Decagon stellt Alto vor, um Gespräche von Sprachagenten zu steuern

Decagon stellte Alto vor – ein Modell von Decagon Labs, das am 11. November 2026 die Gesprächsebene seines Duplex-Sprachagenten steuert und entscheidet, wann gesprochen wird und was gesagt wird. Das Unternehmen berichtete, Alto habe die Lösungsquote bei Live-Kundenanrufen um mehr als fünf Prozentpunkte erhöht und dabei durchschnittliche Antwortzeiten von etwa 700 Millisekunden erzielt.

Decagon zufolge blieb die übrige Logik des Agenten beim Vergleich der Lösungsquoten praktisch unverändert. In der Ankündigung wurden weder die Kunden noch die Stichprobengröße, die Ausgangsquoten oder der Messzeitraum für dieses Ergebnis genannt. Alto erweitert die Spezialisierung der Decagon-Modelle über die Sprachqualität hinaus auf die Gesprächssteuerung: Es entscheidet, ob eine sofortige Antwort gerechtfertigt ist und wie der Anrufer bei der Stange gehalten werden kann, während ein Schlussfolgerungsmodell die Arbeit erledigt.

Die Entscheidung: Antworten oder warten

Eine herkömmliche Kaskade für Sprachverarbeitung bearbeitet jeden Gesprächsbeitrag nacheinander: Sie transkribiert den Anrufer, formuliert eine Antwort und erzeugt anschließend Sprache. Decagons Duplex-Agent setzt stattdessen parallel ein schnelles Gesprächsmodell und ein leistungsfähigeres Schlussfolgerungsmodell ein. Das erste hört zu und spricht; das zweite kümmert sich im Hintergrund um komplexe Entscheidungen und Aktionen. So kann der Agent das Gespräch fortsetzen, während die Arbeit läuft.

Diese Parallelverarbeitung erfordert bei jedem Gesprächsbeitrag eine Abwägung. Auf das Schlussfolgerungsmodell zu warten, kann den Gesprächsfluss stören. Eine zu frühe Antwort birgt jedoch das Risiko einer unbestätigten Aussage – etwa Anrufern mitzuteilen, ihre Reservierung sei geändert worden, bevor das System dies bestätigt hat. Der Geschwindigkeitsvorteil eines kleineren Gesprächsmodells geht daher mit einem Zuverlässigkeitsproblem einher, das sich durch die Duplex-Architektur allein nicht lösen lässt.

Alto verfolgt kontinuierlich, was der Anrufer gesagt hat und womit der übrige Agent gerade beschäftigt ist. Seine Antworten stützen sich dabei auf ein gemeinsames Gesprächsprotokoll. Bevor Alto mitteilt, dass eine Aktion abgeschlossen ist, wartet es auf eine Bestätigung. Während einer Abfrage oder eines Werkzeugaufrufs kann es die nächste benötigte Information erfragen oder sich beim Anrufer melden, statt auf allgemeine Füllsätze zurückzugreifen. Trifft ein Ergebnis ein, während der Anrufer eine neue Frage stellt, kann Alto die Frage beantworten und zugleich das Ergebnis mitteilen.

Training für mehrdeutige Gesprächssituationen

Decagon begann mit einem kleinen Modell mit offenen Gewichten, um schnelle Antworten zu ermöglichen, und optimierte es anschließend anhand simulierter Gespräche, die auf Erfahrungen aus dem Produktivbetrieb beruhten. Beim bestärkenden Lernen erzeugte Alto für jeden Gesprächsabschnitt mehrere mögliche Antworten. Bei der Bewertung wurde zuerst berücksichtigt, ob das Modell richtig entschied, ob es antworten oder warten sollte. Anschließend wurde beurteilt, ob die Formulierung den Unternehmensrichtlinien entsprach und bestätigte Informationen wiedergab.

Nachdem Decagon festgestellt hatte, dass Alto die meisten Situationen bereits richtig bewältigte, konzentrierte sich das Training auf mehrdeutige Fälle. Außerdem variierte Decagon in den simulierten Unternehmen die Richtlinien und Werkzeuge. Damit sollte das Modell lernen, seine Urteilsfähigkeit auf unterschiedliche Situationen zu übertragen, statt ein Skript für ein einzelnes Unternehmen auswendig zu lernen.

Decagon berichtete, das Modell vor dem Einsatz bei Anrufern in mehr als 90 Millionen simulierten Gesprächen getestet zu haben. Anschließend ließ das Unternehmen Alto im Schattenmodus parallel zum laufenden Produktivbetrieb laufen. So konnten seine Antworten bewertet werden, ohne sie den Anrufern vorzuspielen.

Zwei spezialisierte Sprachmodelle

Alto folgt auf Voice 3 und Chord, die am 1. Oktober 2026 angekündigt wurden. Voice 3 kombinierte die Sprachgenerierung von Chord mit der Duplex-Architektur und unterstützte mehr als 70 Sprachen. Chord prägt, wie Decagons Agenten klingen, während Alto steuert, wie sie ein Gespräch führen. Decagon hatte Chord zuvor einen eigenständigen Anstieg der Lösungsquote um bis zu sieben Prozentpunkte zugeschrieben.

Zusammen teilen die Modelle die Sprachleistung in zwei Trainingsziele auf: natürliche Sprache und Urteilsfähigkeit im Gespräch. Das von Decagon für Alto berichtete Ergebnis stellt einen Zusammenhang zwischen dem zweiten Ziel und der Lösung von Kundenanliegen her. Die zentrale betriebliche Herausforderung bleibt jedoch die Entscheidung, ob geantwortet oder gewartet werden soll: Das Gesprächsmodell soll schnell sein, ohne dass ein natürlich klingender Austausch bestätigten Aktionen vorgreift.