Por que a voz se destaca em conversas complexas e estressantes

Quando um problema é complexo ou estressante, nossas pesquisas indicam que as pessoas preferem conversar sobre ele a digitá-lo. Para testar isso, comparamos chamadas de voz (por telefone e WhatsApp) com sessões de chat em centenas de agentes em produção que ofereciam ambos os canais e realizamos um estudo com usuários para ter outro ponto de comparação.

Descobrimos que a voz era a melhor opção para questões complexas. Em conversas com mais de dois minutos, a voz teve sucesso 32% mais vezes do que o chat por texto. Quando essas conversas mais longas eram bem-sucedidas, a voz as resolvia cerca de um terço mais rápido.

As pessoas também preferiram a voz quando a situação ficava estressante. Em um cenário simulado de voo cancelado, 85% dos participantes a escolheram.

Isso não torna o chat obsoleto. Em conversas curtas, o chat tem uma pequena vantagem. Mas, quanto mais uma conversa se prolonga, mais a voz ajuda.

A voz se destaca em questões complexas de suporte

Usamos a duração da conversa como um indicador de complexidade e vimos surgir um padrão. Em conversas com menos de um minuto, o chat teve desempenho cerca de 9 pontos percentuais melhor. Entre um e dois minutos, os dois canais tiveram resultados bastante equilibrados. Depois de dois minutos, a voz assumiu a dianteira: as taxas de sucesso foram 10,9 pontos maiores — um aumento de 31,7% — e quase dois terços dos agentes tiveram um desempenho significativamente melhor por voz.

A voz também resolve conversas mais longas com mais rapidez. Entre as conversas bem-sucedidas com mais de dois minutos, a voz teve uma média de 4,6 minutos, em comparação com 7 minutos no chat, e 78% dos 90 agentes com um número suficiente de conversas longas bem-sucedidas nos dois canais as resolveram mais rápido por voz.

A duração é uma medida imperfeita de complexidade, especialmente no chat, em que os clientes podem fazer pausas entre mensagens. Mas o padrão é claro: quanto mais longa a conversa, mais a voz ajuda.

Parte do motivo pode ser que a voz permite que os clientes abordem mais assuntos. As pessoas falam cerca de três vezes mais rápido do que digitam, e uma conversa falada mantém os dois lados envolvidos, em vez de esperando entre mensagens. Quando uma conversa se torna complexa, a voz é o caminho mais rápido para a resolução.

A fórmula vencedora da voz: velocidade e empatia

Nem toda conversa por voz tem sucesso, e um dos principais motivos é a latência. Em 315 conversas de agentes que migraram para um LLM mais rápido, com menor latência, uma redução de 16% na latência média de ponta a ponta se correlacionou a um aumento de 26% na taxa de sucesso. Ao mesmo tempo, a proporção de chamadas encerradas em até 15 segundos caiu de 21,1% para 3,8%.

Isso sugere que a latência é mais importante no início de uma chamada, quando as pessoas decidem se vão permanecer na linha. Se um agente demora para responder, é provável que quem liga presuma que a linha caiu ou que o sistema está com problema e desligue. Respostas mais rápidas mantêm as pessoas na linha tempo suficiente para receber ajuda.

A velocidade é apenas parte disso. Quando uma conversa é estressante, a forma como um agente soa também importa. Em um estudo com usuários que realizamos, 98 participantes passaram por um cenário simulado de voo cancelado, semelhante ao deste vídeo, e remarcaram a viagem com um agente de voz e um agente de chat em ordem aleatória. Em uma pesquisa após concluírem os cenários, 85% responderam que preferiam a voz, citando a rapidez da resolução e a empatia entre os principais motivos.

Por que acertar na voz importa

A fidelidade do cliente é conquistada ou perdida quando os riscos são maiores: o voo cancelado, a cobrança contestada, o problema que já consumiu tempo demais do cliente. Seja qual for o canal, não resolver o problema pode custar a próxima conversa.

Nas conversas mais difíceis, a voz oferece a melhor chance de resolução, se for bem desenvolvida. Isso começa com um agente capaz de concluir a tarefa. Conversas longas exigem um agente que acompanhe o contexto e se conecte aos seus sistemas, para que possa remarcar o voo ou emitir o reembolso por conta própria, em vez de transferir o cliente. A baixa latência é igualmente importante, pois mantém a conversa natural e as pessoas na linha. E a própria voz deve soar calma e empática, especialmente quando o cliente não está calmo.

É isso que estamos criando com o ElevenAgents. É um único agente, com o mesmo conhecimento e as mesmas integrações em voz e chat, para que os clientes possam resolver seus problemas no canal que preferirem. Mas, quanto mais uma conversa se prolonga, mais a voz ajuda — e mais rápido ela chega à resolução. As empresas que resolvem as conversas mais difíceis são aquelas às quais os clientes voltam.

Nossa metodologia

Analisamos agentes que atenderam a pelo menos 50 conversas por voz e 50 por chat entre maio e julho de 2026. Cada um foi avaliado com base em critérios de sucesso definidos pela empresa para seu próprio caso de uso.

Para manter a comparação justa, comparamos o desempenho de cada agente em voz e chat com ele próprio, em vez de combinar todas as conversas. As empresas diferem em caso de uso, volume e na forma como definem sucesso. Se combinássemos todas as conversas, uma empresa que usa principalmente a voz e, por acaso, tem altas taxas de sucesso faria a voz parecer melhor, mesmo que ela não fizesse diferença para essa empresa. Comparar cada agente com ele próprio elimina esse problema.