Decagons Voice 3 und PACT bereiten den Kundensupport auf Agenten am anderen Ende vor

--- title: Decagons Voice 3 und PACT bereiten den Kundensupport auf Agenten am anderen Ende vor meta_title: Wenn der Kunde ein Agent ist, muss sich der Support anpassen meta_description: Decagon hat Voice 3 mit seinem Sprachmodell Chord sowie PACT eingeführt, ein Protokoll für delegierte Autorisierung, wenn der KI-Agent einer Person ein Unternehmen kontaktiert. ---

Die meisten Kundensupport-Softwarelösungen gehen davon aus, dass sich am anderen Ende der Konversation ein Mensch befindet. Die Veröffentlichung von Decagon vom 1. Oktober geht davon aus, dass dies zunehmend nicht mehr stimmt, und baut in zwei Richtungen gleichzeitig darauf auf.

Das Unternehmen stellte auf seiner Veranstaltung Decagon Dialogues vier Produkte vor: Voice 3 mit einem neuen Sprachmodell namens Chord, ein Personal Agent Gateway, Agent Modules und eine Duet Apprentice Beta.

Voice 3 und das Chord-Modell

Voice 3 wird mit Chord ausgeliefert, dem ersten Sprachmodell von Decagon Labs, das speziell für Kundengespräche nachtrainiert wurde. Decagon sagt, das Modell forme Sprache Phrase für Phrase, verlangsame bei Details wie Telefonnummern und Bestätigungscodes, bevor es zu einem Gesprächstempo zurückkehre.

Die Architektur ist duplex, mit zwei parallel laufenden Ebenen. Ein latenzarmes Konversationsmodell übernimmt Zuhören und Sprechen, während ein leistungsfähigeres Modell hinter dem Gespräch Reasoning, Tool-Aufrufe und die Durchsetzung von Guardrails steuert. Da der Agent eingehendes Audio verarbeitet, während er spricht, kann er mit einem beiläufigen Laut bestätigen, aber nachgeben, wenn jemand wirklich unterbricht, statt die Person zu übertönen oder stumm zu werden.

Decagon berichtete, dass in Blindtests über drei Aufnahmepaare hinweg, bei denen jeweils eine echte Person mit derselben über Chord laufenden Stimme gepaart wurde, durchschnittlich etwa 90 % der Zuhörer den Menschen nicht identifizieren konnten. Das Unternehmen sagt, Chord sei mit lizenzierten Daten und zugestimmtem Stimmtalent trainiert worden, niemals mit kundeneigenen Daten, und unterstütze mehr als 70 Sprachen mit automatischer Erkennung und Wechsel mitten im Satz.

Die 90-%-Zahl ist ein vom Unternehmen gemeldeter Blindtest, und sie hat zwei Seiten. Als Qualitätssignal ist sie beeindruckend, als Offenlegungssignal unangenehm, denn ein Anrufer, der nicht erkennen kann, dass er mit einer Maschine spricht, hat keine Gelegenheit zu fragen.

Das Personal Agent Gateway ist die folgenreichere Idee

In der Ankündigung von Decagon heißt es, dass im Monat vor der Veranstaltung Meta Muse eingeführt, OpenAI dots vorgestellt und Instinct begonnen habe, für Nutzer Telefonanrufe zu tätigen. Das Unternehmen beschreibt diese als persönliche Agenten, die im Namen ihrer Besitzer buchen, kaufen, stornieren und verhandeln, und sagt, sie würden bereits den Kundensupport kontaktieren.

Das ist die Verschiebung, für die das Gateway entworfen wurde. Es hat zwei Teile.

Die Erkennung persönlicher Agenten kennzeichnet wahrscheinliche persönliche Agenten in Chat und Sprache, wobei Signale sowohl vom Unternehmen als auch von der Plattform genutzt werden. Jedes Unternehmen entscheidet, was als Nächstes passiert und worauf diese Agenten zugreifen können.

Ein eigener Kanal für persönliche Agenten steht neben Chat, E-Mail und Sprache, mit separaten Agent Operating Procedures. So kann dieselbe Anfrage je nachdem, ob ein Mensch oder ein Agent fragt, einen anderen Workflow durchlaufen.

Berechtigungen leben innerhalb dieser Verfahren. Unternehmen definieren die Scopes, die ein Agent anfordern kann, und markieren, welche Abschnitte welchen davon erfordern; diese Abschnitte werden einem Agenten ohne den erforderlichen Scope niemals offengelegt.

Decagons Beispiel ist eine Fluggesellschaft. Der persönliche Agent eines Reisenden fordert die Berechtigung an, Flüge einzusehen und umzubuchen; der Reisende genehmigt nur das Einsehen; der Agent der Fluggesellschaft teilt frühere Flugoptionen, kann die Änderung aber nicht vornehmen, bis die Umbuchung separat autorisiert ist.

PACT und warum Autorisierung ein Protokoll braucht

Decagon führte außerdem PACT ein, für Personal Agent Consent and Trust, ein Protokoll, das den Agenten einer Person im Namen dieser Person handeln lässt, unter Berechtigungen, die der Dienst definiert und die Person erteilt.

PACT baut auf dem Agent2Agent-Protokoll auf, das abdeckt, wie Agenten einander finden und Nachrichten austauschen, und ergänzt delegierte Autorisierung auf Basis von OAuth 2.0. Dadurch kann ein Agent nachweisen, welche Person er vertritt und wozu diese Person ihn befugt hat.

Die Begründung dahinter ist einleuchtend, sobald man sie ausspricht. Wenn ein Unternehmen eine Anfrage von einem Agenten erhält, muss es vor dem Handeln drei Fragen beantworten: Welcher Mensch steht hinter dem Agenten, wozu hat dieser Mensch ihn autorisiert, und kann der Agent das beweisen? Agent2Agent allein deckt Discovery und Messaging ab, lässt aber die Autorisierung vage. OAuth 2.0 daran anzudocken gibt der Delegation eine verifizierbare Kette.

Die Spezifikation ist verfügbar, und Decagon sagt, es arbeite mit Anbietern persönlicher Agenten und Unternehmenskunden zusammen, um sie zu gestalten. Ob PACT ein Standard wird oder der Ansatz eines einzelnen Anbieters bleibt, hängt davon ab, ob andere Plattformen ihn übernehmen, was der übliche Test für ein Protokoll mit einem einzigen Autor ist.

Agent Modules und das Lehrlingsmodell

Agent Modules kombinieren Infrastruktur, Analytics und Kampagnenorchestrierung für Customer Journeys jenseits des Supports, einschließlich Lead-Qualifizierung, Onboarding und Inkasso, über Finanzdienstleistungen, Reisen, Gastgewerbe, Gesundheitswesen, Einzelhandel und Telekommunikation hinweg.

Das Team des Kunden definiert die Geschäftslogik, während Duet auf die Standard Operating Procedures, Richtlinien, Integrationen und Wissensquellen des Unternehmens zurückgreift, um Prozesse in Agentenverhalten zu übersetzen. Im Inkasso beispielsweise legen Teams Offenlegungssprache, genehmigte Ratenzahlungsstufen und Bedingungen fest, die eine Übergabe an einen Menschen erfordern. Vor dem Start testen Simulationen das Agentenverhalten gegen Personas mit unterschiedlichen Absichten.

Duet Apprentice befindet sich in der Beta, und die Einordnung ist wichtig. Es wird als Auszubildender positioniert, nicht als autonomer Operator, was auf ein gestuftes Vertrauensmodell hindeutet: Der Agent lernt die Verfahren des Unternehmens unter Aufsicht, bevor er Fälle allein bearbeitet. Das ist eine ehrlichere Beschreibung davon, wie Enterprise-Deployments tatsächlich verlaufen, als die übliche Launch-Sprache.

Was das über die Richtung des Supports sagt

Zwei Dinge stechen hervor.

Das erste ist, dass Sprachqualität nicht länger das Unterscheidungsmerkmal ist. Ein Sprachmodell, das in 90 % der Blindtests nicht von einer Person zu unterscheiden ist, ist in dem Sinne, der zählt, ein gelöstes Problem, was bedeutet, dass der Wettbewerb sich darauf verlagert, was der Agent weiß, was er tun darf und wie er es beweist. Christian Niedworok, der die digitale Servicekommunikation bei der Deutschen Telekom leitet, beschrieb Voice 3 in der Ankündigung als klinge, als höre es tatsächlich zu und halte das Gespräch in Gang, statt still zu werden, während es arbeitet. Das ist ein Kommentar zu Latenz und Sprecherwechseln statt zu Timbre, und dort liegt die verbleibende Qualitätslücke.

Das zweite ist, dass sich die Gegenseite ändert. Supportsysteme haben Jahrzehnte damit verbracht, menschliches Verhalten zu modellieren: was eine Person verwirrt, was sie auflegen lässt, wie man sie weiterleitet. Jetzt wird ein Teil der eingehenden Anfragen Maschinen sein, die für Menschen handeln, und das System muss sie erkennen, authentifizieren und ihren Zugriff begrenzen. Das ist ein anderes Engineering-Programm, und Decagon ist der erste große Anbieter, der Produkte genau dafür auf den Markt bringt.

Das Erkennungsproblem hat eine besondere Form, die es wert ist, bedacht zu werden. Ein persönlicher Agent, der den Support im Namen von jemandem kontaktiert, ist nicht zwangsläufig bösartig. Es kann eine legitime Delegation sein, die der Kunde autorisiert hat. Agenten-Traffic als Missbrauch zu behandeln, würde einen Anwendungsfall zerstören, der gerade dabei ist, üblich zu werden. Ihn als gewöhnlichen Traffic zu behandeln, öffnet die Tür für automatisierten Missbrauch in einem Ausmaß, das menschlicher Betrug nie erreicht hat. Der Gateway-Ansatz, bei dem Erkennung das Routing informiert, statt eine Sperre auszulösen, ist ein vernünftiger Mittelweg, und er hängt davon ab, dass die Erkennung genau ist.

Worauf man achten sollte

Ob PACT über Decagons eigene Kunden hinaus übernommen wird. Wenn ja, wird delegierte Autorisierung für jedes Unternehmen, das Agenten-Traffic erhält, zur Grundvoraussetzung. Wenn nicht, endet jede Plattform mit ihrer eigenen Antwort, und die Parteien, die durch die Verwirrung tatsächlich geschädigt werden, sind die Menschen, die hinter ihren Agenten auf eine Antwort warten.

Ob die Erkennungsgenauigkeit unter adversarialem Druck standhält. Jedes Signal, das Traffic klassifiziert, lädt zum Gaming ein, und die Erkennung persönlicher Agenten ist ein Signal, das es wert ist, gegamet zu werden, für jeden, der einen Support-Workflow im großen Maßstab automatisieren will.

Ob die Mehrsprachigkeitsbehauptung das Schichten übersteht. Voice 3 unterstützt mehr als 70 Sprachen mit automatischer Erkennung und Wechsel mitten im Satz, und Decagon sagt, jede Sprache werde vor der Auslieferung von Muttersprachlern validiert. Sprachen mitten im Satz zu wechseln und dabei eine konsistente Identität zu wahren, ist ein schwierigeres Problem, als sie an einer Grenze zu wechseln, und unabhängige Tests wären nützlich.

Die Richtung dieser Veröffentlichung ist klar, und sie ist breiter als die Produktlinie eines einzelnen Anbieters. Der Kundensupport ging jahrzehntelang davon aus, dass er mit Menschen spricht. Diese Annahme läuft aus, und die Unternehmen, die die Tools für den Übergang ausliefern, werden prägen, wie die nächsten Jahre automatisierter Kundeninteraktion aussehen.