Decagon presenta Alto per controllare le conversazioni degli agenti vocali

Decagon ha presentato Alto l’11 novembre 2026: un modello di Decagon Labs che controlla il livello conversazionale del suo agente vocale duplex, decidendo quando parlare e cosa dire. L’azienda ha riferito che, nelle chiamate con clienti in tempo reale, Alto ha aumentato i tassi di risoluzione di oltre cinque punti percentuali, fornendo risposte in media in circa 700 millisecondi.

Decagon ha dichiarato che, durante il confronto dei tassi di risoluzione, il resto della logica dell’agente è rimasto sostanzialmente invariato. Nell’annuncio non sono stati indicati i clienti, la dimensione del campione, i tassi di partenza né il periodo di misurazione del risultato. Alto amplia la specializzazione dei modelli di Decagon, passando dalla qualità del parlato al controllo della conversazione: stabilisce se sia giustificato rispondere subito e come mantenere il chiamante coinvolto mentre il modello di ragionamento completa il lavoro.

La decisione: rispondere o aspettare

Una pipeline vocale tradizionale a cascata gestisce ogni turno in sequenza: trascrive ciò che dice il chiamante, elabora una risposta e poi genera il parlato. L’agente duplex di Decagon esegue invece in parallelo un modello conversazionale rapido e un modello di ragionamento più potente. Il primo ascolta e parla; il secondo gestisce le decisioni e le azioni complesse che avvengono dietro la conversazione, consentendo all’agente di continuare a interagire mentre il lavoro è in corso.

Questo parallelismo impone una scelta a ogni turno. Aspettare il modello di ragionamento può interrompere il flusso della conversazione, ma rispondere troppo presto rischia di portare a un’affermazione non confermata, per esempio dire al chiamante che la sua prenotazione è stata modificata prima che il sistema lo abbia verificato. Il vantaggio in termini di velocità di un modello conversazionale più piccolo comporta quindi un problema di affidabilità che la sola architettura duplex non risolve.

Alto tiene traccia in modo continuo di ciò che ha detto il chiamante e di quello che sta facendo il resto dell’agente, basando le proprie risposte su un registro condiviso della chiamata. Prima di annunciare il completamento di un’azione, attende che sia confermata. Durante una ricerca o una chiamata a uno strumento, può chiedere l’informazione successiva o aggiornare il chiamante, anziché affidarsi a frasi riempitive generiche. Se arriva un risultato mentre il chiamante pone una nuova domanda, Alto può rispondere alla domanda e comunicare il risultato nello stesso momento.

Addestramento per le chiamate ambigue

Decagon è partita da un modello di piccole dimensioni con pesi aperti per mantenere rapide le risposte, poi lo ha perfezionato tramite fine-tuning su chiamate simulate basate sull’esperienza maturata in produzione. Nell’apprendimento per rinforzo, Alto generava diverse risposte possibili per ogni passaggio della conversazione. Il processo di valutazione dava priorità alla scelta corretta tra rispondere e aspettare, per poi verificare se la formulazione rispettasse le politiche aziendali e rispecchiasse informazioni confermate.

Dopo aver rilevato che Alto gestiva già correttamente la maggior parte delle situazioni, Decagon ha concentrato l’addestramento sui casi ambigui. Ha inoltre variato politiche e strumenti tra le diverse aziende simulate, con l’obiettivo di insegnare un criterio di giudizio applicabile a situazioni diverse, anziché uno script memorizzato per una sola azienda.

Decagon ha riferito di aver testato il modello su oltre 90 milioni di chiamate simulate prima che venisse ascoltato da qualsiasi chiamante. Ha poi eseguito Alto in modalità ombra insieme al traffico di produzione in tempo reale, così da poterne valutare le risposte senza farle ascoltare ai chiamanti.

Due modelli vocali specializzati

Alto segue Voice 3 e Chord, annunciati il 1° ottobre 2026. Voice 3 integrava la generazione vocale di Chord con l’architettura duplex e il supporto di oltre 70 lingue. Chord definisce il modo in cui suonano gli agenti di Decagon, mentre Alto determina come conducono una conversazione. In precedenza, Decagon aveva attribuito a Chord un aumento indipendente del tasso di risoluzione fino a sette punti percentuali.

Insieme, i modelli suddividono le prestazioni vocali in due obiettivi di addestramento: la naturalezza del parlato e il giudizio conversazionale. Il risultato dichiarato per Alto collega il secondo obiettivo alla risoluzione delle chiamate dei clienti, ma il vincolo operativo centrale resta la scelta tra rispondere e aspettare: sfruttare la velocità del modello conversazionale senza lasciare che uno scambio dal suono naturale preceda azioni confermate.