Seu agente de IA agora liga para o suporte ao cliente, e as empresas precisam responder

Em seu evento Decagon Dialogues, em 1º de outubro, a Decagon lançou quatro produtos voltados para um problema que a maioria das empresas ainda não começou a planejar: o que acontece quando quem está do outro lado da linha não é uma pessoa, mas o agente de IA de outra empresa.

Os quatro lançamentos foram o Voice 3, com um novo modelo de fala chamado Chord; um Personal Agent Gateway (Gateway de Agente Pessoal) com um protocolo de autorização complementar; os Agent Modules; e um beta chamado Duet Apprentice. Os dois primeiros são os mais importantes, porque juntos descrevem os dois lados de uma conversa que está se tornando rotina.

O modelo de voz superou a barreira humana

O Chord é o primeiro modelo de voz próprio da Decagon, pós-treinado especificamente para conversas com clientes, e não para fala genérica. A empresa realizou um teste cego com três pares de gravações, cada um combinando uma pessoa real com a mesma voz processada pelo Chord. Em média, cerca de 90% dos ouvintes não conseguiram identificar qual era a humana.

Dois detalhes de como o Chord funciona valem mais do que o número da manchete. O modelo molda a fala frase por frase, desacelerando para números de telefone e códigos de confirmação antes de voltar ao ritmo de conversa. E ele roda em uma arquitetura duplex com duas camadas operando em paralelo: um modelo de baixa latência cuida da escuta e da fala, enquanto um modelo mais pesado gerencia o raciocínio, a chamada de ferramentas e as barreiras de proteção por trás da conversa.

O design aparece no comportamento. O agente processa o áudio que chega enquanto ainda está falando, de modo que consegue passar por um "mhm" casual e então ceder diante de uma interrupção genuína, em vez de falar por cima de quem liga ou ficar em silêncio. Ele consegue narrar o progresso durante uma tarefa longa e aceitar uma pergunta de acompanhamento em pleno andamento, em vez de deixar quem liga em espera.

A Decagon afirma que o Chord é treinado com dados licenciados e talentos de voz que deram consentimento, e nunca com dados de propriedade dos clientes. O Voice 3 oferece suporte a mais de 70 idiomas, detecta o idioma de quem liga e alterna automaticamente, mesmo quando o interlocutor muda de idioma no meio da frase, com cada idioma validado por falantes nativos antes do lançamento.

O problema mais difícil é o outro agente

Uma boa voz sintética já é o mínimo indispensável hoje. O lançamento mais interessante é o Personal Agent Gateway, e o motivo pelo qual a Decagon o criou está explicitado em seu próprio anúncio: no mês anterior ao evento, a Meta lançou o Muse, a OpenAI apresentou o dots e a Instinct começou a fazer ligações telefônicas em nome dos usuários. São agentes pessoais que reservam, compram, cancelam e negociam em nome de seus donos, e que já estão entrando em contato com o suporte ao cliente.

Isso quebra uma premissa sobre a qual toda pilha de suporte é construída. Quem pede algo não é necessariamente o titular da conta e pode não ser a parte autorizada a aprovar a mudança.

O gateway resolve isso com dois componentes. A detecção de agentes pessoais sinaliza prováveis agentes pessoais em chat e voz, usando sinais da empresa e da plataforma, e cada empresa decide o que acontece em seguida e a que esses agentes podem ter acesso. Depois, um canal dedicado a agentes pessoais fica ao lado de chat, e-mail e voz, com Procedimentos Operacionais de Agente separados, de modo que a mesma solicitação siga um fluxo de trabalho diferente conforme quem pergunta seja uma pessoa ou um agente.

As permissões ficam dentro desses procedimentos. A empresa define quais escopos um agente pode solicitar e quais seções de um fluxo de trabalho exigem cada escopo, e uma seção nunca é exposta a um agente que não tenha a permissão correspondente. O exemplo da Decagon é uma companhia aérea: o agente pessoal de um viajante pede permissão para visualizar e remarcar um voo, e o viajante aprova apenas a visualização. O agente recebe o itinerário, mas não a capacidade de alterá-lo.

Esse protocolo é o que a Decagon chama de PACT, e seu propósito é restrito, mas essencial. Ele permite que uma empresa verifique quem o agente representa e o que essa pessoa realmente autorizou, que é a pergunta que um sistema de suporte precisa responder antes de fazer qualquer coisa em nome de alguém.

Por que isso recai primeiro sobre o suporte

Os clientes da Decagon começaram usando seus agentes para resolver tickets de suporte, e a empresa afirma que esses mesmos agentes agora qualificam leads, fazem o onboarding de clientes, cobram pagamentos e cultivam relacionamentos. Essa expansão é o motivo pelo qual o problema dos agentes pessoais é urgente, e não teórico. O mesmo agente que responde a uma pergunta também pode alterar um pedido, e o perfil de risco dessas duas ações não é o mesmo.

Christian Niedworok, que lidera a comunicação de serviços digitais na Deutsche Telekom, descreveu a experiência com o Voice 3 em termos simples no anúncio da empresa: a voz parece estar ouvindo, e mantém a conversa fluindo em vez de ficar em silêncio enquanto trabalha. Essa é uma descrição de latência e de alternância de turnos, que é exatamente o que fazia os agentes de voz mais antigos parecerem robóticos.

Os outros dois lançamentos apontam na mesma direção

Os Agent Modules e o beta do Duet Apprentice completam o lado operacional. Os Modules empacotam capacidades definidas que uma empresa pode ativar para um trabalho específico, o que é a diferença entre um assistente genérico e algo que você pode direcionar para uma fila. O Duet Apprentice aprende com as wikis da própria empresa e com escalonamentos anteriores, e mantém esse conhecimento dentro do espaço de trabalho do cliente, de modo que o agente melhora com base no material da própria organização, e não em um repositório compartilhado.

Nenhum dos dois lançamentos é tão vívido quanto a demonstração de voz. Ambos importam pelo mesmo motivo que o gateway. As empresas que implantam agentes em escala estão deixando para trás a questão do que um modelo é capaz de fazer e avançando para a questão do que um agente específico tem permissão de saber, dizer e alterar dentro de um fluxo de trabalho real.

Por que a barreira da voz foi a parte fácil

Vale notar com que rapidez o número de 90% deixa de ser a história. Uma voz sintética indistinguível de um humano já é um problema resolvido para uma tarefa restrita e bem definida como uma ligação de suporte, e os fornecedores que ainda não lançaram uma vão lançar em breve.

A barreira que ainda está se movendo é a da autorização. A própria formulação da Decagon deixa isso claro: agentes pessoais que reservam, compram, cancelam e negociam já estão entrando em contato com o suporte, e as empresas que recebem essas ligações não têm uma forma estabelecida de verificar quem o agente representa. Uma voz perfeita em uma solicitação não autorizada é pior do que uma voz desajeitada em uma solicitação verificada.

É por isso que o gateway, e não o modelo de voz, é o lançamento que moldará o próximo ano das ferramentas de suporte. Também é por isso que o protocolo PACT importa mais do que seu escopo modesto sugere. Alguém precisa definir como é a prova de autorização quando a parte solicitante é um software, e a primeira definição crível tende a se tornar o padrão.

O que as empresas deveriam decidir agora

A parte incômoda dessa mudança é que ela força uma decisão que a maioria das empresas vem adiando: o que um interlocutor automatizado tem permissão de fazer e como você prova que isso foi autorizado.

Vale a pena responder a três perguntas antes que as solicitações cheguem. Seus sistemas conseguem distinguir um agente de uma pessoa, e isso importa em cada fluxo de trabalho? Qual é o menor conjunto de permissões de que um agente pessoal precisa para a sua solicitação mais comum? E, quando um agente age em nome de alguém, qual registro da autorização você mantém, e quem pode inspecioná-lo?

Nenhuma delas é uma questão de modelo. São questões de política, e são elas que vão determinar se a sua pilha de suporte trata um agente que chega como um cliente, uma ameaça ou algo para o qual o sistema não tem categoria. A Decagon já entregou a encanação. As definições ainda cabem às empresas do outro lado.