Voice 3 y PACT de Decagon preparan el soporte al cliente para agentes al otro lado

--- title: Voice 3 y PACT de Decagon preparan el soporte al cliente para agentes al otro lado meta_title: Cuando el cliente es un agente, el soporte tiene que adaptarse meta_description: Decagon lanzó Voice 3 con su modelo de voz Chord más PACT, un protocolo para la autorización delegada cuando el agente de IA de una persona contacta a una empresa. ---

La mayoría del software de soporte al cliente asume que hay una persona al otro lado de la conversación. El lanzamiento de Decagon del 1 de octubre asume que eso es cada vez menos cierto, y construye para ello en dos direcciones a la vez.

La empresa presentó cuatro productos en su evento Decagon Dialogues: Voice 3 con un nuevo modelo de voz llamado Chord, una Personal Agent Gateway, Agent Modules y una beta de Duet Apprentice.

Voice 3 y el modelo Chord

Voice 3 se lanza con Chord, el primer modelo de voz de Decagon Labs, con post-entrenamiento específico para conversaciones con clientes. Decagon dice que el modelo da forma al habla frase por frase, reduciendo la velocidad para detalles como números de teléfono y códigos de confirmación antes de volver a un ritmo conversacional.

La arquitectura es dúplex, con dos capas ejecutándose en paralelo. Un modelo conversacional de baja latencia se encarga de escuchar y hablar, mientras que un modelo más potente gestiona el razonamiento, la llamada a herramientas y la aplicación de barreras de seguridad detrás de la conversación. Como el agente procesa el audio entrante mientras habla, puede reconocer con un sonido casual pero ceder cuando alguien interrumpe de verdad, en lugar de hablar por encima de esa persona o quedarse en silencio.

Decagon informó que, en pruebas a ciegas con tres pares de grabaciones, cada par con una persona real y la misma voz procesada por Chord, en promedio alrededor del 90 % de los oyentes no pudo identificar a la persona humana. La empresa afirma que Chord se entrenó con datos con licencia y talento vocal con consentimiento, nunca con datos propiedad de clientes, y admite más de 70 idiomas con detección automática y cambio a mitad de frase.

La cifra del 90 % proviene de una prueba a ciegas reportada por la empresa, y corta en ambos sentidos. Es impresionante como señal de calidad e incómoda como señal de divulgación, ya que quien llama y no puede saber que está hablando con una máquina no tiene oportunidad de preguntar.

La Personal Agent Gateway es la idea más trascendental

El anuncio de Decagon señala que en el mes anterior al evento, Meta lanzó Muse, OpenAI presentó dots e Instinct empezó a hacer llamadas telefónicas por los usuarios. La empresa describe estos como agentes personales que reservan, compran, cancelan y negocian en nombre de sus propietarios, y afirma que ya están contactando al soporte al cliente.

Ese es el cambio para el que está diseñada la gateway. Tiene dos partes.

La detección de agentes personales marca a los probables agentes personales en chat y voz, usando señales tanto de la empresa como de la plataforma. Cada empresa decide qué sucede después y a qué pueden acceder esos agentes.

Un canal dedicado para agentes personales se ubica junto al chat, el correo electrónico y la voz, con Procedimientos Operativos para Agentes separados. Así, la misma solicitud puede seguir un flujo de trabajo distinto según si pregunta una persona o un agente.

Los permisos residen dentro de esos procedimientos. Las empresas definen los ámbitos que un agente puede solicitar y marcan qué secciones requieren cada uno, y esas secciones nunca se exponen a un agente que carece del ámbito requerido.

El ejemplo de Decagon es una aerolínea. El agente personal de un viajero solicita permiso para ver y reprogramar vuelos; el viajero aprueba solo la visualización; el agente de la aerolínea comparte opciones de vuelos más tempranos pero no puede hacer el cambio hasta que la reprogramación se autorice por separado.

PACT y por qué la autorización necesita un protocolo

Decagon también presentó PACT, por Personal Agent Consent and Trust, un protocolo que permite que el agente de una persona actúe en su nombre bajo permisos que el servicio define y la persona otorga.

PACT se basa en el protocolo Agent2Agent, que cubre cómo los agentes se encuentran entre sí e intercambian mensajes, y añade autorización delegada basada en OAuth 2.0. Eso permite que un agente demuestre a qué persona representa y qué le permitió hacer esa persona.

El razonamiento detrás de esto es directo una vez enunciado. Si una empresa recibe una solicitud de un agente, necesita responder tres preguntas antes de actuar: qué humano está detrás del agente, qué autorizó ese humano y si el agente puede demostrarlo. Agent2Agent por sí solo cubre el descubrimiento y la mensajería, pero deja la autorización vaga. Añadirle OAuth 2.0 da a la delegación una cadena verificable.

La especificación está disponible, y Decagon dice que está trabajando con proveedores de agentes personales y clientes empresariales para darle forma. Que PACT se convierta en un estándar o se quede como el enfoque de un solo proveedor depende de si otras plataformas lo adoptan, que es la prueba habitual para un protocolo con un único autor.

Agent Modules y el modelo de aprendiz

Agent Modules combina infraestructura, analítica y orquestación de campañas para recorridos de cliente más allá del soporte, incluyendo la calificación de clientes potenciales, la incorporación y los cobros, en servicios financieros, viajes, hotelería, salud, comercio minorista y telecomunicaciones.

El equipo del cliente define la lógica de negocio mientras Duet se basa en los procedimientos operativos estándar, las políticas, las integraciones y las fuentes de conocimiento de la empresa para traducir procesos en comportamiento del agente. En cobros, por ejemplo, los equipos establecen el lenguaje de divulgación, los niveles aprobados de planes de pago y las condiciones que requieren transferencia a una persona. Antes del lanzamiento, las simulaciones prueban el comportamiento del agente frente a personajes con intenciones variadas.

Duet Apprentice está en beta, y el encuadre importa. Se posiciona como un aprendiz en lugar de un operador autónomo, lo que sugiere un modelo de confianza por etapas: el agente aprende los procedimientos de la empresa con supervisión antes de gestionar casos por sí solo. Es una descripción más honesta de cómo avanzan realmente los despliegues empresariales que el lenguaje de lanzamiento habitual.

Qué dice esto sobre la dirección del soporte

Dos cosas destacan.

La primera es que la calidad de voz ya no es el diferenciador. Un modelo de voz indistinguible de una persona en el 90 % de las pruebas a ciegas es un problema resuelto en el sentido que importa, lo que significa que la competencia se traslada a lo que el agente sabe, lo que se le permite hacer y cómo lo demuestra. Christian Niedworok, que lidera la comunicación de servicios digitales en Deutsche Telekom, describió Voice 3 en el anuncio como algo que suena a que realmente escucha y mantiene la conversación en marcha en lugar de quedarse en silencio mientras trabaja. Ese es un comentario sobre latencia y toma de turnos, más que sobre timbre, que es donde vive la brecha de calidad restante.

La segunda es que la contraparte está cambiando. Los sistemas de soporte han pasado décadas modelando el comportamiento humano: qué confunde a una persona, qué hace que cuelgue, cómo enrutarla. Ahora una fracción de las solicitudes entrantes serán máquinas actuando por personas, y el sistema tiene que detectarlas, autenticarlas y acotar su acceso. Ese es un programa de ingeniería distinto, y Decagon es el primer proveedor importante en lanzar productos dirigidos directamente a ello.

El problema de la detección tiene una forma particular que vale la pena considerar. Que un agente personal contacte al soporte en nombre de alguien no es necesariamente malicioso. Puede ser una delegación legítima que el cliente autorizó. Tratar el tráfico de agentes como abuso rompería un caso de uso que está a punto de volverse común. Tratarlo como tráfico ordinario abre la puerta a abuso automatizado a una escala que el fraude humano nunca alcanzó. El enfoque de gateway, donde la detección informa el enrutamiento en lugar de activar un bloqueo, es un camino intermedio razonable, y depende de que la detección sea precisa.

Qué observar

Si PACT se adopta más allá de los propios clientes de Decagon. Si lo hace, la autorización delegada se vuelve algo básico para cualquier empresa que reciba tráfico de agentes. Si no, cada plataforma terminará con su propia respuesta, y las partes realmente perjudicadas por la confusión serán los humanos que esperan detrás de sus agentes una respuesta.

Si la precisión de la detección resiste bajo presión adversaria. Cualquier señal que clasifique el tráfico invita a manipularlo, y la detección de agentes personales es una señal que vale la pena manipular para cualquiera que intente automatizar un flujo de trabajo de soporte a escala.

Si la afirmación multilingüe sobrevive a la superposición. Voice 3 admite más de 70 idiomas con detección automática y cambio a mitad de frase, y Decagon dice que cada idioma se valida por hablantes nativos antes de su lanzamiento. Cambiar de idioma a mitad de frase manteniendo una identidad consistente es un problema más difícil que cambiarlos en un límite, y una prueba independiente sería útil.

La dirección de este lanzamiento es clara, y es más amplia que la línea de productos de un solo proveedor. El soporte al cliente asumió durante décadas que hablaba con personas. Esa suposición está caducando, y las empresas que lancen las herramientas para la transición darán forma a cómo se verán los próximos años de interacción automatizada con clientes.