Ihr KI-Agent ruft jetzt den Kundensupport an, und Unternehmen müssen antworten

Auf seiner Veranstaltung Decagon Dialogues am 1. Oktober hat Decagon vier Produkte auf den Markt gebracht, die auf ein Problem abzielen, für das die meisten Unternehmen noch nicht einmal zu planen begonnen haben: Was passiert, wenn der Anrufer am anderen Ende keine Person ist, sondern der KI-Agent von jemand anderem?

Die vier Veröffentlichungen waren Voice 3 mit einem neuen Sprachmodell namens Chord, ein Personal Agent Gateway mit einem begleitenden Autorisierungsprotokoll, Agent Modules und eine Beta namens Duet Apprentice. Die ersten beiden sind am wichtigsten, denn zusammen beschreiben sie beide Seiten einer Konversation, die zur Routine wird.

Das Sprachmodell hat die menschliche Hürde genommen

Chord ist Decagons erstes eigenes Sprachmodell, das speziell für Kundengespräche und nicht für allgemeine Sprache nachtrainiert wurde. Das Unternehmen führte einen Blindtest mit drei Aufnahmepaaren durch, bei dem jeweils eine echte Person mit derselben Stimme, die durch Chord gelaufen war, kombiniert wurde. Im Durchschnitt konnten rund 90 Prozent der Zuhörer nicht erkennen, welche menschlich war.

Zwei Details der Funktionsweise von Chord sind mehr wert als die Schlagzeile. Das Modell formt Sprache Satz für Satz, verlangsamt bei Telefonnummern und Bestätigungscodes, bevor es zum Konversationstempo zurückkehrt. Und es läuft auf einer Duplex-Architektur mit zwei parallel arbeitenden Ebenen: Ein Modell mit niedriger Latenz übernimmt Zuhören und Sprechen, während ein schwereres Modell im Hintergrund der Konversation Reasoning, Tool-Aufrufe und Guardrails verwaltet.

Das Design zeigt sich im Verhalten. Der Agent verarbeitet eingehendes Audio, während er noch spricht, sodass er ein beiläufiges „mhm“ übergehen und dann bei einer echten Unterbrechung nachgeben kann, anstatt den Anrufer zu übersprechen oder verstummen. Er kann während einer langen Aufgabe den Fortschritt schildern und eine Rückfrage mitten im Geschehen annehmen, statt den Anrufer in die Warteschleife zu legen.

Decagon sagt, Chord werde mit lizenzierten Daten und Stimmtalenten mit Einwilligung trainiert – und niemals mit kundeneigenen Daten. Voice 3 unterstützt mehr als 70 Sprachen, erkennt die Sprache des Anrufers und wechselt automatisch, selbst wenn ein Anrufer mitten im Satz zwischen Sprachen wechselt; jede Sprache wird vor der Veröffentlichung von Muttersprachlern validiert.

Das schwierigere Problem ist der andere Agent

Eine gute synthetische Stimme ist mittlerweile Pflicht. Die interessantere Veröffentlichung ist das Personal Agent Gateway, und der Grund, warum Decagon es gebaut hat, wird in der eigenen Ankündigung deutlich: Im Monat vor der Veranstaltung startete Meta Muse, OpenAI führte dots ein, und Instinct begann, für Nutzer Telefonanrufe zu tätigen. Das sind persönliche Agenten, die im Namen ihrer Besitzer buchen, kaufen, stornieren und verhandeln – und sie kontaktieren bereits den Kundensupport.

Das bricht eine Annahme, auf der jeder Support-Stack aufbaut. Die Partei, die um etwas bittet, ist nicht unbedingt die Partei, der das Konto gehört, und möglicherweise nicht die Partei, die zur Genehmigung der Änderung berechtigt ist.

Das Gateway adressiert dies mit zwei Komponenten. Die Erkennung persönlicher Agenten markiert wahrscheinliche persönliche Agenten in Chat und Sprache anhand von Signalen des Unternehmens und der Plattform, und jedes Unternehmen entscheidet, was als Nächstes passiert und worauf diese Agenten zugreifen dürfen. Dann gibt es einen eigenen Kanal für persönliche Agenten neben Chat, E-Mail und Sprache, mit separaten Agent Operating Procedures, sodass dieselbe Anfrage je nachdem, ob eine Person oder ein Agent fragt, einem anderen Workflow folgt.

Berechtigungen liegen innerhalb dieser Verfahren. Ein Unternehmen definiert, welche Scopes ein Agent anfordern kann und welche Abschnitte eines Workflows welchen Scope erfordern, und ein Abschnitt wird niemals einem Agenten zugänglich gemacht, dem die passende Berechtigung fehlt. Decagons Beispiel ist eine Fluggesellschaft: Der persönliche Agent eines Reisenden bittet um die Berechtigung, einen Flug einzusehen und umzubuchen, und der Reisende genehmigt nur das Einsehen. Der Agent erhält die Reiseroute, aber nicht die Möglichkeit, sie zu ändern.

Dieses Protokoll nennt Decagon PACT, und sein Zweck ist eng, aber tragend. Es ermöglicht einem Unternehmen zu verifizieren, wen ein Agent vertritt und was diese Person tatsächlich autorisiert hat – die Frage, die ein Supportsystystem beantworten muss, bevor es irgendetwas im Namen von jemandem tut.

Warum dies zuerst beim Support landet

Decagons Kunden begannen damit, seine Agenten zur Lösung von Support-Tickets einzusetzen, und das Unternehmen sagt, dieselben Agenten qualifizieren heute Leads, onboarden Kunden, ziehen Zahlungen ein und bauen Beziehungen aus. Diese Expansion ist der Grund, warum das Problem persönlicher Agenten dringend und nicht theoretisch ist. Derselbe Agent, der eine Frage beantwortet, kann auch eine Bestellung ändern, und das Risikoprofil dieser beiden Aktionen ist nicht dasselbe.

Christian Niedworok, der bei der Deutschen Telekom die digitale Servicekommunikation leitet, beschrieb die Voice-3-Erfahrung in der Ankündigung des Unternehmens in einfachen Worten: Die Stimme klingt, als würde sie zuhören, und sie hält das Gespräch in Gang, anstatt still zu werden, während sie arbeitet. Das ist eine Beschreibung von Latenz und Sprecherwechsel – genau das, was ältere Voice-Agenten roboterhaft wirken ließ.

Die beiden anderen Veröffentlichungen weisen in dieselbe Richtung

Die Agent Modules und die Duet Apprentice Beta füllen die operative Seite aus. Modules bündeln definierte Fähigkeiten, die ein Unternehmen für eine bestimmte Aufgabe aktivieren kann – das ist der Unterschied zwischen einem allgemeinen Assistenten und etwas, das man auf eine Warteschlange ansetzen kann. Duet Apprentice lernt aus den eigenen Wikis eines Unternehmens und aus vergangenen Eskalationen und hält dieses Wissen im Arbeitsbereich des Kunden, sodass ein Agent sich anhand des eigenen Materials der Organisation verbessert und nicht anhand eines gemeinsamen Pools.

Keine der beiden Veröffentlichungen ist so anschaulich wie die Voice-Demo. Beide sind aus demselben Grund wichtig wie das Gateway. Unternehmen, die Agenten im großen Maßstab einsetzen, bewegen sich über die Frage hinaus, was ein Modell kann, und hin zu der Frage, was ein bestimmter Agent in einem realen Workflow wissen, sagen und ändern darf.

Warum die Voice-Hürde der leichte Teil war

Es lohnt sich festzuhalten, wie schnell die 90-Prozent-Zahl aufhört, die Geschichte zu sein. Eine synthetische Stimme, die nicht von einem Menschen zu unterscheiden ist, ist für eine enge, klar definierte Aufgabe wie einen Support-Anruf inzwischen ein gelöstes Problem, und die Anbieter, die noch keine ausgeliefert haben, werden bald eine ausliefern.

Die Messlatte, die sich noch bewegt, ist die Autorisierung. Decagons eigene Darstellung bringt es auf den Punkt: Persönliche Agenten, die buchen, kaufen, stornieren und verhandeln, kontaktieren bereits den Support, und die Unternehmen, die diese Anrufe erhalten, haben keine etablierte Möglichkeit zu prüfen, wen der Agent vertritt. Eine perfekte Stimme bei einer nicht autorisierten Anfrage ist schlimmer als eine unbeholfene Stimme bei einer verifizierten.

Deshalb ist das Gateway und nicht das Sprachmodell die Veröffentlichung, die das nächste Jahr der Support-Tools prägen wird. Und deshalb ist das PACT-Protokoll wichtiger, als sein bescheidener Umfang vermuten lässt. Jemand muss definieren, wie ein Autorisierungsnachweis aussieht, wenn die anfragende Partei Software ist, und die erste glaubwürdige Definition wird tendenziell zum Standard.

Was Unternehmen jetzt entscheiden sollten

Das Unangenehme an diesem Wandel ist, dass er eine Entscheidung erzwingt, die die meisten Unternehmen aufgeschoben haben: was ein automatisierter Anrufer tun darf und wie man nachweist, dass er dazu autorisiert war.

Drei Fragen sollten beantwortet werden, bevor die Anfragen eintreffen. Können Ihre Systeme einen Agenten von einer Person unterscheiden, und spielt das für jeden Workflow eine Rolle? Welches ist die kleinste Berechtigungsmenge, die ein persönlicher Agent für Ihre häufigste Anfrage benötigt? Und wenn ein Agent im Namen von jemandem handelt, welche Aufzeichnung der Autorisierung bewahren Sie auf, und wer kann sie einsehen?

Nichts davon sind Modellfragen. Es sind Richtlinienfragen, und sie werden bestimmen, ob Ihr Support-Stack einen eingehenden Agenten als Kunden, als Bedrohung oder als etwas behandelt, für das das System keine Kategorie hat. Decagon hat die Infrastruktur geliefert. Die Definitionen liegen weiterhin bei den Unternehmen am anderen Ende.