Decagon giới thiệu Alto để điều phối hội thoại của trợ lý giọng nói

Decagon giới thiệu Alto vào ngày 11 tháng 11 năm 2026. Đây là mô hình của Decagon Labs, có nhiệm vụ điều khiển lớp hội thoại của trợ lý giọng nói song công, quyết định khi nào cần nói và nói gì. Công ty cho biết Alto giúp tăng tỷ lệ giải quyết hơn 5 điểm phần trăm trong các cuộc gọi trực tiếp với khách hàng, đồng thời đưa ra phản hồi với thời gian trung bình khoảng 700 mili giây.

Decagon cho biết phần logic còn lại của trợ lý hầu như không thay đổi trong quá trình so sánh tỷ lệ giải quyết. Thông báo không nêu rõ khách hàng, cỡ mẫu, tỷ lệ cơ sở hay khoảng thời gian đo lường kết quả đó. Alto mở rộng chuyên môn hóa mô hình của Decagon, từ chất lượng giọng nói sang điều phối hội thoại: quyết định liệu có nên trả lời ngay hay không và làm thế nào để giữ người gọi tiếp tục tương tác trong khi mô hình suy luận hoàn tất công việc.

Quyết định trả lời hay chờ

Quy trình xử lý giọng nói tuần tự thông thường xử lý từng lượt thoại theo trình tự: chuyển lời người gọi thành văn bản, suy nghĩ về câu trả lời rồi tạo giọng nói. Thay vào đó, trợ lý song công của Decagon vận hành song song một mô hình hội thoại nhanh và một mô hình suy luận mạnh hơn. Mô hình thứ nhất lắng nghe và nói; mô hình thứ hai xử lý các quyết định và hành động phức tạp phía sau cuộc hội thoại, cho phép trợ lý tiếp tục tương tác trong khi công việc đang được tiến hành.

Cách vận hành song song này đòi hỏi phải cân nhắc trong từng lượt thoại. Chờ mô hình suy luận có thể làm gián đoạn cuộc hội thoại, nhưng trả lời quá sớm có nguy cơ đưa ra thông tin chưa được xác nhận, chẳng hạn như báo với người gọi rằng đặt chỗ của họ đã thay đổi trước khi hệ thống xác nhận điều đó. Vì vậy, lợi thế tốc độ của mô hình hội thoại nhỏ hơn đi kèm với vấn đề về độ tin cậy mà riêng kiến trúc song công không thể giải quyết.

Alto liên tục theo dõi những gì người gọi đã nói và những gì phần còn lại của trợ lý đang thực hiện, dựa các phản hồi trên hồ sơ cuộc gọi dùng chung. Trợ lý chờ xác nhận rồi mới thông báo rằng một hành động đã hoàn tất. Trong lúc tra cứu hoặc gọi công cụ, Alto có thể yêu cầu cung cấp thông tin tiếp theo hoặc hỏi thăm người gọi thay vì dùng những câu lấp chỗ trống chung chung. Nếu có kết quả trong lúc người gọi hỏi điều mới, Alto có thể vừa trả lời câu hỏi vừa cung cấp kết quả.

Huấn luyện để xử lý các cuộc gọi mơ hồ

Decagon bắt đầu với một mô hình nhỏ có trọng số mở để phản hồi nhanh, sau đó tinh chỉnh mô hình này bằng các cuộc gọi mô phỏng được xây dựng dựa trên kinh nghiệm vận hành thực tế. Trong quá trình học tăng cường, Alto tạo ra một số phản hồi khả dĩ tại mỗi thời điểm trong cuộc hội thoại. Quy trình chấm điểm ưu tiên xác định liệu mô hình có lựa chọn đúng giữa trả lời và chờ hay không, sau đó đánh giá xem cách diễn đạt có tuân thủ chính sách kinh doanh và phản ánh thông tin đã được xác nhận hay không.

Decagon tập trung huấn luyện vào các trường hợp mơ hồ sau khi nhận thấy Alto đã xử lý đúng phần lớn tình huống. Công ty cũng thay đổi chính sách và công cụ giữa các doanh nghiệp mô phỏng, nhằm dạy mô hình khả năng phán đoán có thể áp dụng trong nhiều tình huống, thay vì một kịch bản ghi nhớ cho riêng một công ty.

Decagon cho biết đã thử nghiệm mô hình trên hơn 90 triệu cuộc gọi mô phỏng trước khi để bất kỳ người gọi nào nghe thấy mô hình. Sau đó, công ty chạy Alto ở chế độ giám sát song song với lưu lượng hoạt động thực tế, nhờ vậy có thể đánh giá phản hồi của mô hình mà không phát chúng cho người gọi.

Hai mô hình giọng nói chuyên biệt

Alto ra mắt sau Voice 3 và Chord, được công bố vào ngày 1 tháng 10 năm 2026. Voice 3 kết hợp khả năng tạo giọng nói của Chord với kiến trúc song công và hỗ trợ hơn 70 ngôn ngữ. Chord định hình giọng nói của các trợ lý Decagon, còn Alto định hình cách chúng tiến hành hội thoại. Trước đó, Decagon cho biết Chord giúp tăng tỷ lệ giải quyết độc lập lên đến 7 điểm phần trăm.

Kết hợp lại, hai mô hình chia hiệu suất giọng nói thành hai mục tiêu huấn luyện: độ tự nhiên của giọng nói và khả năng phán đoán trong hội thoại. Kết quả được báo cáo của Alto gắn mục tiêu thứ hai với việc giải quyết các cuộc gọi của khách hàng, nhưng ràng buộc vận hành cốt lõi vẫn là quyết định trả lời hay chờ: tận dụng tốc độ của mô hình hội thoại mà không để cuộc trao đổi nghe tự nhiên đi trước những hành động đã được xác nhận.