Google leva Duplex ao Gemini para ligar a empresas
Post do Google Research de 20 de novembro de 2026 descreve como o sistema de chamadas telefônicas criado em 2018 foi reconstruído sobre a pilha do Gemini e passou a executar tarefas pedidas em texto livre, por enquanto em seis países.
Imagem original gerada pelo Plugged Ninja para esta matéria.
O Google Research publicou em 20 de novembro de 2026 um texto que detalha a reconstrução técnica do Duplex, o sistema de chamadas telefônicas automatizadas apresentado pela empresa em 2018. O post é assinado por Yossi Matias (vice-presidente do Google e gerente-geral do Google Research), Yaniv Leviathan (Google Fellow) e Janet Zhou (gerente de produto do Google Maps), e explica como a tecnologia deixou de ser um conjunto de modelos especializados por tarefa para rodar sobre a pilha do Gemini.
A novidade de produto que motiva o texto saiu três dias antes. Em 17 de novembro, a empresa anunciou o Tasks no aplicativo Gemini — um modo em que o usuário descreve uma pendência em texto livre e o assistente a executa, inclusive telefonando para estabelecimentos. Segundo o anúncio, o recurso começou a ser liberado gratuitamente nos Estados Unidos, Japão, Coreia do Sul, Canadá, Austrália e Índia. O Brasil não está na lista.
O que o post do Google Research entrega é a parte de engenharia: o que mudou na arquitetura, quais problemas a telefonia impõe a um modelo de linguagem e como a empresa diz tratar a questão da transparência na ligação. O que ele não entrega — e isso limita bastante qualquer avaliação — são métricas.
Contexto: três gerações do mesmo problema
A reconstituição histórica feita pelos autores é útil para entender o salto. Na primeira fase, iniciada em 2018, o Duplex usava redes neurais recorrentes treinadas em conversas telefônicas anonimizadas e específicas por tarefa. O sistema só funcionava em domínios fechados: reservar mesa, marcar horário, confirmar funcionamento. Como escrevem os autores, sem conhecimento de mundo pré-treinado era preciso ensinar ao modelo cada tipo de tarefa separadamente.
A segunda fase é híbrida. A partir de 2019, recursos derivados do Duplex chegaram aos celulares Pixel — o conjunto Call Assist, que inclui a triagem de chamadas e a espera automática em linha, presente em cinco gerações do aparelho. Durante a pandemia de covid-19, o sistema foi usado sobretudo para verificar informações de estabelecimentos. Em 2022, o Google passou a usar o LaMDA em chamadas ao vivo, combinando modelos generativos para a formulação das frases com rastreamento determinístico de estado e regras rígidas de política. Segundo o post, informações de estabelecimentos obtidas por essas chamadas já haviam sido exibidas “mais de um trilhão de vezes” na Busca e no Maps — número que a empresa divulgou em 2023.
A terceira fase é a atual. A tarefa deixa de ser escolhida em um cardápio e passa a ser descrita em texto livre, e a pilha de chamadas usa o Gemini para unificar compreensão multimodal, planejamento e geração de diálogo. O anúncio de produto cita o modelo Gemini 4 Hydrogen.
O que o sistema precisa resolver em uma ligação
O post organiza as dificuldades em três frentes, e elas ajudam a entender por que telefonar é mais difícil do que conversar por texto.
Preparação antes de discar
Antes da chamada, o sistema precisa casar um pedido escrito em linguagem natural com um estabelecimento concreto e estimar se aquela tarefa tem chance de dar certo naquele lugar. O Google diz usar o histórico de conversas anteriores para essa previsão — o que, na prática, significa que a qualidade do serviço depende de uma base acumulada de ligações.
Latência e ruído
Esta é a parte mais sensível. Em uma conversa por telefone, uma pausa de meio segundo a mais já soa como queda da linha — exemplo usado pelos próprios autores. A pilha é descrita como ajustada para inferência em streaming de baixa latência, com modelos acústicos e de cadência de conversa específicos para lidar com ruído de fundo, pausas e o momento de parar de falar.
Aqui cabe registrar o que o texto não diz: não há nome de modelo de reconhecimento de fala ou de síntese de voz, não se informa se o caminho de áudio é ponta a ponta ou uma cascata de componentes, e não há um único número de latência medida. São exatamente os dados que permitiriam comparar a solução com alternativas abertas.
Compreensão pragmática
O terceiro desafio é interpretar o que uma pessoa real quer dizer. O post cita a leitura de recusas indiretas educadas — o equivalente telefônico de “vou ver e te retorno” — e o replanejamento quando a recepção sugere outro horário, inclusive conciliando restrições de agenda do usuário.
Transparência e controle do outro lado da linha
Este é o ponto que mais interessa a quem atende. Segundo o Google, toda chamada começa com a revelação explícita de que se trata de um agente de inteligência artificial — especificamente, um sistema automatizado ligando em nome do Google. A empresa afirma que o atendente não precisa fazer nada diferente: lida com a chamada como lidaria com qualquer cliente.
Do lado do estabelecimento, há duas saídas. É possível desativar o recebimento de chamadas automatizadas nas configurações do Perfil da Empresa no Google, e é possível pedir, durante a própria ligação, que a empresa pare de telefonar.
O anúncio de produto acrescenta uma restrição geográfica curiosa: as chamadas pelo Gemini não estão disponíveis em Indiana, Louisiana, Minnesota, Montana e Nebraska. O Google não explica o motivo. Também não há, em nenhum dos dois textos, informação sobre gravação das chamadas, limites de quantas ligações podem ser feitas ou mecanismos de prevenção a abuso.
Disponibilidade e escopo
- Países: Estados Unidos, Japão, Coreia do Sul, Canadá, Austrália e Índia. Recursos avançados começam pelos Estados Unidos.
- Preço: o anúncio descreve a liberação como gratuita para “centenas de milhões de pessoas”. Nenhum plano pago é citado como requisito.
- Execução: as tarefas rodam em uma máquina virtual isolada por hardware, dedicada à conta do usuário, no Agent Compute Engine do Google Cloud.
- Integrações: o assistente se conecta a mais de 60 aplicativos; compras usam o Agent Payments Protocol, com teto de gasto definido pelo usuário e confirmação antes da conclusão.
- Não informado: idiomas suportados, taxas de sucesso, volume de chamadas, política de gravação e limites de uso.
Oportunidades, riscos e o que fica em aberto
O ganho prático é evidente para quem depende de pequenos negócios que não têm agendamento on-line: oficina, clínica, restaurante, loja de bairro. Transferir a espera na linha para uma máquina resolve um atrito real, e a arquitetura descrita — planejamento e diálogo no mesmo modelo, em vez de fluxos escritos à mão por vertical — é o que torna isso escalável para além de um punhado de tarefas pré-programadas.
Os riscos também são concretos. O primeiro é de assimetria: a carga de atender se desloca para o funcionário do estabelecimento, que passa a receber chamadas de um sistema que não se cansa. A opção de desativar existe, mas é opt-out, e depende de o negócio saber que ela existe.
O segundo risco é de verificação. O resultado da chamada chega ao usuário como texto, e a precisão desse resumo depende do modelo ter entendido corretamente o que foi dito ao telefone. Sem taxa de sucesso publicada, não há como dimensionar a frequência de erro — e um horário marcado errado tem custo no mundo físico, não na tela.
O terceiro ponto é regulatório e vale para o Brasil, ainda fora da lista de países. Ligações automatizadas em larga escala esbarram em regras de telemarketing, consentimento e gravação que variam por jurisdição. A exclusão de cinco estados norte-americanos, sem explicação pública, sugere que esse mapeamento legal está sendo feito caso a caso.
Por fim, a limitação metodológica que atravessa todo o material: é um post institucional, não um artigo revisado. Não há avaliação, não há comparação com outros sistemas de voz e não há conjunto de teste público. Tudo o que se pode afirmar com segurança é o que a empresa descreve sobre sua própria arquitetura.
Conclusão
O Duplex de 2026 é um caso raro de projeto de pesquisa que sobreviveu a duas mudanças completas de paradigma — de redes recorrentes por domínio a modelos híbridos e, agora, a uma pilha única baseada em modelo de fundação — sem mudar de objetivo. Oito anos depois, a promessa continua a mesma: completar uma tarefa do mundo real por telefone.
O que observar daqui para a frente: se o Google publica métricas de sucesso e latência, se a lista de países se amplia para a América Latina, como os estabelecimentos reagem ao volume de chamadas automatizadas e se órgãos reguladores passam a exigir divulgação padronizada quando quem liga é uma máquina.
Fontes e referências
- Google Research — “How Google Duplex evolved to also call businesses for you in Gemini”, por Yossi Matias, Yaniv Leviathan e Janet Zhou (20 de novembro de 2026) — research.google
- Google (The Keyword) — “Put Gemini to work for you”, por Josh Woodward (17 de novembro de 2026) — blog.google
- Google Research — “Google Duplex: An AI System for Accomplishing Real-World Tasks Over the Phone” (2018) — research.google
- Google — Configuração de recusa de chamadas automatizadas no Perfil da Empresa — support.google.com