Il tuo agente AI ora chiama il supporto clienti, e le aziende devono rispondere

Durante il suo evento Decagon Dialogues del 1° ottobre, Decagon ha lanciato quattro prodotti pensati per un problema che la maggior parte delle aziende non ha ancora iniziato a pianificare: cosa succede quando l'interlocutore dall'altra parte non è una persona, ma l'agente AI di qualcun altro.

I quattro rilasci erano Voice 3 con un nuovo modello vocale chiamato Chord, un Personal Agent Gateway con un protocollo di autorizzazione complementare, Agent Modules e una beta chiamata Duet Apprentice. I primi due contano di più, perché insieme descrivono entrambi i lati di una conversazione che sta diventando routine.

Il modello vocale ha superato l'asticella umana

Chord è il primo modello vocale sviluppato internamente da Decagon, addestrato successivamente in modo specifico per le conversazioni con i clienti anziché per il parlato generico. L'azienda ha condotto un test cieco su tre coppie di registrazioni, ciascuna delle quali accostava una persona reale alla stessa voce elaborata tramite Chord. In media, circa il 90% degli ascoltatori non è riuscito a identificare quale fosse umana.

Due dettagli sul funzionamento di Chord valgono più del numero di copertina. Il modello modella il parlato frase per frase, rallentando per numeri di telefono e codici di conferma prima di tornare al ritmo conversazionale. E si basa su un'architettura duplex con due livelli che operano in parallelo: un modello a bassa latenza gestisce ascolto e parlato, mentre un modello più pesante gestisce ragionamento, tool calling e guardrail dietro la conversazione.

Il design si manifesta nel comportamento. L'agente elabora l'audio in arrivo mentre sta ancora parlando, quindi può continuare a parlare nonostante un "mhm" casuale e poi cedere a un'interruzione reale, invece di parlare sopra l'interlocutore o restare in silenzio. Può raccontare i progressi durante un'attività lunga e accettare una domanda di follow-up in corso, invece di mettere in attesa il chiamante.

Decagon afferma che Chord è addestrato su dati con licenza e voci di professionisti che hanno dato il consenso, e mai su dati di proprietà dei clienti. Voice 3 supporta più di 70 lingue, rileva la lingua del chiamante e passa automaticamente anche quando un chiamante alterna le lingue a metà frase, con ogni lingua convalidata da madrelingua prima del rilascio.

Il problema più difficile è l'altro agente

Una buona voce sintetica ormai è il minimo indispensabile. Il rilascio più interessante è il Personal Agent Gateway, e il motivo per cui Decagon l'ha costruito è spiegato nel suo stesso annuncio: nel mese precedente all'evento, Meta ha lanciato Muse, OpenAI ha introdotto dots e Instinct ha iniziato a effettuare telefonate per gli utenti. Quelli sono agenti personali che prenotano, acquistano, annullano e negoziano per conto dei loro proprietari, e stanno già contattando il supporto clienti.

Ciò infrange un presupposto su cui è costruito ogni stack di supporto. La parte che chiede qualcosa non è necessariamente la parte che possiede l'account, e potrebbe non essere la parte autorizzata ad approvare la modifica.

Il gateway affronta la questione con due componenti. Il rilevamento degli agenti personali segnala i probabili agenti personali su chat e voce, usando segnali provenienti dall'azienda e dalla piattaforma, e ogni azienda decide cosa succede dopo e a cosa possono accedere quegli agenti. Poi un canale dedicato agli agenti personali si affianca a chat, email e voce, con Procedure operative per agenti separate, così la stessa richiesta segue un flusso di lavoro diverso a seconda che a chiedere sia una persona o un agente.

I permessi risiedono all'interno di quelle procedure. Un'azienda definisce quali scope un agente può richiedere e quali sezioni di un flusso di lavoro richiedono ciascuno scope, e una sezione non viene mai esposta a un agente che non possiede il permesso corrispondente. L'esempio di Decagon è una compagnia aerea: l'agente personale di un viaggiatore chiede il permesso di visualizzare e riprenotare un volo, e il viaggiatore approva solo la visualizzazione. L'agente ottiene l'itinerario e non la possibilità di modificarlo.

Quel protocollo è ciò che Decagon chiama PACT, e il suo scopo è ristretto ma portante. Consente a un'azienda di verificare chi rappresenta un agente e cosa quella persona ha effettivamente autorizzato, che è la domanda a cui un sistema di supporto deve rispondere prima di fare qualsiasi cosa per conto di qualcuno.

Perché questo arriva prima al supporto

I clienti di Decagon hanno iniziato usando i suoi agenti per risolvere ticket di supporto, e l'azienda afferma che quegli stessi agenti ora qualificano lead, accompagnano i clienti nell'onboarding, riscuotono pagamenti e coltivano relazioni. Questa espansione è il motivo per cui il problema degli agenti personali è urgente anziché teorico. Lo stesso agente che risponde a una domanda può anche modificare un ordine, e il profilo di rischio di queste due azioni non è lo stesso.

Christian Niedworok, che guida la comunicazione digitale dei servizi presso Deutsche Telekom, ha descritto l'esperienza con Voice 3 in termini semplici nell'annuncio dell'azienda: la voce sembra che stia ascoltando e mantiene la conversazione in movimento invece di tacere mentre lavora. Questa è una descrizione di latenza e alternanza dei turni, che è esattamente ciò che faceva sembrare robotici i vecchi agenti vocali.

Gli altri due rilasci puntano nella stessa direzione

Gli Agent Modules e la beta Duet Apprentice completano il lato operativo. I Modules confezionano capacità definite che un'azienda può attivare per un lavoro specifico, che è la differenza tra un assistente generico e qualcosa che puoi indirizzare verso una coda. Duet Apprentice impara dai wiki dell'azienda stessa e dalle escalation passate, e mantiene quella conoscenza all'interno dello spazio di lavoro del cliente, così un agente migliora sul materiale proprio dell'organizzazione anziché su un pool condiviso.

Nessuno dei due rilasci è vivido come la demo vocale. Entrambi contano per lo stesso motivo del gateway. Le aziende che distribuiscono agenti su larga scala stanno superando la domanda su cosa può fare un modello, e si stanno spostando verso la domanda su cosa un agente specifico è autorizzato a sapere, dire e cambiare all'interno di un flusso di lavoro reale.

Perché l'asticella vocale era la parte facile

Vale la pena notare quanto rapidamente il dato del 90% smetta di essere la notizia. Una voce sintetica indistinguibile da quella umana è ormai un problema risolto per un compito ristretto e ben definito come una chiamata al supporto, e i fornitori che non ne hanno ancora lanciata una la lanceranno presto.

L'asticella che si sta ancora spostando è l'autorizzazione. La stessa impostazione di Decagon lo evidenzia: gli agenti personali che prenotano, acquistano, annullano e negoziano stanno già contattando il supporto, e le aziende che ricevono quelle chiamate non hanno un modo consolidato per verificare chi rappresenta l'agente. Una voce perfetta su una richiesta non autorizzata è peggio di una voce goffa su una verificata.

Ecco perché il gateway, non il modello vocale, è il rilascio che plasmerà il prossimo anno di strumenti di supporto. È anche il motivo per cui il protocollo PACT conta più di quanto suggerisca il suo ambito modesto. Qualcuno deve definire come appare una prova di autorizzazione quando la parte richiedente è un software, e la prima definizione credibile tende a diventare quella predefinita.

Cosa dovrebbero decidere ora le aziende

La parte scomoda di questo cambiamento è che impone una decisione che la maggior parte delle aziende ha rimandato: cosa è consentito fare a un chiamante automatizzato, e come dimostri che era autorizzato.

Tre domande a cui vale la pena rispondere prima che arrivino le richieste. I tuoi sistemi sanno distinguere un agente da una persona, e conta per ciascun flusso di lavoro? Qual è l'insieme più piccolo di permessi di cui un agente personale ha bisogno per la tua richiesta più comune? E quando un agente agisce per conto di qualcuno, quale record conservi dell'autorizzazione, e chi può esaminarlo?

Nessuna di queste è una domanda sul modello. Sono domande di policy, e sono quelle che determineranno se il tuo stack di supporto tratta un agente in arrivo come un cliente, una minaccia o qualcosa per cui il sistema non ha una categoria. Decagon ha già fornito l'infrastruttura di base. Le definizioni spettano ancora alle aziende dall'altra parte.