Decagon, 음성 에이전트의 대화 제어를 위한 Alto 출시

2026년 11월 11일, Decagon은 Alto를 선보였다. Decagon Labs의 이 모델은 듀플렉스 음성 에이전트의 대화 계층을 제어하며, 언제 말할지와 무엇을 말할지를 결정한다. 회사는 실제 고객 통화에서 Alto를 도입한 결과 해결률이 5퍼센트포인트 넘게 상승했고, 평균 응답 시간은 약 700밀리초였다고 밝혔다.

Decagon은 해결률 비교 기간에 에이전트의 나머지 로직은 사실상 변경되지 않았다고 밝혔다. 그러나 이번 결과를 발표하면서 고객사, 표본 규모, 기준 해결률 또는 측정 기간은 공개하지 않았다. Alto는 Decagon의 모델 특화 영역을 음성 품질에서 대화 제어로 확장한다. 즉, 즉시 답변하는 것이 적절한지 판단하고 추론 모델이 작업을 마치는 동안 발신자의 참여를 어떻게 유지할지 결정한다.

답변할 것인가, 기다릴 것인가

일반적인 캐스케이드 방식의 음성 파이프라인은 발신자의 말을 음성 인식으로 텍스트화하고, 응답을 추론한 다음, 음성을 생성하는 순서로 각 대화 차례를 처리한다. 반면 Decagon의 듀플렉스 에이전트는 빠른 대화 모델과 더 강력한 추론 모델을 병렬로 실행한다. 전자는 듣고 말하며, 후자는 대화 이면에서 복잡한 의사 결정과 작업을 처리한다. 덕분에 작업이 진행되는 동안에도 에이전트는 발신자와 계속 대화할 수 있다.

이러한 병렬 처리 방식에서는 매 대화 차례마다 판단이 필요하다. 추론 모델을 기다리면 대화 흐름이 끊길 수 있지만, 너무 일찍 답하면 확인되지 않은 내용을 말할 위험이 있다. 예를 들어 시스템이 예약 변경을 확인하기도 전에 발신자에게 예약이 변경됐다고 알릴 수 있다. 따라서 더 작은 대화 모델의 속도상 이점에는 신뢰성 문제가 따르며, 듀플렉스 아키텍처만으로는 이 문제를 해결할 수 없다.

Alto는 발신자가 한 말과 에이전트의 나머지 부분에서 진행 중인 작업을 지속적으로 추적하고, 통화 기록을 공유해 응답의 근거로 삼는다. 작업이 완료됐다고 알리기 전에 확인을 기다린다. 정보를 조회하거나 도구를 호출하는 동안에는 무의미한 상투적 답변에 기대는 대신 다음 정보를 요청하거나 발신자에게 진행 상황을 확인할 수 있다. 발신자가 새로운 질문을 하는 순간 결과가 도착하면 Alto는 질문에 답하면서 결과도 함께 전달할 수 있다.

모호한 통화에 대비한 학습

Decagon은 응답 속도를 높이기 위해 작은 오픈 웨이트 모델에서 시작한 뒤, 실제 운영 경험을 반영한 시뮬레이션 통화 데이터로 모델을 미세 조정했다. 강화 학습 과정에서 Alto는 대화의 각 지점마다 가능한 응답을 여러 개 생성했다. 점수 산정에서는 모델이 답변할지 기다릴지 올바르게 선택했는지를 우선 평가한 다음, 표현이 비즈니스 정책을 따르고 확인된 정보를 반영했는지 살폈다.

Alto가 이미 대부분의 상황을 올바르게 처리한다는 사실을 확인한 Decagon은 모호한 사례에 학습을 집중했다. 또한 시뮬레이션에 사용한 기업별 정책과 도구를 다양하게 구성해, 한 회사의 대본을 외우는 대신 상황이 달라져도 적용할 수 있는 판단력을 학습시키고자 했다.

Decagon은 발신자가 모델의 응답을 듣기 전에 시뮬레이션 통화 9,000만 건 이상을 대상으로 테스트했다고 밝혔다. 이어 Alto를 실제 운영 트래픽과 나란히 실행하는 섀도 모드로 운영했다. 이 방식에서는 응답을 발신자에게 들려주지 않고도 평가할 수 있다.

전문화된 두 음성 모델

Alto는 2026년 10월 1일 발표된 Voice 3와 Chord에 이어 공개됐다. Voice 3는 Chord의 음성 생성 기능에 듀플렉스 아키텍처와 70개가 넘는 언어 지원을 결합했다. Chord가 Decagon 에이전트의 목소리를 만드는 방식을 다룬다면, Alto는 대화를 이끌어 가는 방식을 다룬다. 앞서 Decagon은 Chord가 독립적으로 해결률을 최대 7퍼센트포인트 높였다고 밝힌 바 있다.

두 모델은 음성 성능을 자연스러운 음성과 대화 판단력이라는 두 가지 학습 목표로 나눈다. Alto가 보고한 결과는 두 번째 목표가 해결된 고객 통화와 연결된다는 점을 보여준다. 그러나 핵심적인 운영상의 제약은 여전히 답변할지 기다릴지 결정하는 데 있다. 자연스러운 대화가 확인된 작업보다 앞서 나가지 않도록 하면서 대화 모델의 속도를 활용해야 한다.