Decagon presenta Alto para controlar las conversaciones de los agentes de voz

Decagon presentó Alto el 11 de noviembre de 2026, un modelo de Decagon Labs que controla la capa conversacional de su agente de voz dúplex y decide cuándo hablar y qué decir. La empresa informó que Alto aumentó las tasas de resolución en más de cinco puntos porcentuales en llamadas reales de atención al cliente, con respuestas que tardaban, en promedio, unos 700 milisegundos.

Decagon afirmó que el resto de la lógica del agente se mantuvo prácticamente sin cambios durante la comparación de las tasas de resolución. El anuncio no identificó a los clientes, el tamaño de la muestra, las tasas de referencia ni el periodo de medición de ese resultado. Alto amplía la especialización de los modelos de Decagon: ya no se limita a la calidad de voz, sino que abarca también el control conversacional, es decir, decidir si está justificado responder de inmediato y cómo mantener la interacción con la persona que llama mientras un modelo de razonamiento termina el trabajo.

La decisión de responder o esperar

Una arquitectura de voz convencional en cascada procesa cada turno de forma secuencial: transcribe lo que dice la persona que llama, elabora una respuesta y luego la genera en voz. En cambio, el agente dúplex de Decagon ejecuta en paralelo un modelo conversacional rápido y otro de razonamiento más potente. El primero escucha y habla; el segundo se encarga de las decisiones y acciones complejas que tienen lugar tras la conversación, lo que permite al agente seguir interactuando mientras se realizan esas tareas.

Ese procesamiento en paralelo obliga a tomar una decisión en cada turno. Esperar al modelo de razonamiento puede interrumpir el flujo, pero responder demasiado pronto conlleva el riesgo de hacer una afirmación sin confirmar, como decirle a alguien que su reserva ha cambiado antes de que el sistema lo haya confirmado. Por tanto, la ventaja de velocidad de un modelo conversacional más pequeño también plantea un problema de fiabilidad que la arquitectura dúplex, por sí sola, no resuelve.

Alto lleva un seguimiento continuo de lo que ha dicho la persona que llama y de lo que está haciendo el resto del agente, y basa sus respuestas en un registro compartido de la llamada. Espera a recibir confirmación antes de anunciar que una acción se ha completado. Mientras busca información o utiliza una herramienta, puede pedir el siguiente dato o consultar cómo va todo con la persona que llama, en lugar de recurrir a frases de relleno genéricas. Si llega un resultado justo cuando la persona plantea una nueva pregunta, Alto puede responderla y comunicar el resultado al mismo tiempo.

Entrenamiento para llamadas ambiguas

Decagon comenzó con un modelo pequeño de pesos abiertos para responder con rapidez y luego lo ajustó con llamadas simuladas basadas en la experiencia en producción. Durante el aprendizaje por refuerzo, Alto generó varias respuestas posibles para cada momento de la conversación. El proceso de puntuación daba prioridad a que el modelo eligiera correctamente entre responder y esperar; después, evaluaba si la formulación respetaba las políticas de la empresa y reflejaba información confirmada.

Decagon centró el entrenamiento en los casos ambiguos tras comprobar que Alto ya resolvía correctamente la mayoría de las situaciones. También introdujo variaciones en las políticas y las herramientas de las empresas simuladas, con el objetivo de enseñarle a aplicar su criterio en distintas situaciones, en lugar de memorizar un guion para una sola empresa.

Decagon informó que probó el modelo en más de 90 millones de llamadas simuladas antes de que ninguna persona que llamara pudiera escucharlo. Después, ejecutó Alto en modo sombra junto con el tráfico de producción en directo, lo que permitió evaluar sus respuestas sin reproducirlas a quienes llamaban.

Dos modelos de voz especializados

Alto llega después de Voice 3 y Chord, anunciados el 1 de octubre de 2026. Voice 3 combinó la generación de voz de Chord con la arquitectura dúplex y la compatibilidad con más de 70 idiomas. Chord determina cómo suenan los agentes de Decagon, mientras que Alto determina cómo llevan una conversación. Decagon había atribuido anteriormente a Chord un aumento independiente de hasta siete puntos porcentuales en la tasa de resolución.

En conjunto, los modelos dividen el rendimiento de voz en dos objetivos de entrenamiento: la naturalidad del habla y el criterio conversacional. El resultado que Decagon atribuye a Alto vincula el segundo objetivo con la resolución de llamadas de atención al cliente, pero su principal limitación operativa sigue siendo decidir si responder o esperar: aprovechar la velocidad del modelo conversacional sin permitir que un intercambio de sonido natural se adelante a las acciones confirmadas.