Decagon 的 Voice 3 与 PACT 让客户支持为另一端的智能体做好准备

--- title: Decagon 的 Voice 3 与 PACT 让客户支持为另一端的智能体做好准备 meta_title: 当客户是智能体时，支持必须适应 meta_description: Decagon 推出搭载 Chord 语音模型的 Voice 3，并发布 PACT——一种当个人 AI 智能体联系企业时用于委托授权的协议。 ---

大多数客户支持软件都假定对话的另一端是人。Decagon 在 10 月 1 日发布的版本假定这种情况正越来越不成立，并同时朝两个方向为此构建。

该公司在其 Decagon Dialogues 活动上推出了四款产品：搭载全新语音模型 Chord 的 Voice 3、个人智能体网关（Personal Agent Gateway）、智能体模块（Agent Modules），以及 Duet Apprentice 测试版。

Voice 3 与 Chord 模型

Voice 3 随 Chord 一同发布，这是 Decagon Labs 的首个语音模型，专门针对客户对话进行后训练。Decagon 表示，该模型会逐句塑造语音，在说到电话号码和确认码等细节时放慢速度，然后再回到对话语速。

该架构是双工的，有两层并行运行。一个低延迟对话模型负责听和说，而一个更强大的模型在对话背后管理推理、工具调用和护栏执行。由于智能体在说话时也会处理传入的音频，它可以用随意的声音表示听到了，但当有人真正打断时会让出话轮，而不是压过对方说话或陷入沉默。

Decagon 报告称，在三组录音配对的盲测中，每组将真人与经 Chord 处理的同一声音配对，平均约 90% 的听众无法辨认出哪个是人。该公司表示，Chord 使用授权数据和经同意的配音人才进行训练，从未使用客户拥有的数据，并支持 70 多种语言，具备自动检测和句中切换能力。

90% 这个数字来自公司报告的盲测，而且它具有两面性。作为质量信号，它令人印象深刻；作为披露信号，它令人不安，因为如果来电者无法判断自己正在与机器交谈，就没有机会询问。

个人智能体网关是更具深远影响的想法

Decagon 的公告指出，在活动前一个月，Meta 推出了 Muse，OpenAI 推出了 dots，Instinct 开始为用户拨打电话。该公司将这些描述为个人智能体，代表其所有者预订、购买、取消和谈判，并表示它们已经在联系客户支持。

这正是该网关所针对的转变。它有两个部分。

个人智能体检测会在聊天和语音中标记可能的个人智能体，使用来自企业和平台的信号。每家企业决定接下来会发生什么，以及这些智能体可以访问什么。

一个专用的个人智能体渠道与聊天、电子邮件和语音并列，并配有单独的智能体操作规程。因此，同一个请求可以根据提出者是人还是智能体而遵循不同的工作流。

权限存在于这些流程之中。企业定义智能体可以请求的范围，并标记哪些部分需要每一项范围，而缺少所需范围的智能体永远不会看到这些部分。

Decagon 举的例子是一家航空公司。旅行者的个人智能体请求查看和改签航班的权限；旅行者仅批准查看；航空公司的智能体分享更早的航班选项，但在改签被单独授权之前无法进行更改。

PACT，以及为什么授权需要一个协议

Decagon 还推出了 PACT，即 Personal Agent Consent and Trust（个人智能体同意与信任），这是一种协议，允许个人智能体在服务定义、个人授予的权限下代表其行动。

PACT 构建在 Agent2Agent 协议之上，该协议涵盖智能体如何相互发现和交换消息，并添加了基于 OAuth 2.0 的委托授权。这使智能体能够证明它代表哪个人，以及那个人允许它做什么。

这背后的推理一旦说出来就很直接。如果企业收到来自智能体的请求，它需要在采取行动前回答三个问题：智能体背后是哪个人，那个人授权了什么，以及智能体能否证明这一点。仅有 Agent2Agent 涵盖了发现和消息传递，但让授权含糊不清。把 OAuth 2.0 加装上去，就为委托提供了可验证的链条。

该规范已开放获取，Decagon 表示正在与个人智能体提供商和企业客户合作来塑造它。PACT 会成为标准，还是停留在单一厂商的方法，取决于其他平台是否采用它，这也是由单一作者提出的协议通常要面对的考验。

智能体模块与学徒模式

智能体模块结合了基础设施、分析和活动编排，用于支持之外的客户旅程，包括潜在客户资格认定、入职引导和催收，覆盖金融服务、旅游、酒店、医疗保健、零售和电信行业。

客户团队定义业务逻辑，而 Duet 利用公司的标准操作程序、政策、集成和知识来源，将流程转化为智能体行为。例如，在催收中，团队设定披露措辞、获批的还款计划层级，以及需要人工转接的条件。上线前，模拟会针对具有不同意图的人物角色测试智能体行为。

Duet Apprentice 处于测试阶段，而这种定位很重要。它被定位为学徒，而不是自主操作员，这暗示了一种分阶段的信任模型：智能体在有监督的情况下学习企业流程，然后才独自处理案例。与企业部署实际推进的方式相比，这比通常的发布话术更诚实。

这对支持的走向说明了什么

有两点很突出。

第一点是，语音质量不再是差异化因素。一个在 90% 的盲测中与人无法区分的语音模型，在真正重要的意义上已经是一个被解决的问题，这意味着竞争转向智能体知道什么、被允许做什么，以及如何证明这一点。德国电信负责数字服务传播的 Christian Niedworok 在公告中形容 Voice 3 听起来像是在真正倾听，并让对话持续推进，而不是在工作时陷入沉默。这是关于延迟和话轮转换的评论，而不是关于音色，而剩余的质量差距正存在于那里。

第二点是，对话的另一方正在改变。支持系统花了几十年对人行为建模：什么会让人困惑，什么会让人挂断，如何将他们路由。现在，一部分传入请求将是代表人们行事的机器，而系统必须检测它们、认证它们，并限定它们的访问范围。这是一个不同的工程计划，而 Decagon 是第一个推出直指这一目标产品的主要供应商。

检测问题有一种值得考虑的特定形态。个人智能体代表某人联系支持并不一定是恶意的。它可能是客户授权的合法委托。将智能体流量视为滥用会破坏一个即将变得普遍的用例。将其视为普通流量则会为自动化滥用打开大门，其规模是人类欺诈从未达到的。网关方法，即检测为路由提供信息，而不是触发阻断，是一条合理的中间道路，而它取决于检测是否准确。

值得关注什么

PACT 是否会在 Decagon 自己的客户之外被采用。如果会，委托授权将成为任何接收智能体流量的企业的基本要求。如果不会，每个平台最终都会有自己的答案，而真正被这种混乱所伤害的，将是在自己的智能体后面等待答复的人类。

检测准确性是否能在对抗性压力下站得住脚。任何对流量进行分类的信号都会招致博弈，而对于任何试图大规模自动化支持工作流的人来说，个人智能体检测都是一个值得博弈的信号。

多语言声明是否能经得起分层考验。Voice 3 支持 70 多种语言，具备自动检测和句中切换，Decagon 表示每种语言在发布前都由母语者验证。在保持一致身份的同时进行句中语言切换，比在边界处切换语言更难，独立测试会很有用。

这次发布的方向很明确，而且它比单一供应商的产品线更广泛。客户支持几十年来一直假定自己在与人交谈。这个假定正在到期，而为这一转变提供工具的公司将塑造未来几年自动化客户互动的面貌。