Decagon introducerar Alto för att styra röstagenters samtal

Decagon presenterade Alto den 11 november 2026. Alto är en modell från Decagon Labs som styr det konversationsmässiga lagret i företagets duplexbaserade röstagent och avgör när den ska tala och vad den ska säga. Företaget uppgav att Alto ökade andelen lösta ärenden med mer än fem procentenheter i samtal med kunder i realtid, samtidigt som svaren i genomsnitt kom efter cirka 700 millisekunder.

Decagon uppgav att agentens övriga logik i stort sett var oförändrad när andelen lösta ärenden jämfördes. I tillkännagivandet angavs inte vilka kunder som ingick, urvalets storlek, utgångsvärdena eller mätperioden för resultatet. Alto utvidgar Decagons modellspecialisering från talets kvalitet till styrning av samtal: att avgöra om ett omedelbart svar är motiverat och hur den som ringer ska hållas engagerad medan en resonemangsmodell slutför arbetet.

Beslutet att svara eller vänta

En traditionell kaskadbaserad röstpipeline hanterar varje tur i tur och ordning: transkriberar den som ringer, resonerar kring ett svar och genererar sedan tal. Decagons duplexbaserade agent kör i stället en snabb konversationsmodell parallellt med en mer kraftfull resonemangsmodell. Den första lyssnar och talar, medan den andra hanterar komplexa beslut och åtgärder bakom samtalet. På så sätt kan agenten fortsätta interagera medan arbetet pågår.

Den här parallelliteten innebär att ett beslut måste fattas vid varje tur. Att vänta på resonemangsmodellen kan störa samtalsflödet, men ett alltför snabbt svar riskerar att innehålla ett obekräftat påstående, till exempel att säga till den som ringer att en bokning har ändrats innan systemet har bekräftat det. Den mindre konversationsmodellens hastighetsfördel medför alltså ett tillförlitlighetsproblem som duplexarkitekturen i sig inte löser.

Alto håller kontinuerligt reda på vad den som ringer har sagt och vad resten av agenten gör, och förankrar sina svar i en gemensam samtalslogg. Den väntar på bekräftelse innan den meddelar att en åtgärd är slutförd. Under en sökning eller ett verktygsanrop kan den be om nästa uppgift eller stämma av med den som ringer i stället för att ta till generiska utfyllnadsfraser. Om ett resultat kommer in samtidigt som den som ringer ställer en ny fråga kan Alto både besvara frågan och lämna resultatet.

Träning för tvetydiga samtal

Decagon började med en liten modell med öppna vikter för att hålla svaren snabba och finjusterade den sedan med simulerade samtal baserade på erfarenheter från produktion. I förstärkningsinlärningen genererade Alto flera möjliga svar vid varje punkt i samtalet. Poängsättningen prioriterade huruvida modellen fattade rätt beslut om att svara eller vänta och bedömde därefter om formuleringarna följde företagets riktlinjer och återgav bekräftad information.

Decagon inriktade träningen på tvetydiga situationer efter att ha konstaterat att Alto redan hanterade de flesta situationer korrekt. Företaget varierade också riktlinjer och verktyg mellan simulerade företag, med målet att lära modellen ett omdöme som kan tillämpas i olika situationer i stället för ett manus som den lärt sig utantill för ett enda företag.

Innan någon som ringde fick höra modellen uppgav Decagon att företaget hade testat den i fler än 90 miljoner simulerade samtal. Därefter kördes Alto i skuggläge parallellt med trafik från den aktiva produktionen, så att svaren kunde utvärderas utan att läsas upp för dem som ringde.

Två specialiserade röstmodeller

Alto följer på Voice 3 och Chord, som tillkännagavs den 1 oktober 2026. Voice 3 kombinerade Chords talgenerering med duplexarkitektur och stöd för fler än 70 språk. Chord formar hur Decagons agenter låter, medan Alto formar hur de för ett samtal. Decagon har tidigare tillskrivit Chord en självständig ökning av andelen lösta ärenden med upp till sju procentenheter.

Tillsammans delar modellerna upp röstprestanda i två träningsmål: naturligt tal och omdöme i samtal. Det rapporterade resultatet för Alto kopplar det senare målet till lösta kundärenden, men den centrala begränsningen i användningen kvarstår: beslutet att svara eller vänta – att utnyttja konversationsmodellens snabbhet utan att låta ett naturligt klingande samtal föregripa bekräftade åtgärder.