A Synthesia passou uma década gravando avatares. Agora quer que eles respondam.

A Synthesia construiu seu negócio em um ciclo simples. Você escreve um roteiro, escolhe um avatar e recebe de volta um vídeo com um apresentador. A empresa diz que esse ciclo percorreu a maior plataforma de vídeo corporativo do mundo durante boa parte de uma década e levou a Synthesia a uma avaliação de US$ 4 bilhões, segundo relatos, com mais de US$ 100 milhões em receita recorrente anual até 2025.

Em 1º de outubro de 2026, o ciclo mudou de direção. A Synthesia lançou o Sessions, uma plataforma para conversas bidirecionais com um avatar realista. Dois tipos de sessão entraram no ar no mesmo dia, e um terceiro foi anunciado como “em breve”.

O Roleplay Sessions coloca o usuário em uma conversa que deve ser difícil. O avatar interpreta um cliente, um candidato ou um subordinado e oferece resistência. Equipes de vendas praticam descoberta e tratamento de objeções. Gestores ensaiam a conversa que vêm evitando com um funcionário. Equipes de suporte simulam uma escalada. Depois de cada tentativa, o sistema orienta e pontua o participante. Novos recursos permitem que as pessoas ajustem um cenário à sua situação exata antes de praticar e que as empresas criem roleplays personalizados para suas próprias conversas recorrentes.

O Survey Sessions transforma um formulário em uma entrevista. O avatar faz as perguntas da empresa individualmente, aprofunda o que ouve e devolve insights estruturados. A Synthesia lista como usos previstos: feedback de funcionários, insights de clientes, entrevistas de desligamento e de churn, acompanhamento de NPS e pesquisa de produto. As respostas voltam como temas e sentimento entre os respondentes, e qualquer resposta individual pode ser aberta como transcrição, arquivo de áudio ou CSV.

O Expert Sessions é o que ainda está no roadmap: um avatar treinado na documentação de produto e nos processos internos de uma empresa que conduz alguém por uma tarefa passo a passo e responde a perguntas enquanto essa pessoa trabalha.

O argumento a favor deste formato de produto

Peter Hill, CTO da Synthesia, escreveu o post de lançamento. Seu enquadramento é o de um gargalo de pessoal, não o de uma história de tecnologia. Nunca há gente suficiente com o perfil certo para atender a todos, seja um gestor treinando cada vendedor antes de uma ligação difícil, um pesquisador entrevistando cada cliente ou um especialista de produto orientando cada usuário que fica travado. Os substitutos habituais são gravações em vez de ensaios, formulários em vez de entrevistas e documentação de ajuda em vez de orientação prática.

A biografia de Hill torna o argumento mais fácil de levar a sério do que o post de lançamento médio. Ele passou quase 25 anos na Amazon e na AWS, liderando equipes por trás do Kindle, Fire, Alexa e serviços como Amazon Connect e WorkSpaces, antes de uma passagem como CEO e CPO da Wildlife Studios. Ele já lançou sistemas conversacionais em escala.

Os primeiros dados que a Synthesia está disposta a publicar são escassos, mas incisivos. Nas primeiras implantações, 78% dos alunos tentaram um roleplay mais de uma vez e, entre os que voltaram, 83% melhoraram sua pontuação em uma tentativa posterior. Leia isso com atenção. O número que importa não é a taxa de melhoria, medida no subconjunto que optou por voltar. É a taxa de retorno de 78%. Uma ferramenta de treinamento que as pessoas repetem por vontade própria é um produto diferente daquela que concluem porque alguém a atribuiu.

A Synthesia também diz que os insights temáticos devem mostrar quais habilidades impulsionam o desempenho, e não apenas quem obteve a pontuação mais alta, e que cada funcionário recebe sugestões de roleplays para fechar suas próprias lacunas. Essa é uma mudança de relatórios para diagnóstico, e é a parte da proposta que as equipes de aprendizagem e desenvolvimento realmente avaliarão.

Duas rotas, e por que a divisão importa

A Synthesia está vendendo a mesma capacidade de duas formas. A Interactive Avatar API é para empresas que querem criar seu próprio produto de avatar e controlar a stack. O Sessions é a plataforma pronta para as conversas que compõem o trabalho comum. A empresa descreve a API como um pipeline hospedado, o que significa que uma equipe pode trazer seu próprio modelo de linguagem, conversão de fala em texto e conversão de texto em fala, em vez de executar ela mesma a stack de renderização.

Essa divisão é mais interessante do que parece. Empresas que já têm um provedor de modelo preferido não querem que lhes digam qual usar, e empresas que não têm apetite nem equipe para trabalho de integração não querem construir nada. Oferecer as duas opções evita que a Synthesia tenha de escolher um único perfil de cliente. A integração no nível da sessão abre a API full-stack no mesmo dia, o que sugere que a empresa vê a API como o negócio mais silencioso e maior ao longo do tempo.

Os detalhes de conformidade merecem atenção porque este produto toca conversas com funcionários e entrevistas com clientes, o que significa gravações, transcrições e dados pessoais. A Synthesia lista SOC 2 Type II, ISO 27001, 27701 e 42001, além de conformidade com o GDPR.

O que o lançamento não resolve

Três perguntas estão sob a superfície deste lançamento.

A primeira é se a qualidade da interação se sustenta fora de uma demonstração. Um roleplay só produz transferência de habilidade se a resistência do avatar for realista e variada. Um avatar que concorda fácil demais não ensina nada, e um que argumenta de forma engessada é reconhecido em até duas tentativas. A Synthesia não publicou avaliação independente de como suas contrapartes de roleplay se comportam em diferentes cenários, e seus números de implantação descrevem uso repetido, não resultados de aprendizagem.

A segunda é a questão do registro de dados. Uma pontuação atrelada à tentativa de prática de um funcionário é um dado sobre uma pessoa, criado por uma IA, armazenado em um sistema corporativo e potencialmente visível a um gestor. 78% dos alunos voltando parece saudável em um press release. Também significa que a maioria dos participantes produziu um registro pontuado de uma conversa que conduziu mal. Onde esse registro fica, quem pode vê-lo e por quanto tempo é retido são decisões de política que todo comprador terá de tomar, e as respostas variam bastante entre, digamos, uma equipe de capacitação de vendas e um departamento de RH.

A terceira é o que acontece com os especialistas humanos cuja escassez é a premissa inteira. Se a Synthesia estiver certa de que um avatar treinado pode absorver as conversas repetitivas a uma fração do custo de uma chamada humana, então o momento de coaching que precisa de uma pessoa real se torna o caro. Essa é uma troca razoável para os clientes da empresa. Também é, inevitavelmente, uma história sobre quais partes de um trabalho são automatizadas primeiro.

Onde isso deixa a IA corporativa

O Sessions é um marcador útil porque move um produto de avatar da geração de conteúdo para o fluxo de trabalho. Um vídeo de avatar unidirecional compete com uma câmera, um estúdio e um prazo. Um avatar bidirecional compete com a agenda de um gestor, e a comparação não é mais sobre custo de produção. É sobre se uma organização consegue realizar mil conversas de prática por dia e manter os resultados.

A aposta da Synthesia é que a maioria das organizações não consegue, e que o avatar que responde é uma resposta mais barata do que contratar. Se o nível de qualidade da interação justifica a substituição é o que o próximo ano de implantações mostrará. O número de uso repetido é um sinal inicial promissor. Ainda não é evidência de que a prática tenha tornado alguém melhor no trabalho.