YourStory em parceria com o Google Cloud Índia lança hackathon de IA de voz com prêmio de 8 lakh de rúpias
Leia mais
YourStory [india, en]
yourstory.com

YourStory em parceria com o Google Cloud Índia lança hackathon de IA de voz com prêmio de 8 lakh de rúpias

O desenvolvimento da inteligência artificial de voz (Voice AI) transformou as ferramentas de comunicação em interfaces inteligentes capazes de executar ações. Isso abre novas oportunidades para as empresas otimizarem operações, melhorarem a interação com clientes e alcançarem crescimento. A IA de voz ajuda os negócios a operar, comunicar-se com consumidores e atingir objetivos definidos, por exemplo, permitindo que equipes de campo acessem informações corporativas sem usar as mãos ou realizem transações por meio de comandos de voz.

Para estimular a criação de soluções práticas baseadas em Voice AI, o parceiro tecnológico Google Cloud, YourStory e Hack2skill organizaram um hackathon virtual chamado «Build with Gemini – Shape What's Next». O objetivo do evento é promover a implementação prática do stack Gemini entre profissionais em atividade em toda a Índia.

O hackathon convida desenvolvedores, engenheiros de IA/ML, especialistas em dados e fundadores técnicos para identificar problemas de negócios e desenvolver protótipos funcionais de IA de voz usando Gemini. Os participantes podem se inscrever individualmente ou em equipes de até quatro pessoas. É importante notar que estudantes e profissionais desempregados não são elegíveis para participar desta rodada.

As inscrições e a apresentação de ideias estão abertas até 3 de dezembro de 2026. Os participantes devem apresentar uma ideia que resolva um dos quatro problemas propostos. As equipes selecionadas receberão US$ 100 em créditos do Google Cloud para desenvolver protótipos e criar um vídeo de demonstração de um a dois minutos.

O hackathon foca na criação de soluções de IA de voz que vão além de simplesmente responder a perguntas, incluindo extração de informações, execução de tarefas e tomada de medidas através de sistemas conectados. Os participantes podem escolher um dos quatro focos temáticos:

  • Agente de conhecimento corporativo controlado por voz: É necessário criar um agente em tempo real que ajude os funcionários a encontrar informações de diversas fontes corporativas, como documentos, tickets de suporte, wikis de projetos e chats. O agente deve suportar idiomas regionais e troca de código de fala, extrair dados em diferentes idiomas e fornecer respostas baseadas em dados corporativos. Ele também deve ser capaz de executar ações através de sistemas conectados, como criar solicitações, verificar estoques ou atualizar registros.
  • Automação de fluxos de trabalho por voz: Este concurso é dedicado ao uso de instruções de voz para realizar tarefas de negócios sem a necessidade de navegar em formulários ou sites. Os participantes devem desenvolver fluxos de trabalho controlados por voz que traduzam comandos de voz multilíngues em ações em APIs, registros, bancos de dados ou sistemas de contabilidade. A solução deve coordenar várias etapas, processar exceções e prever a participação humana quando necessário para aprovação ou tomada de decisão. Áreas de aplicação possíveis incluem registro de presença no local, registro de entregas, reserva de serviços e apresentação de reclamações.
  • Agentes de voz para clientes e linha de frente: A tarefa consiste em desenvolver um agente em tempo real que interage diretamente com clientes ou auxilia funcionários da linha de frente durante interações ao vivo. O agente deve entender intenções, contexto e tom emocional; extrair as informações necessárias e executar tarefas, como agendar um slot, verificar pedidos ou criar tickets de suporte. Ele deve funcionar em vários idiomas e incluir um mecanismo de transferência de caso para um humano em situações que exijam julgamento.
  • Inovações abertas: IA de voz real com Gemini: Esta categoria permite que os participantes identifiquem um problema organizacional ou oportunidade em qualquer setor e desenvolvam uma solução baseada em IA de voz. O agente deve usar o Gemini para entender e raciocinar sobre a entrada de voz, incluindo idiomas indianos e troca de código de fala, bem como conectar essa entrada a ações através de APIs, registros, bancos de dados ou sistemas de contabilidade.

Em todas as quatro categorias, espera-se que os participantes demonstrem interação natural com baixa latência, capacidade de lidar com idiomas regionais, habilidade para lidar com interrupções e ruído de fundo, bem como capacidade de executar ações no backend. Os protótipos também devem demonstrar valor mensurável em métricas como tempo economizado, tarefas concluídas, precisão melhorada, cobertura de idiomas ou custo por interação.

O hackathon ocorre em um processo de sete etapas, que começa com o registro gratuito e a submissão de ideias. As equipes selecionadas recebem créditos do Google Cloud e avançam para a fase de desenvolvimento, onde criam protótipos usando Gemini e apresentam vídeos de demonstração. Os participantes terão acesso a mentoria de especialistas do setor, consultoria e sessões guiadas de profissionais do Google Cloud e Hack2skill.

As apresentações serão avaliadas em duas fases. O processo inclui triagem de ideias por IA e seleção manual, pré-seleção técnica, avaliação por rubrica e rodada final de júri com especialistas do Google Cloud. Os critérios de avaliação incluem o domínio de aplicação e seu impacto nos negócios, o uso eficaz dos recursos do Gemini Enterprise, a qualidade e a implementação do produto, inovação, apresentação e conteúdo do usuário.

O prêmio total do hackathon é de 8 lakh de rúpias, e oito equipes vencedoras serão escolhidas de um pool nacional unificado. Todas as equipes selecionadas receberão US$ 100 em créditos do Google Cloud para apoiar o desenvolvimento de protótipos. Cada equipe que apresentar um protótipo válido receberá um certificado eletrônico. Os participantes selecionados também poderão ver seu trabalho nos canais YourStory e Hack2skill.

Histórias semelhantes

Startup Dreamteam, fundado por ex-executivos da Freshworks, capta US$ 53 milhões para desenvolver CRM baseado em IA
Leia mais
yourstory.com

Startup Dreamteam, fundado por ex-executivos da Freshworks, capta US$ 53 milhões para desenvolver CRM baseado em IA

A Dreamteam, uma startup no setor de gerenciamento de relacionamento com o cliente (CRM) que utiliza inteligência artificial, fundada por ex-funcionários da Freshworks, captou um financiamento de 53 milhões de dólares americanos. Os investimentos vieram do Together Fund, Accel e Premji Invest.

A Dreamteam foi fundada em 2025 por Anand Venkatraman, Ramesh Partasarathy e Senthil Kantaswamy. A sede da empresa está localizada na Califórnia, enquanto a principal equipe de engenharia fica em Chennai. A empresa desenvolve uma plataforma tecnológica capaz de entender o contexto do cliente e garantir o funcionamento de assistentes de IA especializados.

Anand Venkatraman, cofundador e CEO da Dreamteam, observou que os sistemas CRM tradicionais não conseguiam fornecer um quadro completo dos clientes, pois as informações mais valiosas frequentemente estavam fora desses sistemas. Ele acrescentou que a inteligência artificial permite mudar essa base, permitindo à Dreamteam aprender com o trabalho atual da equipe, manter o contexto e fornecer aos vendedores colegas de IA qualificados para avançar negócios. Assim, vendedores e gerentes podem se concentrar nos relacionamentos, julgamentos e fechamento de negócios, enquanto a Dreamteam cuida de todo o resto.

De acordo com a declaração da Dreamteam, sua plataforma tecnológica é utilizada por empresas de diversos setores, incluindo saúde, consultoria, manufatura, mídia online e IA.

Girish Matrubutam, fundador do Together Fund, o primeiro investidor institucional na Dreamteam, afirmou que o CRM é uma das maiores categorias de software prontas para mudanças radicais. Ele enfatizou que trabalhou com os fundadores da Dreamteam desde o início, observando a formação de sua visão de CRM baseado em IA. Segundo ele, a profunda experiência da equipe em CRM e a comprovada experiência em escalabilidade de software corporativo lhes dão oportunidades únicas para essa reformulação.

Os planos da Dreamteam são expandir seu nível de inteligência além das vendas, abrangendo todo o ciclo de vida do cliente, incluindo prospecção, onboarding, suporte ao cliente e vendas adicionais. Além disso, a empresa oferece Magic Apps, que permite que usuários de negócios criem aplicativos e painéis personalizados usando linguagem natural sem a necessidade de escrever código.

Shekhar Kirani, sócio da Accel, observou que na era da IA, as empresas que entendem profundamente seus clientes têm uma enorme vantagem. Ele apontou que hoje cada membro da equipe vê uma versão diferente do cliente, pois não existe um sistema centralizado que armazene todas as informações. A Dreamteam está trabalhando na criação de tal sistema com a ajuda de agentes de IA.

Naren Kachroo do Google Cloud apresenta o desenvolvimento da IA de voz na conferência TechSparks 2026
Leia mais
yourstory.com

Naren Kachroo do Google Cloud apresenta o desenvolvimento da IA de voz na conferência TechSparks 2026

Naren Kachroo, líder de vendas e GTM AI no Google Cloud, afirmou que a inteligência artificial mais valiosa é aquela capaz de completar totalmente a tarefa proposta. Ele enfatizou que o valor só é criado quando a tarefa é realmente concluída com a ajuda da IA.

No evento TechSparks 2026, durante uma demonstração do produto intitulado 'IA de Voz em Ação', Kachroo apresentou os modelos de voz mais recentes do Google, exemplos de uso por clientes e uma demonstração ao vivo desenvolvida para pequenas empresas. Sua ideia principal foi que a voz está se tornando a principal forma de interação das pessoas com a IA, e essa transição ocorrerá na Índia em idiomas e sotaques locais.

Kachroo observou que a indústria se afastou do conceito de IA generativa apenas como uma ferramenta de perguntas e respostas. Ele explicou que o foco mudou para a IA que tem acesso a dados, ferramentas e capacidades que permitem agir em nome de uma pessoa.

A Google lançou recentemente o Gemini 3.8 Live e o Gemini 3.8 Live Extended Thinking. O modelo Gemini 3.8 Live é capaz de reconhecer e alternar entre 97 idiomas suportados dentro de uma única conversa. Kachroo explicou como as empresas podem escolher entre esses dois modelos.

O modelo Gemini 3.8 Live é adequado para tarefas mais simples relacionadas a diálogos e funções de agente, como bate-papo de voz com chamada básica de ferramentas. Enquanto o Extended Thinking é projetado para diálogos que exigem raciocínio mais profundo, mudança de contexto e execução de várias etapas. Ele também mencionou que o Extended Thinking custa mais por token.

Ambos os modelos são do tipo 'voz para voz', processando fala tanto como entrada quanto como saída dentro de um único sistema. Para desenvolvedores que precisam apenas de uma parte desse processo, o Google também oferece modelos separados para conversão de texto em fala, fala em texto e tradução ao vivo.

Kachroo relatou que o modelo Gemini mais recente para conversão de texto em fala demonstrou altos resultados em testes internos do Google usando idiomas, sotaques e tons indianos. Ele realizou uma série de demonstrações curtas para mostrar o espectro de cenários de uso possíveis.

No primeiro exemplo, o assistente Shopify, Sidekick, ajudou passo a passo um vendedor a conectar um domínio através do painel de administração do Shopify. No segundo exemplo, um agente de voz reservou uma mesa em um restaurante para oito pessoas. Durante a chamada, o solicitante perguntou se havia bolo disponível, compartilhou uma foto de uma avaliação do Google para saber se o prato era vegetariano e solicitou informações sobre outras opções vegetarianas antes de confirmar a reserva. Este segundo cenário exigiu que o agente rastreasse o contexto ao longo de várias rodadas de diálogo, lembrasse preferências e executasse várias chamadas de ferramentas, o que, segundo Kachroo, corresponde perfeitamente ao Extended Thinking.

Ele também demonstrou o Live Avatar, que combina a voz ao vivo do Gemini com geração de vídeo em tempo real e sincronização labial, permitindo que os usuários vejam um rosto animado, e não apenas ouçam a voz. A Google forneceu recentemente o Live Avatar para empresas através do Gemini Enterprise, marcando o conteúdo de áudio e vídeo gerado com uma marca d'água invisível SynthID. O Citi atuou como cliente piloto: seu assistente Citi Sky, criado usando a tecnologia de avatar em tempo real do Google DeepMind e a API Gemini Live, ajuda clientes do setor de patrimônio dos EUA a tomar decisões, como sobre o resgate de um certificado de depósito.

Kachroo observou que o Gemini 3.8 Live possui o custo mais baixo por turno entre os modelos comparáveis, e o Extended Thinking estabelece padrões da indústria de qualidade de conversão de fala para fala. A Google declarou que o Extended Thinking obteve 82,6 pontos no índice de qualidade de conversão de fala para fala da Artificial Analysis, o mais alto registrado.

Ele esclareceu que o baixo custo é devido ao fato de o Google gerenciar toda a pilha sozinho — desde chips TPU e infraestrutura até os próprios modelos e aplicativos, transferindo essa eficiência aos clientes. Isso permite que o Google ofereça tanto um modelo de alta qualidade quanto um cavalo de batalha mais econômico.

Como exemplos de uso de IA de voz, Kachroo citou dois clientes: Autotrader, que usa essa tecnologia para comprar e vender carros usados, e Equal AI, uma startup indiana cujo assistente atende e processa chamadas antes que o usuário atenda.

O elemento central da sessão foi uma demonstração ao vivo de um assistente para micro, pequenas e médias empresas (PMEs), que a equipe de Kachroo desenvolveu em cerca de um dia. Este é um grande mercado potencial: de acordo com o ministério de PMEs, mais de 7,8 bilhões de empresas estão registradas no portal Udyam do governo até fevereiro de 2026. Kachroo alertou antecipadamente sobre um risco: ele iniciou o demo através de um hotspot móvel depois de não conseguir se conectar à rede do hotel.

A demonstração incluiu uma empresa fictícia de equipamentos de proteção e seu proprietário, Rajesh, que acabara de receber cerca de 500 capacetes. Ao interagir com o assistente, Rajesh perguntou quantos clientes potenciais ele tinha para os capacetes. O assistente encontrou dois: uma construtora em Mumbai, que precisava de 500 capacetes, e uma loja de ferragens em Agra, que precisava de 50. Rajesh instruiu o assistente a descartar o pedido menor, enviar uma proposta comercial ao comprador de Mumbai e ligar para ele para fechar o negócio. Ele estabeleceu uma condição: o preço deveria permanecer acima de 400 rúpias por capacete, e o assistente poderia finalizar o pedido sem nova aprovação. Em seguida, o assistente ligou para o comprador e negociou em hindi. Kachroo observou que o assistente manteve o contexto da conversa interna com Rajesh durante a ligação externa, negociou em nome da empresa e fechou o negócio.

Este processo ponta a ponta, na opinião de Kachroo, é a direção do desenvolvimento da IA de voz. Ele acredita que, com os modelos 3.8 Live, as empresas agora podem integrar agentes de voz em seus processos, que executam tarefas autonomamente. Kachroo acrescentou que este assistente poderia conduzir uma conversa semelhante em tâmil, telugu, malayalam, kannada, marathi e outros idiomas. Ele enfatizou que isso é importante porque o consumidor indiano está cada vez mais orientado para a interação por voz. O próprio Gemini Live agora suporta mais de 25 idiomas e dialetos indianos. De acordo com o relatório IAMAI-Kantar Internet in India 2024, 98% dos 886 milhões de usuários ativos de internet na Índia recebiam conteúdo em idiomas indianos, e um em cada cinco usava comandos de voz para acessar a rede.

ByteDance planeja lançar assistente de inteligência artificial semelhante ao Muse da Meta
Leia mais
technode.com

ByteDance planeja lançar assistente de inteligência artificial semelhante ao Muse da Meta

De acordo com um comunicado do IT Home na quarta-feira, citando a Bloomberg, a ByteDance pretende apresentar um assistente de voz semelhante ao Muse da Meta nas próximas semanas.

O cofundador da ByteDance, Zhang Yiming, apresentou este plano em uma reunião interna com a equipe de inteligência artificial da empresa, segundo fontes familiarizadas com a discussão.

A Meta lançou o Muse em setembro como um assistente de voz com avatar animado e planeja integrá-lo em dispositivos como óculos inteligentes. Atualmente, a ByteDance utiliza o chatbot Doubao e vende acesso aos seus modelos de geração de vídeo Seedance. O novo assistente permitirá expandir a gama de IA de consumo da ByteDance.

Durante a reunião, Zhang observou que a ByteDance é capaz de competir com OpenAI e Anthropic, mas previu que atingir o nível deles levaria tempo — até 2029 ou 2030. Ele também apontou a escassez de dados para pré-treinamento e pediu enfaticamente à equipe que reduzisse a dependência da destilação, um método no qual um modelo é treinado com os resultados de outro modelo.

Popular