आवाज़ एजेंट की बातचीत नियंत्रित करने के लिए Decagon ने Alto पेश किया

Decagon ने Alto पेश किया—यह Decagon Labs का एक मॉडल है, जिसे 11 नवंबर, 2026 को पेश किया गया। यह उसके डुप्लेक्स वॉइस एजेंट की बातचीत को नियंत्रित करता है और तय करता है कि कब बोलना है और क्या कहना है। कंपनी ने बताया कि लाइव ग्राहक कॉल में Alto ने समाधान दर पाँच प्रतिशत अंक से अधिक बढ़ाई और औसतन लगभग 700 मिलीसेकंड में जवाब दिए।

Decagon ने कहा कि समाधान दर की तुलना के दौरान एजेंट के बाकी तर्क-विधान में प्रभावी रूप से कोई बदलाव नहीं हुआ। इस नतीजे की घोषणा में ग्राहकों, नमूने के आकार, आधारभूत दरों या मापन अवधि का उल्लेख नहीं किया गया। Alto, Decagon के मॉडल-विशेषीकरण को वाणी की गुणवत्ता से आगे बढ़ाकर बातचीत के नियंत्रण तक ले जाता है: यह तय करना कि तुरंत जवाब देना उचित है या नहीं, और तर्क-विचार करने वाले मॉडल के काम पूरा करने तक कॉल करने वाले को बातचीत में कैसे जोड़े रखना है।

जवाब दें या प्रतीक्षा करें: यह निर्णय

पारंपरिक क्रमिक वॉइस पाइपलाइन बातचीत के हर चरण को एक के बाद एक संभालती है: कॉल करने वाले की बात को लिखित रूप में बदलना, जवाब पर विचार करना और फिर उसे बोलकर सुनाना। इसके बजाय, Decagon का डुप्लेक्स एजेंट तेज़ संवाद मॉडल को अधिक शक्तिशाली तर्क-विचार मॉडल के साथ समानांतर रूप से चलाता है। पहला सुनता और बोलता है; दूसरा बातचीत के पीछे जटिल निर्णय और कार्रवाइयाँ संभालता है, जिससे काम जारी रहने के दौरान भी एजेंट बातचीत करता रह सकता है।

यह समानांतर प्रक्रिया बातचीत के हर चरण में निर्णय लेने की स्थिति पैदा करती है। तर्क-विचार मॉडल की प्रतीक्षा करने से बातचीत का प्रवाह टूट सकता है, लेकिन बहुत जल्दी जवाब देने पर ऐसी अपुष्ट बात कहने का जोखिम रहता है—जैसे कॉल करने वालों को बताना कि उनका आरक्षण बदल गया है, जबकि सिस्टम ने इसकी पुष्टि न की हो। इसलिए छोटे संवाद मॉडल की गति का लाभ एक विश्वसनीयता-संबंधी समस्या के साथ आता है, जिसे केवल डुप्लेक्स संरचना हल नहीं करती।

Alto लगातार इस बात पर नज़र रखता है कि कॉल करने वाले ने क्या कहा है और एजेंट के बाकी हिस्से में क्या हो रहा है; उसके जवाब साझा कॉल रिकॉर्ड पर आधारित होते हैं। कोई कार्रवाई पूरी होने की घोषणा करने से पहले यह पुष्टि की प्रतीक्षा करता है। जानकारी खोजने या किसी टूल का उपयोग करने के दौरान, सामान्य भराव-बातों पर निर्भर रहने के बजाय यह अगली ज़रूरी जानकारी माँग सकता है या कॉल करने वाले से बातचीत की स्थिति पूछ सकता है। अगर कॉल करने वाले के कोई नया सवाल पूछते ही नतीजा आ जाए, तो Alto सवाल का जवाब देने के साथ-साथ नतीजा भी बता सकता है।

अस्पष्ट कॉल के लिए प्रशिक्षण

जवाब तेज़ रखने के लिए Decagon ने एक छोटे ओपन-वेट मॉडल से शुरुआत की, फिर वास्तविक संचालन के अनुभव से मिली जानकारी के आधार पर तैयार किए गए सिम्युलेटेड कॉल पर उसे फ़ाइन-ट्यून किया। सुदृढीकरण अधिगम के दौरान, Alto ने बातचीत के हर बिंदु पर कई संभावित जवाब तैयार किए। स्कोर देने की प्रक्रिया में सबसे पहले यह देखा गया कि मॉडल ने जवाब देने या प्रतीक्षा करने का सही निर्णय लिया या नहीं; फिर यह आकलन किया गया कि उसकी भाषा कारोबारी नीतियों के अनुरूप थी या नहीं और उसमें पुष्ट जानकारी ही शामिल थी या नहीं।

यह पता चलने के बाद कि Alto पहले से ही ज़्यादातर स्थितियों को सही ढंग से संभालता है, Decagon ने प्रशिक्षण को अस्पष्ट मामलों पर केंद्रित किया। उसने सिम्युलेटेड व्यवसायों में नीतियों और टूलों में भी विविधता रखी, ताकि मॉडल एक कंपनी की रटी-रटाई संवाद-पटकथा के बजाय ऐसा निर्णय-विवेक सीखे जिसे अलग-अलग स्थितियों में लागू किया जा सके।

किसी भी कॉल करने वाले को मॉडल की आवाज़ सुनाई देने से पहले, Decagon ने बताया कि उसने 9 करोड़ से अधिक सिम्युलेटेड कॉल पर इसका परीक्षण किया था। इसके बाद कंपनी ने लाइव प्रोडक्शन ट्रैफ़िक के साथ Alto को शैडो मोड में चलाया, जहाँ उसके जवाबों का मूल्यांकन किया जा सकता था, लेकिन वे कॉल करने वालों को सुनाए नहीं जाते थे।

दो विशिष्ट वॉइस मॉडल

Alto से पहले Voice 3 और Chord आए थे, जिनकी घोषणा 1 अक्टूबर, 2026 को हुई थी। Voice 3 में Chord की वाणी-निर्माण क्षमता को डुप्लेक्स संरचना और 70 से अधिक भाषाओं के समर्थन के साथ जोड़ा गया था। Chord यह तय करता है कि Decagon के एजेंटों की आवाज़ कैसी हो, जबकि Alto यह तय करता है कि वे बातचीत कैसे करें। इससे पहले, Decagon ने Chord को समाधान दर में सात प्रतिशत अंक तक की स्वतंत्र वृद्धि का श्रेय दिया था।

मिलकर ये मॉडल वॉइस प्रदर्शन को प्रशिक्षण के दो लक्ष्यों में बाँटते हैं: वाणी का स्वाभाविक लगना और बातचीत के दौरान सही निर्णय लेना। Alto के बताए गए नतीजे दूसरे लक्ष्य को ग्राहकों की समस्याओं के समाधान से जोड़ते हैं, लेकिन इसके संचालन की मुख्य चुनौती अब भी यही है कि जवाब दिया जाए या प्रतीक्षा की जाए—संवाद मॉडल की गति का लाभ लेते हुए भी स्वाभाविक सुनाई देने वाली बातचीत को अपुष्ट कार्रवाइयों से आगे न निकलने देना।