Ex-funcionários da Goldman e fundadores da Meta desenvolvem IA de voz para mercados pouco atendidos

O suporte e o atendimento ao cliente estão entre as áreas mais promissoras da IA de voz atualmente. No entanto, desenvolver um produto que soe humano e responda com o mínimo de atraso é muito mais desafiador em alguns mercados do que em outros — e a maioria das grandes empresas do setor não foi projetada tendo a África e o Oriente Médio em mente.

A AethexAI, uma startup fundada no ano passado para preencher essa lacuna, levantou US$ 3 milhões em financiamento pré-semente liderado pela 4DX Ventures, com a participação da Enza Capital, do Dorm Room Fund, da Mojo Ventures e do Stanford GSB 26 Fund. Entre os investidores individuais estão professores da Universidade de Stanford, executivos do setor de telecomunicações e pesquisadores de IA da Anthropic.

Em vez de depender de ferramentas de orquestração existentes, como Vapi e LiveKit, a empresa construiu do zero seu próprio modelo compacto e sua camada de orquestração para acomodar os dialetos locais do inglês, francês e árabe falados em seus mercados-alvo — uma decisão motivada, como veremos, pelas demandas específicas de operar na região.

A empresa também está lançando sua plataforma para que empresas testem sua tecnologia e se inscrevam nos serviços, juntamente com APIs e SDKs para que desenvolvedores experimentem seus modelos.

A startup foi fundada por Mariama Diallo e Ayooluwa Odemuyiwa. A CEO Diallo trabalhou anteriormente na Goldman Sachs e, posteriormente, ingressou na ModelML — apoiada pela YC — como profissional de produto e crescimento. O CTO Odemuyiwa se formou na Caltech, trabalhou na Meta e frequentou a Stanford Business School antes de cofundar a empresa. A dupla queria criar algo para mercados emergentes e começou a buscar oportunidades.

Empresas em todo o mundo estão correndo para adotar ferramentas de IA para automatizar partes de suas operações. Mas isso nem sempre ocorre sem problemas. No Egito, um call center automatizou grande parte de suas chamadas, mas reverteu o sistema devido aos resultados insatisfatórios, descobriram as fundadoras. Vários centros de suporte na África relataram que encontrar e contratar engenheiros para automatizar chamadas a um custo adequado era um desafio constante.

“A latência e a instabilidade que observamos nas chamadas automatizadas nessa região eram absurdas. Se tivéssemos nos tornado orquestradores, talvez tivéssemos que usar modelos grandes hospedados fora da região, o que levaria a uma latência maior. Percebemos que, para que isso funcionasse, precisávamos usar modelos muito pequenos e reduzir a latência em cada etapa”, disse Odemuyiwa ao TechCrunch sobre a decisão de construir os próprios modelos e a camada de orquestração da empresa.

Laboratórios de IA que implantam seus modelos mais recentes geralmente gastam milhões treinando-os e adquirindo dados. A AethexAI encontrou uma solução para ambos. Em vez de buscar os maiores modelos possíveis, a empresa concluiu que modelos pequenos são suficientes para resolver o problema da latência sem comprometer a precisão e desenvolveu sua própria série Kora, com parâmetros que variam de 300 milhões a 1,7 bilhão. Isso representa uma fração do tamanho dos grandes modelos de linguagem — e esse é exatamente o objetivo.

Para treinar esses modelos, a startup utilizou gravações anônimas de um parceiro de call center. Ela também enviou discos rígidos para estações de rádio em toda a África para coletar mais dados de áudio. Para manter os custos baixos, criou uma rede de colaboradores formada por estudantes universitários para anotar dados e pronunciar nomes locais. Como resultado, a startup afirma que agora processa mais de 17.000 chamadas por dia.

No lado comercial, a empresa tem o cuidado de orientar os clientes que são novos na IA de voz ao longo do processo, oferecendo demonstrações presenciais e workshops para ajudá-los a identificar os melhores casos de uso para a automação.

“Sempre dizemos aos clientes que não podemos ser tudo para todos neste momento. Somos pequenos. Quando começamos a conversar com uma empresa, pedimos que escolham um caso de uso que seja mais importante para eles para começar”, disse Diallo.

A startup está aberta a trabalhar em todos os setores, mas, no momento, grande parte de seus casos de uso envolve chamadas para cobrança de dívidas, ativação de clientes ou KYC — verificação “Know Your Customer”, o processo padrão de verificação de identidade usado por bancos e empresas de telecomunicações. A empresa está contratando engenheiros em regime de contrato para atender aos mercados locais e estabelecendo parcerias de canal com operadoras de telecomunicações para gerenciar a telefonia das chamadas de IA de voz. Soluções do tipo “plug-and-play”, segundo a empresa, simplesmente não funcionam aqui.

Walter Badoo, cofundador e sócio-gerente da 4DX Ventures, argumenta que o mercado da África e do Oriente Médio é fundamentalmente diferente dos mercados para os quais a maioria das empresas de IA de voz foi criada para atender.

“As empresas na África e no Oriente Médio processam aproximadamente três vezes o volume de chamadas de suas contrapartes ocidentais, já que a voz ainda é o canal dominante para a interação com o cliente”, disse ele. “Os sistemas existentes foram criados para mercados ocidentais caracterizados por infraestrutura de GPU de ponta, inglês padrão e ambientes de fala europeus, além de fluxos de trabalho corporativos comuns nos EUA e na Europa. Isso cria lacunas reais quando as empresas precisam de sistemas que lidem com dialetos, alternância de código e padrões de fala informais, e que funcionem dentro de sua infraestrutura de telefonia existente e de seus faixas de preço reais.”

Dito de outra forma, embora empresas como ElevenLabs, Deepgram, Sierra e Cognigy estejam se expandindo globalmente em ritmo acelerado, os mercados para os quais foram criadas e os mercados nos quais estão entrando nem sempre são os mesmos. Startups como a AethexAI apostam que essas lacunas — modelos especializados em dialetos locais, parcerias no terreno e infraestrutura construída para a região — representam uma oportunidade de mercado que as gigantes não têm nem o incentivo nem a arquitetura para preencher.