Agentes de voz e telefonia AI: SIP, WebRTC e PSTN explicados
Implantar agentes de voz significa conectar-se à rede telefônica. Aqui está um guia prático para entroncamento SIP, WebRTC, PSTN e como escolher a pilha de telefonia certa.
Seu agente de voz com IA precisa se conectar ao mundo por meio de redes telefônicas ou navegadores da web. A camada de telefonia costuma ser a parte menos compreendida e mais frustrante da implantação. Aqui está o que você precisa saber sobre os três principais tipos de conexão e quando usar cada um.
PSTN: a rede telefônica tradicional
A Rede Telefônica Pública Comutada é o que seus clientes usam quando discam um número de telefone. As conexões PSTN são as mais universais – todos os telefones podem alcançá-las – mas apresentam maior latência (50–150 ms ida e volta) e custam mais por minuto. Para linhas de suporte de entrada e campanhas de chamadas de saída, normalmente é necessário PSTN porque é assim que seus clientes fazem chamadas.
Entroncamento SIP: o padrão empresarial
O Session Initiation Protocol (SIP) conecta seu agente de voz à rede telefônica por meio de troncos baseados na Internet fornecidos por operadoras como Twilio, Vonage ou Telnyx. SIP is how most voice agent platforms handle telephony: they provision phone numbers on a SIP trunk, receive calls via the SIP protocol, and route audio to the AI pipeline. Se você tiver infraestrutura SIP existente (um PBX, plataforma de contact center ou relacionamento com operadora), muitas vezes poderá trazer seu próprio tronco e apontá-lo para a plataforma do agente de voz.
WebRTC: voz e vídeo baseados em navegador
A comunicação em tempo real da Web (WebRTC) permite voz e vídeo diretamente no navegador, sem envolvimento de rede telefônica. A latência é normalmente de 20 a 50 ms – significativamente mais rápida que a PSTN. WebRTC é ideal para incorporar agentes de voz em seu site ou aplicativo, onde o cliente clica em um botão para falar em vez de discar um número de telefone. Também permite interações multimodais (voz + vídeo + compartilhamento de tela) que o PSTN não pode suportar.
Escolhendo seu modelo de implantação
- Suporte telefônico de entrada (clientes ligam para um número) → PSTN via tronco SIP
- Chamadas de saída (vendas, lembretes, cobranças) → PSTN via tronco SIP com gerenciamento de identificação de chamadas
- Suporte no site ou no aplicativo (o cliente clica para falar) → WebRTC para menor latência e capacidade multimodal
- Híbrido (telefone + web) → plataforma que suporta implantações SIP e WebRTC a partir da mesma configuração de agente
Pronto para construir?
Veja como os agentes de IA multimodais da Mazed funcionam para o seu caso de uso.