto, o destinatário ainda precisa ter confiança de que as informações refletem o que a pessoa realmente disse.
Isso cria pressão sobre fornecedores de triagem, assim como sobre equipes internas de produto. Uma demonstração atraente mostra uma conversa transcorrendo corretamente. Uma oferta de produção confiável deve explicar o que acontece quando as informações entram em conflito, a extração falha ou o profissional que recebe o caso questiona um campo.
É aqui que o formulário web continua sendo um ponto de referência importante. Sua rigidez pode frustrar usuários, mas essa mesma rigidez torna campos individuais e respostas obrigatórias fáceis de inspecionar. A voz precisa recuperar uma clareza comparável a partir de uma interação menos restrita.
Para trabalhadores do conhecimento, a conexão mais ampla é familiar: informações capturadas só se tornam valiosas quando permanecem utilizáveis depois. Uma base de conhecimento pesquisável aborda um problema organizacional relacionado, embora a triagem sensível introduza requisitos diferentes de acesso e revisão.
A implicação é específica, e não universal. Organizações que lidam com entrevistas preliminares complexas agora têm outra interface para avaliar. Elas ainda precisam de evidências de que a coleta conversacional melhora suas próprias taxas de conclusão e a qualidade dos registros antes de alterar todo o funil.
Nova 2 Sonic lida com a fala enquanto outros sistemas constroem o registro
Amazon Nova 2 Sonic é um modelo de fala para fala, o que significa que aceita entrada falada e gera respostas faladas dentro do mesmo modelo. Isso difere da conexão de componentes separados de transcrição, geração de texto e geração de fala. A escolha arquitetural afeta como a conversa transita entre ouvir e responder.
A Stretto conecta pessoas que ligam por meio do Twilio a uma ponte de voz, uma aplicação que transmite áudio entre a conexão telefônica e o modelo. A ponte é executada no Amazon ECS com AWS Fargate, serviços que gerenciam e executam contêineres de aplicações. O Amazon Bedrock fornece acesso gerenciado aos modelos.
Os fluxos de áudio bidirecionais do Twilio permitem receber o áudio da chamada e enviar áudio gerado de volta para ela. Um WebSocket, uma conexão de rede persistente de mão dupla, transporta essa troca. Isso estabelece o caminho de comunicação ao vivo sem tornar o serviço de telefonia responsável por todo o fluxo de trabalho de triagem.
Um modelo unificado de fala simplifica o caminho da conversa, enquanto a aplicação ao redor continua responsável pelo processo empresarial.
Essa separação fica mais clara depois que a pessoa desliga. Claude 3 Haiku, o modelo de texto da Anthropic, extrai campos estruturados da transcrição. Amazon Aurora, um banco de dados relacional gerenciado, armazena as informações resultantes em registros com relações definidas.
A arquitetura, portanto, usa modelos diferentes para tarefas diferentes. Nova 2 Sonic sustenta a interação ao vivo; Claude cuida da extração após a chamada. Regras definidas por advogados dão suporte à classificação de leads, com os advogados mantendo as decisões finais.
Essa divisão oferece aos avaliadores vários pontos distintos para investigar erros. Um valor falado mal compreendido é diferente de um valor transcrito corretamente, mas atribuído ao campo errado. Um campo correto avaliado segundo uma regra inadequada cria outro problema por completo.
Tratar todas essas falhas como “a IA errou” ocultaria detalhes operacionais úteis. As etapas de voz, extração, armazenamento e qualificação precisam de análise separada. Melhorias em uma etapa não garantem melhorias em todo o fluxo de trabalho.
Conversas longas introduzem outro limite. A triagem completa pode levar de 15 a 20 minutos, enquanto a AWS documenta um limite de conexão de oito minutos para um fluxo individual. Sua documentação de sessão de fala descreve suporte para renovação e continuidade.
A Stretto usa continuidade de sessão, uma técnica que transfere o contexto da conversa para uma conexão substituta do modelo. A entrevista da pessoa que liga pode, portanto, se estender além da duração de um fluxo individual. Manter o contexto através dessa fronteira torna-se parte da responsabilidade da aplicação.
Isso importa porque lembrar uma correção anterior é um requisito funcional, não apenas uma conveniência conversacional. Perder contexto durante uma entrevista longa pode criar perguntas repetidas ou registros inconsistentes. Um sistema que soa fluente antes de uma mudança de conexão ainda precisa ser testado depois dela.
A OpenAI oferece uma comparação relevante por meio de suas arquiteturas de agentes de voz, incluindo modelos de fala integrados e abordagens de processamento encadeado. Essas opções mostram que equipes empresariais enfrentam escolhas arquiteturais além da seleção de uma voz. O relato da Stretto não estabelece uma classificação de desempenho em comparação com a OpenAI.
A questão competitiva útil diz respeito ao controle e à adequação à carga de trabalho. As equipes precisam decidir onde necessitam de capacidade de resposta ao vivo, informações intermediárias inspecionáveis e lógica empresarial separada. O Tara ilustra uma distribuição dessas responsabilidades dentro de uma aplicação baseada na AWS.
A arquitetura de intake do Nova 2 Sonic também expõe um limite importante das decisões de aquisição centradas no modelo. Escolher o modelo de voz ainda deixa um trabalho substancial de design em torno de continuidade, criação de registros e limites de decisão. Esses componentes determinam se uma conversa telefônica se torna um registro operacional confiável.
Conversas sensíveis tornam o tratamento de interrupções um requisito de qualidade
Uma entrevista de intake de falência pede às pessoas que falem sobre dificuldades financeiras. O sistema precisa coletar informações permitindo hesitação, correção e recusa. Esse contexto muda o significado da qualidade de voz: soar natural só é útil se a aplicação também lidar adequadamente com a incerteza.
O relato da Stretto descreve validação para conversas sensíveis, incluindo interrupções e pessoas que mudam suas respostas. O barge-in, a capacidade de interromper o agente enquanto ele fala, é particularmente relevante. A pessoa precisa de uma maneira prática de interromper uma suposição incorreta antes que a entrevista avance.
O teste mais rigoroso é saber se o sistema preserva o significado do que a pessoa diz quando a conversa deixa de seguir o caminho esperado.
Isso exige mais do que reconhecer uma interrupção. A aplicação precisa distinguir uma correção de um fato adicional e uma recusa de uma resposta ausente. Caso contrário, uma conversa aparentemente bem-sucedida pode produzir um registro impreciso.
O tratamento de consentimento e divulgações cria outro limite. Segundo o estudo de caso, Tara apresenta as divulgações e coleta o consentimento antes de prosseguir com o intake. Essas etapas fazem parte do próprio fluxo de trabalho, em vez de servirem como linguagem introdutória opcional.
Uma interrupção durante uma divulgação ilustra a dificuldade. Retomar a conversa é apenas parte da tarefa. O sistema também precisa de uma base confiável para determinar se a sequência exigida de divulgação e consentimento foi concluída.
O relato público descreve testes e controles, mas não estabelece conformidade jurídica universal. Uma arquitetura publicada não pode responder a todas as perguntas sobre implantação, jurisdição, tratamento de dados ou obrigações profissionais. Compradores precisam avaliar suas próprias circunstâncias em vez de tratar uma história de cliente como certificação.
O cartão de serviço do modelo da AWS também recomenda avaliações específicas para cada caso de uso. Ele atribui aos clientes a responsabilidade pela infraestrutura da aplicação ao redor e pela lógica de negócios. Essa orientação respalda uma leitura cautelosa dos resultados de Tara.
A adaptação emocional merece cuidado semelhante. Um modelo pode variar sua entrega em resposta à fala sem possuir uma compreensão confiável da condição psicológica de quem liga. Um tom tranquilizador não deve se tornar evidência de que o sistema compreendeu todos os fatos ou tratou adequadamente todas as pessoas vulneráveis.
O agente de voz Tara também precisa de limites em torno do que faz com as informações coletadas. O design relatado reserva as decisões finais aos advogados e aplica regras explícitas de qualificação separadamente. Esses controles reduzem o escopo da discricionariedade do modelo, sem eliminar a necessidade de inspecionar as informações que entram nessas regras.
Uma entrada incorreta ainda pode influenciar um processo de classificação que, de outra forma, seja consistente. A autoridade humana ao final importa, mas sua eficácia depende do que os revisores conseguem ver e corrigir. A presença de um advogado não deve se tornar um substituto para medir erros anteriores no fluxo.
Para equipes que constroem sistemas semelhantes, estas são questões operacionais, e não objeções abstratas à automação. As pessoas podem corrigir um registro? Os revisores conseguem identificar respostas incertas? A organização consegue explicar por que um lead recebeu uma classificação específica?
O agente de voz de IA da Stretto é mais informativo quando visto por meio desses limites. Sua importância vem de atribuir responsabilidades diferentes à conversa, à extração, às regras e ao julgamento profissional. Uma implantação mais ampla testará se esses limites permanecem confiáveis em condições reais mais variadas.
Os ganhos relatados deixam importantes questões de medição em aberto
O principal resultado da Stretto é um aumento relativo de 20% na conversão de leads em comparação com seu formulário web. “Relativo” é importante: o número descreve um aumento em relação à taxa anterior, e não um ganho de 20 pontos percentuais. O estudo de caso não fornece detalhes suficientes para calcular a mudança absoluta.
A empresa também relata aproximadamente 96% de precisão na extração de campos estruturados em seus testes. As chamadas concluídas duram, em média, cerca de oito minutos. Esses números descrevem aspectos diferentes do sistema e não devem ser combinados em uma única alegação de precisão geral.
Os resultados sustentam uma avaliação adicional, mas não estabelecem um benchmark controlado para intake por voz.
A precisão da extração mede a conversão do conteúdo da conversa em campos. Ela não mede automaticamente a veracidade das declarações de quem liga, a adequação das regras de qualificação ou a qualidade da avaliação final de um advogado. Esses resultados exigem evidências diferentes.
A distribuição dos erros de extração também importa. Um detalhe secundário incorreto e um campo incorreto com consequências financeiras podem ter efeitos posteriores diferentes. Um número agregado de precisão não mostra se os erros se concentram nas informações que os revisores consideram mais importantes.
O relato publicado não fornece uma análise detalhada de erros campo a campo. Também deixa dúvidas sobre tamanho da amostra, composição dos testes e desempenho entre grupos de pessoas que ligam. Essas omissões limitam a comparação com outro sistema de intake, ainda que a média relatada permaneça útil internamente.
A duração das chamadas exige uma interpretação igualmente cuidadosa. O número de oito minutos refere-se a chamadas concluídas, enquanto o intake completo pode levar de 15 a 20 minutos. Essas afirmações não são necessariamente conflitantes, porque conversas concluídas em média e a possível duração de uma entrevista completa descrevem coisas diferentes.
No entanto, a duração de chamadas concluídas exclui tentativas malsucedidas dessa medida específica. Avaliadores também precisam entender o abandono e a conclusão parcial. Uma média curta só é encorajadora quando acompanha informações suficientes e resultados de conclusão aceitáveis.
A conversão apresenta um problema relacionado de atribuição. A equipe descreve um fluxo de trabalho em evolução, em vez de um experimento que altera apenas o modelo de fala. Sem uma comparação controlada, os leitores não podem atribuir toda a melhoria relatada ao Nova 2 Sonic.
A mesma cautela se aplica à redução de 95% no custo de voz por minuto. Ela diz respeito a uma solução de voz anterior e a um recorte de preços específico. Não estabelece economias equivalentes para telefonia, armazenamento de dados, engenharia, revisão ou o custo completo de entregar um lead qualificado.
O relato também vem de participantes da implantação, incluindo colaboradores da Stretto e da CI&T. Seu acesso torna valiosa a descrição da arquitetura. Seu envolvimento significa que os resultados comerciais devem continuar atribuídos, e não apresentados como conclusões auditadas de forma independente.
Nenhuma dessas limitações torna a história pouco informativa. Evidências iniciais de produção podem justificar um piloto mais amplo e medições mais detalhadas. Elas apenas sustentam uma conclusão mais restrita do que uma alegação geral de que o intake automatizado por voz supera formulários em todos os contextos.
Para compradores corporativos, a próxima pergunta mais útil é se outra equipe consegue reproduzir os ganhos usando definições comparáveis. Conversão, precisão, conclusão e custo precisam de limites explícitos de medição. Sem eles, porcentagens aparentemente semelhantes podem descrever resultados operacionais muito diferentes.
Acompanhe a expansão, os erros consequentes e a economia completa dos leads
As próximas evidências relevantes devem abordar a abrangência da implantação, a qualidade das informações e a economia operacional total, nessa ordem. Esses sinais testariam se os resultados iniciais de Tara se sustentam além das condições descritas no estudo de caso. Também ajudariam compradores a separar a capacidade do modelo do design do fluxo de trabalho.
Primeiro, acompanhe resultados de uma implantação mais ampla em distritos adicionais. A melhoria relatada na conversão ocorre antes de uma expansão ampla. Resultados comparáveis em uma implantação maior reforçariam o argumento de que o intake conversacional oferece valor reproduzível.
A expansão, por si só, estabeleceria alcance, e não qualidade. O sinal mais forte combinaria maior disponibilidade com definições consistentes de conversão e relatórios de conclusão. Se os resultados se deteriorarem, o resultado original permanecerá relevante, mas mais claramente limitado ao seu contexto inicial.
Segundo, acompanhe relatórios mais detalhados sobre erros de informações consequentes. Resultados de extração no nível de campo ajudariam a identificar onde o sistema precisa de correção ou revisão. Informações sobre revisões feitas por advogados acrescentariam outra perspectiva sobre quão útil o registro gerado se torna na prática.
Um resultado forte mostraria que campos importantes permanecem confiáveis à medida que as conversas se tornam mais variadas. Um resultado mais fraco mostraria um agregado favorável escondendo erros recorrentes em informações críticas. Qualquer uma das conclusões seria mais informativa do que outra porcentagem de precisão indiferenciada.
Terceiro, acompanhe a economia completa de um lead utilizável. A economia de voz por minuto estabelece apenas parte desse quadro. Os compradores também precisam entender o esforço necessário para processar, revisar, corrigir e encaminhar as informações resultantes.
A evidência mais forte conectaria despesas operacionais a registros que os advogados realmente conseguem usar. Economias que sobrevivem ao trabalho de correção e à supervisão sustentariam o argumento de negócios. Economias compensadas por trabalho substancial posterior o restringiriam.
O valor de longo prazo de Tara depende de conversas melhores produzirem registros confiáveis a um custo operacional sustentável.
Estes são pontos de observação, e não anúncios programados ou divulgações prometidas. O relato público não compromete a Stretto a publicar cada medida. A ausência delas deixaria as alegações iniciais menos avaliáveis de forma independente, sem estabelecer que a implantação falhou.
A história de intake do Nova 2 Sonic já oferece uma lição arquitetural útil. A automação de voz funciona dentro de um sistema maior de registros, regras e responsabilidade humana. O modelo lida com uma interação importante, enquanto a organização permanece responsável pelo fluxo de trabalho ao seu redor.
É também por isso que a comparação com o formulário web continuará relevante. Formulários oferecem uma base clara para a coleta de informações, mesmo quando os usuários os consideram trabalhosos. A voz conquista seu lugar quando melhora o processo completo, em vez de apenas tornar a interação inicial mais envolvente.
Para equipes que consideram uma abordagem de agente de voz de IA da Stretto, comecem pelas evidências por trás da melhoria alegada. Perguntem como a conversão foi definida, quais campos exigiram correção e o que aconteceu com chamadas incompletas. Examinem se o profissional responsável recebeu um registro mais útil, em vez de supor que a fluência conversacional forneceu um. Em seguida, comparem o fluxo de trabalho completo com o processo de intake existente, incluindo o esforço de revisão e correção. A experiência da Stretto oferece um motivo concreto para investigar o intake por voz, especialmente quando formulários não conseguem capturar os detalhes necessários. Leiam a arquitetura juntamente com as lacunas de medição e usem ambas para definir o que sua própria avaliação deve estabelecer antes de uma implantação mais ampla.



