你的 AI 代理現在正打給客服，而企業必須接招

在 10 月 1 日舉行的 Decagon Dialogues 活動上，Decagon 推出了四項產品，瞄準一個大多數企業還沒開始規劃的問題：當電話另一端來電的不是人，而是別人的 AI 代理時，會發生什麼事。

這四項發布分別是：搭載全新語音模型 Chord 的 Voice 3、附帶授權協定的 Personal Agent Gateway（個人代理閘道）、Agent Modules（代理模組），以及名為 Duet Apprentice 的測試版。其中前兩項最為關鍵，因為它們合起來描述了這場正逐漸成為日常的對話的兩端。

語音模型跨過了「像人」的門檻

Chord 是 Decagon 首個自研語音模型，並非針對一般語音，而是專門為客戶對話進行後訓練。該公司在三組錄音上進行盲測，每一組都把真人與用 Chord 生成的同一把聲音配對。平均而言，約有 90% 的聽者無法辨別哪一個是真人。

Chord 的運作方式中有兩個細節，比那個標題數字更值得關注。這套模型會逐句雕琢語音，遇到電話號碼與確認碼時放慢速度，然後再回到一般對話的節奏。此外，它採用雙工架構，兩層平行運作：低延遲模型負責聆聽與說話，較重的模型則在對話背後處理推理、工具呼叫與防護機制。

這樣的設計會反映在行為上。代理在還沒說完話時就會處理傳入的音訊，因此可以在對方隨口一句「嗯哼」時繼續說下去，但遇到真正的插話就讓出話語權，而不是壓過來電者或整個安靜下來。它可以在長時間任務中口頭報告進度，並在過程中接住後續提問，而不是讓來電者枯等。

Decagon 表示，Chord 是以授權資料與取得同意的配音人才訓練而成，絕不使用客戶擁有的資料。Voice 3 支援超過 70 種語言，能偵測來電者的語言並自動切換，即使來電者在一句話中間轉換語言也沒問題；每種語言在發布前都經過母語人士驗證。

更難的問題在於「另一個代理」

好聽的合成語音如今已是基本門檻。更值得關注的發布是 Personal Agent Gateway，而 Decagon 打造它的理由，就寫在自家的發布公告裡：在活動前一個月，Meta 推出 Muse，OpenAI 推出 dots，Instinct 也開始替使用者打電話。這些都是會代替主人訂位、購物、取消與議價的個人代理，而且它們已經在聯繫客服了。

這打破了每一套客服系統所建立的假設。提出要求的一方不一定擁有該帳號，也未必有權核准這項變更。

這套閘道用兩個部分來解決這個問題。個人代理偵測會在文字客服與語音中標記出可能的個人代理，依據來自企業端與平台端的訊號判斷，而每個企業自行決定接下來怎麼處理、以及這些代理能存取什麼。接著是一條專屬的個人代理通道，與文字、電子郵件及語音並存，並擁有各自的「代理作業程序」（Agent Operating Procedures），因此同一個請求會依提出者是人還是代理，走上不同的流程。

權限就藏在這些程序裡。企業會定義代理可以要求哪些權限範圍，以及流程中哪些環節需要哪個範圍；沒有對應權限的代理，永遠看不到那個環節。Decagon 舉的例子是航空公司：旅客的個人代理要求查看並重新預訂班機的權限，而旅客只核准了查看。代理拿到行程，但沒有更改行程的能力。

這套協定被 Decagon 稱為 PACT，用途很窄，卻至關重要。它讓企業能驗證某個代理代表誰、以及那個人實際授權了什麼——這正是客服系統在替某人採取任何行動之前，必須先回答的問題。

為什麼這件事會先落在客服身上

Decagon 的客戶最初是用它的代理來解決客服工單，而該公司表示，同樣這些代理現在也在篩選潛在客戶、協助客戶上線、收取款項並經營客戶關係。這種擴張正是個人代理問題之所以急迫、而非只是理論的原因。同一個負責回答問題的代理，也能更改訂單，而這兩種動作的風險等級並不相同。

Deutsche Telekom 負責數位服務溝通的 Christian Niedworok，在該公司的新聞稿中以平實的話描述 Voice 3 的體驗：這把聲音聽起來像在傾聽，而且會讓對話持續進行，不會在處理時陷入沉默。這描述的其實是延遲與輪替發言，而這正是讓早期語音代理感覺像機器人的原因。

另外兩項發布也指向同一個方向

Agent Modules 與 Duet Apprentice 測試版補上了營運面。模組把定義好的能力打包起來，企業可以針對特定工作開啟，這正是通用助理與「能指向某個佇列」之間的差別。Duet Apprentice 會從企業自家的 wiki 與過往的升級案件中學習，並把這些知識留在客戶的工作空間裡，因此代理是在組織自己的素材上精進，而不是在共用的資源池上。

這兩項發布都不如語音展示那樣吸睛，但它們重要的原因和閘道一樣。大規模部署代理的企業，正從「模型能做什麼」轉向「某個特定代理在真實工作流程中被允許知道什麼、說什麼、改什麼」。

為什麼語音門檻只是簡單的部分

值得注意的是，那個 90% 的數字有多快就不再是重點。對於客服通話這類範圍狹窄、定義明確的任務而言，辨識不出來的合成語音如今已是已解決的問題，而還沒推出這類產品的供應商，很快也會推出。

仍在移動的門檻是授權。Decagon 自己的說法就點出了這一點：會訂位、購物、取消與議價的個人代理已經在聯繫客服，而接到這些來電的企業，卻沒有既定的方式查核該代理代表誰。在一筆未經授權的請求上使用完美的聲音，比在一筆已驗證的請求上使用笨拙的聲音更糟。

這就是為什麼真正會形塑未來一年客服工具走向的是閘道，而不是語音模型。這也是為什麼 PACT 協定的重要性，遠超過它看似不大的適用範圍。當提出要求的一方是軟體時，總得有人定義「授權證明」長什麼樣子，而第一個可信的定義往往會成為預設標準。

企業現在就該決定的事

這個轉變令人不安之處，在於它逼著企業做出多數公司一直拖延的決定：自動來電的一方被允許做什麼，以及你要如何證明它已獲授權。

在請求上門之前，有三個問題值得先回答。你的系統能分辨代理與真人嗎？而這在每個工作流程中都重要嗎？針對你最常見的請求，個人代理所需的最小權限集合是什麼？當代理代替某人行事時，你留存什麼樣的授權紀錄，而誰能查閱這些紀錄？

這些都不是模型問題，而是政策問題，而且正是這些問題會決定你的客服系統會把來電的代理當成客戶、威脅，還是系統根本沒有分類的東西。Decagon 已經把管線接好了，定義仍掌握在另一端的企業手上。