Decagon lanserar Missions för långvariga AI-arbetsflöden inom kundservice

Decagon lanserade Missions den 12 november 2026. Produkten är utformad för att låta AI-agenter hantera kundresultat som sträcker sig över flera samtal, system och deltagare. Agenterna kan arbeta mot ett fastställt mål i dagar, veckor eller månader i stället för att avsluta arbetet efter en enda interaktion.

Decagon nämner förhandsgodkännande för en MR-undersökning, godkännande av ett mindre lån och kvalificering av leads som exempel på resor i flera steg som kan generera betydande intäkter. För kundupplevelsesteam är den avsedda förändringen att ersätta manuell statusuppföljning och samordning av överlämningar med löpande förbättring av kundresan.

Samordning mellan samtal och administrativa system

Ett team startar en Mission genom att formulera målet på ett enkelt språk, ange vilka typer av personer agenten ska interagera med och lägga till vägledning. Agenten väljer sedan sina följande åtgärder utifrån målet. Den kan koppla samman trådar som rör olika personer, kontakta varje deltagare via en lämplig kanal och vänta när en tredje part behöver slutföra ett steg innan processen kan fortsätta.

Produkten sträcker sig också bortom samtal. Med Browser Actions kan en agent utföra administrativa uppgifter, till exempel fylla i formulär. Decagons exempel med receptförnyelse börjar med en avisering till patienten, fortsätter med att vårdgivaren kontaktas när ett godkännande krävs och omfattar att skicka in ersättningsanspråken på nytt via en betalarportal. Processen avslutas när agenten bekräftar uppgifter om uthämtningen med patienten.

Exemplet visar produktens bredare roll i företag: ett enda serviceärende kan kräva kommunikation med kunden, samordning med vårdgivaren och aktivitet i betalarsystemet. Missions samlar dessa aktiviteter i ett målstyrt arbetsflöde i stället för att behandla varje interaktion som ett separat uppdrag.

Ärenden och Memory styr de efterföljande åtgärderna

Varje Mission-ärende innehåller en dokumentation av framstegen, däribland slutförda steg och ny information som kan påverka planen. Agenten använder ärendet för att välja nästa åtgärd, planera proaktiv kontakt och bevara sammanhanget inför senare arbete. Innan den agerar kontrollerar den på nytt både ärendet och kundens Memory för att avgöra om den befintliga planen fortfarande fungerar.

Memory tillför preferenser och relevant sammanhang från andra samtal. Decagons exempel omfattar att respektera en kunds önskemål om att inte bli uppringd efter klockan 15 och att ta hänsyn till en parallell interaktion där samma kund introduceras till en ny produkt samtidigt som ett orelaterat problem felsöks.

Samma kontroll görs när en kund ändrar den förväntade ordningsföljden. Om en agent har kvalificerat ett lead och bokat en uppföljning, men kunden själv bokar den uppföljningen via e-post, anpassar agenten sitt tillvägagångssätt. Utformningen skiljer därför mellan två slags sammanhang: Mission-ärendet följer framstegen mot affärsresultatet, medan Memory håller individuella preferenser och pågående parallella interaktioner synliga.

Optimering hanterar svårigheten att tillskriva resultat i långa arbetsflöden

Decagon pekar ut resultatmätning som en central utmaning när automatiserat arbete sträcker sig över många interaktioner. Om en receptförnyelse försenas kan team behöva avgöra om problemet uppstod vid den första kontakten, vid överlämningen till vårdgivaren eller vid försäkringskontrollen. Därför blir det svårt att isolera vilken interaktion eller överlämning som behöver ändras.

Varje Mission är uppbyggd som en operativ procedur för en agent, eller AOP. Team kan skriva, redigera och förfina den logiken, granska agentens beslut och testa enskilda delar av konfigurationen för att identifiera vad som behöver förbättras. Duet och Duet Autopilot ger rekommendationer som inriktas på hela kundresan och utvidgar optimeringen bortom enskilda interaktioner.

Lanseringen kopplar därmed samman genomförande och analys i en och samma produktmodell: agenter arbetar mot ett mål genom flera deltagare och system, medan ärenden, Memory och AOP-baserade tester ger team verktyg för att granska och ändra den valda vägen. För företag som överväger automatisering över längre tid är den öppna frågan om dessa verktyg tillförlitligt kan synliggöra bristfälliga överlämningar och förbättra resultaten när antalet interaktioner ökar.