Decagon introducerer Alto til at styre stemmeagenters samtaler

Decagon introducerede Alto den 11. november 2026. Det er en Decagon Labs-model, der styrer samtalelaget i virksomhedens dupleksstemmeagent og afgør, hvornår den skal tale, og hvad den skal sige. Virksomheden oplyste, at Alto øgede løsningsgraden med mere end fem procentpoint i liveopkald med kunder, samtidig med at modellen leverede svar på gennemsnitligt cirka 700 millisekunder.

Decagon oplyste, at resten af agentens logik stort set var uændret under sammenligningen af løsningsgraden. I meddelelsen blev kunderne, stikprøvens størrelse, udgangspunktet for løsningsgraden eller måleperioden for resultatet ikke oplyst. Alto udvider Decagons modelspecialisering fra talekvalitet til samtalestyring: at afgøre, om et øjeblikkeligt svar er berettiget, og hvordan den, der ringer, holdes engageret, mens en ræsonneringsmodel færdiggør arbejdet.

Beslutningen om at svare eller vente

En konventionel stemmepipeline med kaskadebehandling håndterer hver samtaletur i rækkefølge: først transskriberes det, den, der ringer, siger, derefter overvejes et svar, og til sidst genereres talen. Decagons dupleksagent kører i stedet en hurtig samtalemodel parallelt med en mere avanceret ræsonneringsmodel. Den første lytter og taler; den anden håndterer komplekse beslutninger og handlinger bag samtalen, så agenten kan fortsætte dialogen, mens arbejdet er i gang.

Denne parallelle behandling kræver en vurdering ved hver samtaletur. Hvis man venter på ræsonneringsmodellen, kan det forstyrre samtalens flow, men hvis man svarer for tidligt, risikerer man at komme med en ubekræftet oplysning, for eksempel at fortælle den, der ringer, at vedkommendes reservation er ændret, før systemet har bekræftet det. Hastighedsfordelen ved en mindre samtalemodel medfører derfor et pålidelighedsproblem, som dupleksarkitekturen alene ikke løser.

Alto holder løbende styr på, hvad den, der ringer, har sagt, og hvad resten af agenten foretager sig, og baserer sine svar på en fælles optegnelse af opkaldet. Den afventer bekræftelse, før den meddeler, at en handling er fuldført. Under en søgning eller et værktøjskald kan den bede om den næste oplysning eller følge op med den, der ringer, i stedet for at ty til generiske fyldord. Hvis et resultat kommer ind, samtidig med at den, der ringer, stiller et nyt spørgsmål, kan Alto både besvare spørgsmålet og give resultatet.

Træning til tvetydige opkald

Decagon tog udgangspunkt i en lille model med åbne vægte for at holde svartiderne nede og finjusterede den derefter på simulerede opkald, der byggede på erfaringer fra produktionen. Under forstærkningslæring genererede Alto flere mulige svar ved hvert punkt i samtalen. Scoringen prioriterede, om modellen traf det rigtige valg mellem at svare og vente, og vurderede derefter, om formuleringen fulgte virksomhedens retningslinjer og afspejlede bekræftede oplysninger.

Decagon koncentrerede træningen om tvetydige situationer, efter at virksomheden havde konstateret, at Alto allerede håndterede de fleste situationer korrekt. Derudover varierede Decagon retningslinjer og værktøjer på tværs af simulerede virksomheder med det formål at lære modellen en dømmekraft, der kan overføres fra én situation til en anden, frem for et manuskript, der er indlært til én bestemt virksomhed.

Decagon oplyste, at virksomheden testede modellen på mere end 90 millioner simulerede opkald, før nogen, der ringede, hørte den. Derefter kørte Decagon Alto i skyggetilstand sideløbende med live trafik i produktionen, så svarene kunne evalueres uden at blive sagt til dem, der ringede.

To specialiserede stemmemodeller

Alto følger efter Voice 3 og Chord, som blev annonceret den 1. oktober 2026. Voice 3 kombinerede Chords talegenerering med dupleksarkitekturen og understøttelse af mere end 70 sprog. Chord former, hvordan Decagons agenter lyder, mens Alto former, hvordan de fører en samtale. Decagon har tidligere tilskrevet Chord en selvstændig stigning i løsningsgraden på op til syv procentpoint.

Tilsammen opdeler modellerne stemmeydelsen i to træningsmål: talens naturlighed og dømmekraft i samtalen. Altos rapporterede resultat knytter det andet mål til løste kundehenvendelser, men den centrale begrænsning i driften er stadig beslutningen om at svare eller vente: at udnytte samtalemodellens hastighed uden at lade en naturligt klingende dialog foregribe handlinger, der endnu ikke er bekræftet.