Decagon lanserer Missions for langvarige KI-arbeidsflyter i kundeservice

Decagon lanserte Missions 12. november 2026. Produktet er utviklet for å la KI-agenter håndtere resultater for kunder som strekker seg over flere samtaler, systemer og deltakere. Agentene kan arbeide mot et definert mål i dager, uker eller måneder, i stedet for å avslutte arbeidet etter én enkelt interaksjon.

Decagon nevner forhåndsgodkjenning av MR, godkjenning av smålån og kvalifisering av potensielle kunder som eksempler på flertrinnsforløp som kan gi betydelige inntekter. For kundeserviceteam er den tilsiktede endringen å erstatte manuell statussporing og koordinering av overleveringer med løpende forbedring av forløpet.

Orkestrering på tvers av samtaler og systemer i støttefunksjonene

Et team starter en Mission ved å beskrive målet i et enkelt språk, angi hvilke personaer agenten skal kommunisere med, og legge til veiledning. Deretter velger agenten de neste handlingene ut fra dette målet. Den kan knytte sammen samtaletråder som involverer ulike personer, kontakte hver deltaker via en passende kanal og vente når en tredjepart må fullføre et trinn før prosessen kan fortsette.

Produktet omfatter også mer enn samtaler. Med Browser Actions kan en agent utføre oppgaver i støttefunksjonene, for eksempel fylle ut skjemaer. Decagons eksempel på fornyelse av resept starter med at pasienten får et varsel, fortsetter med at behandleren kontaktes når godkjenning er nødvendig, og omfatter at kravet sendes inn på nytt via betalerens portal. Prosessen avsluttes når agenten bekrefter henteinformasjonen med pasienten.

Eksemplet illustrerer produktets bredere rolle i virksomheter: Ett enkelt servicemål kan kreve kommunikasjon med kunden, koordinering med behandleren og aktivitet i betalersystemet. Missions samler disse aktivitetene i én målstyrt arbeidsflyt i stedet for å behandle hver interaksjon som en separat oppgave.

Saker og Memory styrer de neste handlingene

Hver Mission-sak fører en oversikt over fremdriften, inkludert fullførte trinn og ny informasjon som kan endre planen. Agenten bruker saken til å velge neste handling, planlegge proaktiv kontakt og bevare konteksten for senere arbeid. Før den handler, sjekker den både saken og kundens Memory på nytt for å avgjøre om den eksisterende planen fortsatt passer.

Memory gir tilgang til preferanser og relevant kontekst fra andre samtaler. Blant Decagons eksempler er å respektere kundens ønske om ikke å bli oppringt etter kl. 15 og å ta hensyn til en parallell interaksjon der den samme kunden holder på med å ta i bruk et nytt produkt samtidig som et urelatert problem feilsøkes.

Den samme kontrollen gjøres på nytt når kunden endrer den forventede rekkefølgen. Hvis en agent har kvalifisert et lead og avtalt oppfølging, men kunden selv avtaler denne oppfølgingen via e-post, endrer agenten kurs. Utformingen skiller dermed mellom to typer kontekst: Mission-saken sporer fremdriften mot forretningsmålet, mens Memory holder oversikt over individuelle preferanser og samtidige interaksjoner.

Optimalisering håndterer attribusjon i langvarige arbeidsflyter

Decagon peker på attribusjon som en sentral utfordring når automatisert arbeid strekker seg over mange interaksjoner. Hvis en reseptfornyelse blir forsinket, kan team måtte finne ut om problemet oppsto ved den første kontakten, i overleveringen til behandleren eller under forsikringsverifiseringen. Da blir det vanskelig å isolere hvilken interaksjon eller overlevering som må endres.

Hver Mission er bygget som en agentoperativ prosedyre, eller AOP. Team kan skrive, redigere og forbedre denne logikken, undersøke agentens beslutninger og teste enkeltdeler av konfigurasjonen for å finne ut hva som bør forbedres. Duet og Duet Autopilot gir anbefalinger som tar sikte på hele kundereisen, slik at optimaliseringen omfatter mer enn enkeltstående interaksjoner.

Lanseringen knytter dermed gjennomføring og analyse sammen i én produktmodell: Agentene følger et mål på tvers av deltakere og systemer, mens saker, Memory og testing basert på AOP gir teamene verktøy til å gjennomgå og revidere forløpet. For virksomheter som vurderer automatisering over lengre tid, er det fortsatt et åpent spørsmål om disse kontrollene på en pålitelig måte kan avdekke svake overleveringer og forbedre resultatene etter hvert som antallet interaksjoner øker.