Compradores empresariais e as pessoas que eles atendem querem coisas opostas: 67% dos líderes empresariais já classificam a IA de voz como central para sua estratégia, enquanto 79% dos consumidores americanos dizem preferir fortemente um humano a um agente de IA. Essa lacuna, não os benchmarks de modelos, é a estatística que define a IA de voz em 2026. O mercado está financiando pesadamente o lado comprador: somente a ElevenLabs captou US$ 500 milhões com avaliação de US$ 11 bilhões em fevereiro de 2026, e a Grand View Research projeta que a categoria de agentes de voz com IA crescerá de US$ 2,54 bilhões em 2025 para US$ 35,24 bilhões até 2033. Enquanto isso, 91% dos líderes de atendimento ao cliente relatam pressão executiva para implantar IA neste ano. Os números abaixo vêm da pesquisa State of Voice AI da Deepgram com a Opus Research, de comunicados de imprensa da Gartner, da pesquisa sobre agentes de voz da a16z, da pesquisa de consumidores da SurveyMonkey de dezembro de 2025, do relatório Amplified 2026 da Voices.com, da Grand View Research, da Fortune Business Insights e da tabela de preços de API publicada pela OpenAI.
TL;DR
- O mercado de agentes de voz com IA foi de US$ 2,54 bilhões em 2025, com projeção de US$ 35,24 bilhões até 2033, a um CAGR de 39,0% (Grand View Research)
- O mercado mais amplo de IA conversacional chega a US$ 17,97 bilhões em 2026, com previsão de US$ 82,46 bilhões até 2034 (Fortune Business Insights)
- 67% dos líderes empresariais classificam a IA de voz como central para sua estratégia de produto e de negócios (Deepgram / Opus Research, State of Voice AI)
- Apenas 21% estão muito satisfeitos com os sistemas tradicionais de agente de voz que já operam (Deepgram / Opus Research)
- 91% dos líderes de atendimento e suporte ao cliente estão sob pressão executiva para implementar IA em 2026 (Gartner, fevereiro de 2026)
- A Gartner projeta que a IA agêntica resolverá de forma autônoma 80% dos problemas comuns de atendimento ao cliente até 2029, cortando os custos operacionais em 30%
- 79% dos adultos americanos preferem fortemente um humano a um agente de IA, e 89% querem que a opção humana esteja sempre disponível (SurveyMonkey, dezembro de 2025)
- A ElevenLabs captou US$ 500 milhões com avaliação de US$ 11 bilhões em fevereiro de 2026, com mais de US$ 330 milhões em ARR (ElevenLabs)
- 22% de uma turma recente da Y Combinator estava construindo com voz, entre 90 empresas de agentes de voz desde 2020 (a16z)
- O áudio de saída do gpt-realtime-2.1 custa US$ 64,00 por milhão de tokens, com entrada de áudio em cache a US$ 0,40 por milhão (OpenAI)
- 55% dos consumidores usam voz para interagir com IA, mas apenas 29% das empresas implantaram IA de voz voltada ao cliente (Voices.com, Amplified 2026)
- A automação de atendimento ao cliente respondeu por 44,2% da receita de agentes de voz com IA em 2025; a saúde é o uso final de crescimento mais rápido, com CAGR de 42,0% (Grand View Research)
1. Tamanho de Mercado: Duas Previsões Que Medem Coisas Diferentes
As taxas de crescimento manchete da IA de voz não são comparáveis, e essa diferença importa para quem está orçando com base nelas. A Grand View Research acompanha agentes de voz com IA de forma restrita, sistemas autônomos que sustentam uma conversa falada, e chega a uma base pequena com uma curva acentuada: US$ 2,54 bilhões em 2025, a um CAGR de 39,0%. A Fortune Business Insights mede a IA conversacional de forma ampla, incluindo chatbots de texto, o que produz uma base cerca de sete vezes maior crescendo à metade da taxa. A categoria mais restrita, só de voz, tem previsão de crescer quase 14x até 2033, enquanto o mercado mais amplo de IA conversacional cresce cerca de 4,6x até 2034.
| Métrica | Valor | Fonte |
|---|---|---|
| Mercado de agentes de voz com IA, 2025 | $2.54 billion | Grand View Research |
| Mercado de agentes de voz com IA, previsão para 2033 | $35.24 billion | Grand View Research |
| CAGR de agentes de voz com IA, 2026-2033 | 39.0% | Grand View Research |
| Mercado de IA conversacional, 2025 | $14.79 billion | Fortune Business Insights |
| Mercado de IA conversacional, 2026 | $17.97 billion | Fortune Business Insights |
| Mercado de IA conversacional, previsão para 2034 | $82.46 billion | Fortune Business Insights |
| CAGR de IA conversacional, 2026-2034 | 21.0% | Fortune Business Insights |
| Participação da América do Norte na IA conversacional, 2025 | 35.10% ($5.19 billion) | Fortune Business Insights |
A concentração regional é consistente nas duas empresas: a América do Norte detém 38,1% da receita de agentes de voz com IA e 35,10% da IA conversacional. Para saber como a camada de síntese subjacente é precificada e dimensionada separadamente da camada de agente, veja nosso levantamento do mercado de geradores de voz com IA. Relatórios completos: Grand View Research e Fortune Business Insights.
2. Adoção Empresarial: A Transcrição Virou Requisito Básico
A pesquisa da Deepgram com a Opus Research, cobrindo 400 líderes empresariais em mais de uma dezena de setores, mostra que a mudança tem menos a ver com adotar IA de voz do que com intensificá-la. 92% das organizações já capturam seus dados de fala, e 56% agora transcrevem mais da metade de suas interações de voz, um avanço em relação a um estado anterior em que 84% transcreviam menos da metade. Captura e transcrição já estão resolvidas; a questão em aberto é o que roda em cima delas. É aí que a satisfação desaba: 80% operam sistemas tradicionais de agente de voz, mas apenas 21% estão muito satisfeitos com eles, o que é a explicação mais clara disponível para o motivo de 84% planejarem aumentar orçamentos nos próximos doze meses.
| Métrica | Valor | Fonte |
|---|---|---|
| Líderes empresariais entrevistados | 400 | Deepgram / Opus Research |
| Capturam seus dados de fala | 92% | Deepgram / Opus Research |
| Transcrevem mais da metade das interações | 56% | Deepgram / Opus Research |
| Classificam a IA de voz como central para a estratégia de negócios | 67% | Deepgram / Opus Research |
| Operam sistemas tradicionais de agente de voz | 80% | Deepgram / Opus Research |
| Muito satisfeitos com os agentes de voz tradicionais | 21% | Deepgram / Opus Research |
| Planejam aumentar orçamentos nos próximos 12 meses | 84% | Deepgram / Opus Research |
| Citam o ajuste fino (fine-tuning) de modelos como chave para adoção mais ampla | 46% | Deepgram / Opus Research |
A divisão de 80% contra 21% é o dado fora da curva que vale acompanhar: a insatisfação com sistemas incumbentes no estilo URA (IVR), e não a demanda por projetos inteiramente novos, é o que financia a maioria dos projetos de substituição. Fonte: Deepgram State of Voice AI Report.
3. Pressão Executiva e a Meta de 2029
O resultado principal da pesquisa da Gartner de fevereiro de 2026 é direto: 91% dos líderes de atendimento e suporte ao cliente estão sob pressão executiva para implementar IA neste ano. Essa pressão está ancorada em uma previsão mais longa que a empresa publicou em março de 2025, projetando que a IA agêntica resolverá de forma autônoma 80% dos problemas comuns de atendimento ao cliente sem intervenção humana até 2029, com um corte de 30% nos custos operacionais. A palavra que faz o trabalho pesado nessa previsão é “comuns”, já que redefinições rotineiras de senha e consultas de status de pedido são um problema diferente de disputas de cobrança ou reclamações de fraude. Lida em conjunto com os dados de consumidores da seção 5, a meta de 2029 descreve um teto para o volume automatizável, e não uma previsão de que o suporte por telefone vá desaparecer.
| Métrica | Valor | Fonte |
|---|---|---|
| Líderes de atendimento ao cliente sob pressão para implementar IA em 2026 | 91% | Gartner, February 2026 |
| Problemas comuns de atendimento ao cliente resolvidos de forma autônoma até 2029 | 80% (forecast) | Gartner, March 2025 |
| Redução projetada de custos operacionais até 2029 | 30% | Gartner, March 2025 |
| Consumidores que querem que a opção humana seja sempre oferecida | 89% | SurveyMonkey, December 2025 |
| Consumidores que acreditam que agentes humanos são mais precisos | 84% | SurveyMonkey, December 2025 |
| Empresas com IA de voz voltada ao cliente implantada | 29% | Voices.com, Amplified 2026 |
A economia dos contact centers foi remodelada por cada onda de automação desde as primeiras árvores de URA, e a base histórica é coberta em nosso levantamento de estatísticas do setor de call center. Fontes: Gartner, fevereiro de 2026 e Gartner, março de 2025.
4. Investimento e Avaliações: Para Onde Foi o Capital
A ElevenLabs é o indicador público mais claro para avaliações de IA de voz porque divulga seus próprios números. A empresa captou US$ 500 milhões, liderados pela Sequoia Capital, com avaliação de US$ 11 bilhões em 4 de fevereiro de 2026, praticamente triplicando em relação a cerca de US$ 3,7 bilhões um ano antes, com mais de US$ 330 milhões em ARR no fechamento de 2025. O total captado chegou a US$ 781 milhões em cinco rodadas, o que significa que a empresa levantou quase dois terços de todo o seu capital histórico em uma única rodada. O funil de startups por trás disso é igualmente concentrado: a a16z contou 90 empresas de agentes de voz nas turmas da Y Combinator desde 2020, com 22% de uma turma recente construindo em torno de voz.
| Métrica | Valor | Fonte |
|---|---|---|
| Série D da ElevenLabs, fevereiro de 2026 | $500 million | ElevenLabs |
| Avaliação da ElevenLabs, fevereiro de 2026 | $11 billion | ElevenLabs |
| Avaliação da ElevenLabs, doze meses antes | approx. $3.7 billion | ElevenLabs |
| ARR da ElevenLabs no fim de 2025 | $330+ million | ElevenLabs |
| Total captado pela ElevenLabs, cinco rodadas | $781 million | ElevenLabs |
| Idiomas suportados pela ElevenLabs | 70+ | ElevenLabs |
| Empresas de agentes de voz da YC desde 2020 | 90 | a16z |
| Parcela de uma turma recente da YC construindo com voz | 22% | a16z (per Cartesia) |
A qualidade da síntese é o insumo que torna as implantações de agentes viáveis, e a capacidade subjacente de software de clonagem de voz é o que separa uma voz de agente utilizável de uma robótica. Fontes: anúncio da Série D da ElevenLabs e atualização da a16z sobre agentes de voz com IA.
5. Economia Unitária: Quanto Custa de Fato um Minuto de Voz
O preço de API publicado é o único dado por unidade neste levantamento que não vem de pesquisa, e ele caiu rápido. A a16z documentou o reajuste de preços de dezembro de 2024 do GPT-4o realtime, com 60% de desconto na entrada de áudio e 87,5% na saída de áudio. Os preços de tabela atuais mostram o mesmo padrão se repetindo entre os níveis de modelo: a variante mini realtime custa aproximadamente um terço do modelo completo, e a entrada de áudio em cache é precificada a US$ 0,40 por milhão de tokens, contra US$ 32,00 sem cache, uma diferença de 80 vezes que recompensa a reutilização de prompts. A transcrição hoje é, na prática, um valor irrisório, a US$ 0,0045 por minuto para o gpt-transcribe, o que explica por que os dados da pesquisa mostram captura e transcrição já universalizadas enquanto a implantação de agentes ainda está atrasada.
| Métrica | Valor | Fonte |
|---|---|---|
| Entrada de áudio do gpt-realtime-2.1, por 1M tokens | $32.00 | OpenAI API pricing |
| Saída de áudio do gpt-realtime-2.1, por 1M tokens | $64.00 | OpenAI API pricing |
| Entrada de áudio em cache do gpt-realtime-2.1, por 1M tokens | $0.40 | OpenAI API pricing |
| Entrada de áudio do gpt-realtime-2.1-mini, por 1M tokens | $10.00 | OpenAI API pricing |
| Saída de áudio do gpt-realtime-2.1-mini, por 1M tokens | $20.00 | OpenAI API pricing |
| Transcrição do gpt-transcribe, por minuto | $0.0045 | OpenAI API pricing |
| Transcrição do Whisper, por minuto | $0.006 | OpenAI API pricing |
| Texto para voz do tts-1, por 1M caracteres | $15.00 | OpenAI API pricing |
| Corte de preço da saída de áudio do GPT-4o realtime, dezembro de 2024 | 87.5% | a16z |
Preço de tabela não é custo implantado. Telefonia, orquestração, novas tentativas de chamadas falhas e escalonamento para humanos carregam suas próprias linhas de custo, e nenhum dos dados públicos de pesquisa detalha o custo total por chamada resolvida. Para o lado da síntese dessa pilha, nossa página de gerador de voz com IA gratuito cobre o que a camada de saída faz. Fonte: preços de API da OpenAI.
6. Confiança do Consumidor: A Lacuna Que Ninguém Fechou
A pesquisa da SurveyMonkey de dezembro de 2025, com 2.017 adultos americanos, é o conjunto de dados de consumidores metodologicamente mais transparente aqui, com margem de erro declarada de mais ou menos 2,5 pontos e ponderação por idade, raça, sexo, escolaridade e geografia. Seus resultados vão diretamente contra os planos de implantação das empresas. 79% preferem fortemente um agente humano, 81% acreditam que a IA é implantada para economizar dinheiro em vez de melhorar o serviço, e 56% relatam sentimentos negativos sobre empresas que usam IA, de modo geral. As razões apresentadas são específicas, não uma hostilidade vaga: 61% dizem que agentes humanos entendem melhor suas necessidades, 53% citam explicações mais completas, e 52% simplesmente acham os humanos menos frustrantes.
| Métrica | Valor | Fonte |
|---|---|---|
| Adultos americanos entrevistados (10-11 de dez. de 2025) | 2,017 (±2.5 pts) | SurveyMonkey |
| Preferem fortemente um humano a um agente de IA | 79% | SurveyMonkey |
| Acreditam que agentes humanos são mais precisos | 84% | SurveyMonkey |
| Dizem que empresas deveriam sempre oferecer opção humana | 89% | SurveyMonkey |
| Acreditam que a IA é usada para economizar dinheiro, não melhorar o serviço | 81% | SurveyMonkey |
| Não acreditam que a IA poderia algum dia substituir humanos | 63% | SurveyMonkey |
| Geração Z que prefere IA | 14% | SurveyMonkey |
| Baby Boomers que preferem IA | 4% | SurveyMonkey |
| Confiantes de que conseguem identificar um chatbot de IA | 54% | SurveyMonkey |
O relatório Amplified 2026 da Voices.com, conduzido pela Censuswide com 700 líderes empresariais e consumidores e divulgado em 28 de janeiro de 2026, acrescenta a contrapartida do lado das marcas: 79% dos líderes empresariais dizem que vozes de IA deveriam vir de dubladores reais, 79% dizem que vozes de IA inautênticas prejudicam a percepção de marca, e 61% dos consumidores acham as vozes de IA mais memoráveis quando associadas a uma única marca. Fontes: SurveyMonkey e Voices.com.
7. Onde os Agentes de Voz Chegam Primeiro
A implantação não está se espalhando de forma uniforme. A Grand View Research relata que agentes de entrada (inbound) detiveram 52,1% da receita de 2025 e a automação de atendimento ao cliente 44,2%, com a saúde como o uso final de crescimento mais rápido, a um CAGR de 42,0% até 2033. O detalhamento da a16z sobre fundadores de agentes de voz da Y Combinator confirma isso: aproximadamente 69% miram B2B, 18% saúde e 13% consumidor. Dentro da saúde, a especialização é mais fina do que a categoria sugere: 11,2% medicina humana geral, 3,4% odontologia, 2,2% veterinária e 1,1% fisioterapia. O padrão favorece verticais com alto volume de chamadas, scripts padronizados, escassez crônica de mão de obra e um histórico documentado de conformidade.
| Métrica | Valor | Fonte |
|---|---|---|
| Agentes de voz de entrada (inbound), participação na receita de 2025 | 52.1% | Grand View Research |
| Automação de atendimento ao cliente, participação na receita de 2025 | 44.2% | Grand View Research |
| CAGR do uso final em saúde, 2026-2033 | 42.0% | Grand View Research |
| Fundadores de agentes de voz da YC construindo para B2B | approx. 69% | a16z |
| Fundadores de agentes de voz da YC em saúde | approx. 18% | a16z |
| Fundadores de agentes de voz da YC em consumidor | approx. 13% | a16z |
| Fundadores de voz B2B da YC em fintech | 16.9% | a16z |
| Fundadores de voz B2B da YC em operações e suporte | 12.4% | a16z |
| Receita anual do setor de recrutamento (contexto para agentes de recrutamento) | $650 billion | a16z |
A única métrica de resultado documentada no artigo da a16z é uma agência de recrutamento que melhorou o avanço de candidatos na triagem de primeira fase de 50% para 90%, um único estudo de caso, não um benchmark. Fonte: atualização da a16z sobre agentes de voz com IA.
Resumo: Agentes de Voz com IA em Números
| Métrica | Valor | Fonte |
|---|---|---|
| Mercado de agentes de voz com IA, 2025 | $2.54 billion | Grand View Research |
| Mercado de agentes de voz com IA, previsão para 2033 | $35.24 billion | Grand View Research |
| CAGR de agentes de voz com IA, 2026-2033 | 39.0% | Grand View Research |
| Mercado de IA conversacional, 2026 | $17.97 billion | Fortune Business Insights |
| Mercado de IA conversacional, previsão para 2034 | $82.46 billion | Fortune Business Insights |
| Líderes empresariais que classificam a IA de voz como central para a estratégia | 67% | Deepgram / Opus Research |
| Muito satisfeitos com os agentes de voz tradicionais | 21% | Deepgram / Opus Research |
| Planejam aumentar orçamentos de IA de voz em 12 meses | 84% | Deepgram / Opus Research |
| Organizações que capturam seus dados de fala | 92% | Deepgram / Opus Research |
| Líderes de atendimento ao cliente sob pressão para implantar IA em 2026 | 91% | Gartner |
| Problemas comuns de atendimento resolvidos de forma autônoma até 2029 | 80% (forecast) | Gartner |
| Redução projetada de custos operacionais até 2029 | 30% | Gartner |
| Adultos americanos que preferem fortemente um agente humano | 79% | SurveyMonkey |
| Adultos americanos que querem opção humana sempre oferecida | 89% | SurveyMonkey |
| Adultos americanos que acreditam que a IA é implantada para cortar custos | 81% | SurveyMonkey |
| Consumidores que usam voz para interagir com IA | 55% | Voices.com |
| Empresas com IA de voz voltada ao cliente em operação | 29% | Voices.com |
| Avaliação da ElevenLabs, fevereiro de 2026 | $11 billion | ElevenLabs |
| ARR da ElevenLabs no fim de 2025 | $330+ million | ElevenLabs |
| Empresas de agentes de voz da YC desde 2020 | 90 | a16z |
| Saída de áudio do gpt-realtime-2.1, por 1M tokens | $64.00 | OpenAI |
| Transcrição do gpt-transcribe, por minuto | $0.0045 | OpenAI |
Metodologia e Fontes
- Os números de adoção empresarial, transcrição, satisfação e orçamento vêm da pesquisa State of Voice AI da Deepgram, conduzida com a Opus Research com 400 líderes empresariais em mais de uma dezena de setores (Deepgram).
- A pressão executiva e a previsão de resolução autônoma para 2029 vêm de dois comunicados de imprensa da Gartner: a pesquisa de fevereiro de 2026 com líderes de atendimento ao cliente (Gartner) e a previsão de IA agêntica de março de 2025 (Gartner).
- Os dados de preferência do consumidor vêm da pesquisa da SurveyMonkey com 2.017 adultos americanos, realizada em 10 e 11 de dezembro de 2025, com margem de erro de mais ou menos 2,5 pontos percentuais, ponderada por idade, raça, sexo, escolaridade e geografia (SurveyMonkey).
- Os números de uso de voz por consumidores, percepção de marca e licenciamento de voz vêm do relatório Amplified 2026 State of Voice da Voices.com, conduzido pela Censuswide com 700 líderes empresariais e consumidores e publicado em 28 de janeiro de 2026 (Voices.com).
- Os números de captação, avaliação, ARR e cobertura de idiomas são divulgações primárias do anúncio da Série D da ElevenLabs, datado de 4 de fevereiro de 2026 (ElevenLabs).
- Os dados do funil de startups, os detalhamentos por vertical e os cortes de preço da API realtime de dezembro de 2024 vêm da pesquisa da a16z sobre agentes de voz com IA, que atribui a porcentagem da turma da YC à Cartesia (a16z).
- O dimensionamento de mercado usa duas empresas com definições de categoria diferentes: a Grand View Research especificamente para agentes de voz com IA (Grand View Research) e a Fortune Business Insights para IA conversacional, incluindo chatbots de texto (Fortune Business Insights).
- Os preços por token e por minuto vêm da página de preços de API publicada pela OpenAI, atual até esta atualização (OpenAI).
- Aviso sobre os dados: as duas previsões de mercado aqui não são intercambiáveis, já que a Grand View Research mede apenas agentes de voz, enquanto a Fortune Business Insights inclui chatbots de texto em uma categoria cerca de sete vezes maior; qualquer artigo que apresente um único “tamanho de mercado de IA de voz” sem declarar qual definição usa deve ser tratado com cautela. Alegações de ROI publicadas por fornecedores que circulam nessa categoria (retornos de três anos acima de 300%, custos por chamada abaixo de US$ 1) remontam a páginas de marketing, não a estudos auditados, e foram excluídas aqui.
- A pesquisa da Deepgram é a edição disponível mais recente no momento da publicação; espera-se que uma nova rodada altere principalmente os números de satisfação e orçamento.
- Última atualização: 29 de julho de 2026. Planejamos atualizar este levantamento trimestralmente conforme novas divulgações da Gartner, da Deepgram e de pesquisas de mercado forem publicadas.