Agora propõe 5 níveis de diálogo com IA — infraestrutura de voz em tempo real vira gargalo para empresas brasileiras

O fundador e CEO da Agora, Zhao Bin, abriu a conferência iRTE2026, realizada em Pequim em 23 de outubro, com uma proposta que interessa diretamente a quem compra ou constrói soluções de IA no Brasil: uma escala de cinco níveis para avaliar a capacidade de diálogo de um sistema conversacional, do básico 'pergunta e resposta' até a compreensão de relações e contexto de longo prazo. Zhao argumenta que a próxima fronteira da AGI conversacional não está apenas na qualidade do modelo de linguagem, mas na infraestrutura de interação em tempo real — a camada que garante latência baixa, estabilidade e suporte a interrupções. É essa camada que empresas brasileiras de atendimento, contact centers, saúde digital e varejo precisam avaliar ao contratar fornecedores chineses ou globais de IA. Na iRTE2026, conferência de inteligência em tempo real realizada em Pequim em 23 de outubro, o CEO da Agora, Zhao Bin, apresentou a estrutura de 'cinco níveis de capacidade de diálogo', uma escala que vai do L1 — expressão baseada na própria perspectiva, com predominância de autoexpressão e continuidade passiva, o clássico 'pergunta uma vez, responde uma vez' — até o L5, comunicação baseada em relacionamentos profundos, em que a IA compreende contexto de longo prazo e a evolução das relações, saindo da compreensão do momento para a compreensão de uma pessoa. Entre os dois extremos, Zhao posiciona o L2 (expressão baseada em regras de interação, com respostas ativas e mais naturais), o L3 (cognição individual: identidade, intenção e situação do interlocutor) e o L4 (cognição grupal: relações sociais e diferenças de papel em conversas multipessoais). A tese central é que o progresso da IA conversacional não deve ser medido apenas por velocidade de resposta e fluência linguística, mas pela capacidade de entender intenção, situação e relação. Por que isso chega ao Brasil: a Agora é uma das principais fornecedoras globais de infraestrutura de voz e vídeo em tempo real, e sua tecnologia — baseada em WebRTC — está na base de produtos de atendimento, telemedicina, educação online e vendas por vídeo usados por empresas brasileiras. O movimento descrito por Zhao, de que o objeto da interação em tempo real se expande de pessoa para pessoa para pessoa e agente, toca diretamente setores como contact centers terceirizados, fintechs de crédito com atendimento por voz, healthtechs de teleconsulta e varejistas que adotam assistentes virtuais. Do lado regulatório, a ANVISA e a ANS acompanham IA em saúde, enquanto o Banco Central discute regras para atendimento automatizado em serviços financeiros. O impacto direto é indireto, via escolha de fornecedor de infraestrutura: empresas brasileiras que compram IA conversacional 'pronta' precisarão cobrar dos fornecedores métricas de latência, estabilidade e suporte a interrupção, não apenas qualidade do modelo de linguagem. Os dados mostram que, no último ano, a adoção aprofundada de WebRTC por empresas como a OpenAI impulsionou a tecnologia de interação em tempo real no campo da IA conversacional, segundo Zhao. Na leitura do CBI, isso indica que a camada de infraestrutura — e não o modelo de linguagem em si — tende a se tornar o principal diferencial competitivo e o principal gargalo de custo para quem opera IA em escala no Brasil. A comparação com eventos anteriores é clara: a primeira onda de chatbots, em 2023-2024, foi dominada pela qualidade do texto; a onda atual, de agentes de voz full-duplex, é dominada por latência, estabilidade e capacidade de lidar com interrupções e chamadas de ferramentas em tempo real. Para o empresário brasileiro, isso significa que contratos de IA precisam incluir SLA de latência e testes de estresse em português com sotaques regionais, algo raramente exigido até agora. O que acompanhar: primeiro, se a Agora e concorrentes como Twilio e fornecedores chineses de infraestrutura de voz publicarem benchmarks de latência para português brasileiro nos próximos meses. Segundo, se o Banco Central ou a ANVISA emitirem orientações específicas sobre atendimento automatizado por voz, o que pode criar exigências de auditoria de infraestrutura. Terceiro, o ritmo de adoção de agentes de voz em contact centers brasileiros na temporada de renovação de contratos, no primeiro trimestre de 2027, quando empresas costumam renegociar fornecedores de IA.