Decagon vs Forethought

Decagon e Forethought prometem a resolução autônoma de tickets de suporte com IA — não copilotos que sugerem respostas, mas agentes que fecham a conversa e escalam apenas o que não conseguem resolver. Os times que escolhem entre os dois são organizações de suporte enterprise e upper-mid-market decidindo qual camada de IA colocar na frente do volume de tier-1 para que os CSM humanos parem de queimar horas em reset de senha. A divisão central é dupla. Primeiro, a arquitetura: a Decagon aposta em um único motor de agente movido por Agent Operating Procedures (AOPs) em linguagem natural que executam ações reais no backend; a Forethought entrega um stack multiagente (Solve, Triage, Assist, Discover, Agent QA) com modelos por cliente treinados sobre o seu histórico de tickets. Segundo, e mais decisivo para os compradores de 2026: a Forethought agora é um produto Zendesk — a Zendesk a adquiriu em março de 2026 — enquanto a Decagon segue sendo um fornecedor independente. Esse fato de propriedade reconfigura a decisão mais do que qualquer comparação de funcionalidades.

Onde a Decagon ganha

• Execução de ações via AOPs. O diferencial da Decagon é que times de CS e operações de suporte não técnicos escrevem workflows de múltiplos passos em linguagem natural, e o agente executa ações reais — processar um reembolso, verificar identidade, alterar um pedido, cancelar uma assinatura — não apenas responder perguntas da base de conhecimento. O Solve da Forethought resolve de ponta a ponta usando suas políticas e conteúdo, mas a camada de AOP da Decagon é o caminho mais direto para “o agente fez a ação” em vez de “o agente respondeu sobre a ação”.
• Sem piso de dados. A Decagon não exige um corpus de tickets históricos para treinar modelos por cliente. A Forethought recomenda 20.000+ tickets históricos e ~2.000+ tickets/mês antes de seus modelos performarem; abaixo disso a IA rende menos e a conta por resolução se inverte. Se você tem conhecimento e workflows ricos, mas histórico de tickets raso, a Decagon começa a produzir resolução sem uma barreira de treinamento.
• Multicanal com contexto compartilhado, incluindo voz. A Decagon roda chat, email, SMS e voz (construída com ElevenLabs) sobre uma única camada centralizada de conhecimento e workflow com memória entre canais — um cliente que começou no chat não precisa explicar tudo de novo em uma ligação. O Solve da Forethought também cobre chat, email e voz, mas a memória entre canais e a maturidade de voz da Decagon estão mais avançadas.
• Independência do fornecedor. A Decagon é um produto autônomo com um roadmap que ela controla. Para um time que não usa Zendesk e não quer que sua camada de suporte com IA seja absorvida na estratégia de plataforma de um fornecedor de help desk, essa independência é uma vantagem.

Onde a Forethought ganha

• First-party sobre Zendesk. Se você já usa Zendesk ou está migrando para ele, a Forethought agora é first-party (“Forethought AI Agents by Zendesk”) e a dívida de integração é a mais baixa. Os agentes Triage, Assist e Agent QA se encaixam no help desk que você já opera. A Decagon integra com Zendesk, mas é uma camada de terceiros por cima.
• Triage e a camada de sinal de CS. O Triage da Forethought auto-classifica e roteia o inbound em escala, produzindo dados de tickets limpos e etiquetados que CS e RevOps conectam a modelos de risco de churn e NRR mais adiante. A Decagon é construída para deflectar e resolver; o Triage da Forethought é feito especificamente para alimentar a camada de sinal sobre a qual o forecasting de retenção roda.
• Agent-assist em uma única plataforma. O Assist da Forethought é um copiloto dentro do help desk para os tickets que de fato chegam a um humano, e o Agent QA pontua 100% dos tickets de agentes humanos automaticamente. A Decagon foca na resolução autônoma; se você quer resolução autônoma mais copiloto para agentes humanos mais QA de um único fornecedor, o stack da Forethought é mais amplo.
• Loop de autoaprendizado. O Resolution Learning Loop da Forethought detecta lacunas nos workflows, redige novos procedimentos e os testa antes do deploy. O Watchtower (QA sempre ativo) e o Experiments (testing A/B ao vivo) da Decagon cobrem o monitoramento e o ajuste, mas o loop da Forethought mira mais explicitamente em fechar lacunas de forma automática — a capacidade pela qual a Zendesk pagou.

Realidade de pricing

Ambos são custom, apenas por cotação, sem um tier self-serve público — e ambos carregam pisos enterprise capazes de seis dígitos. A estrutura reportada da Decagon é uma taxa anual de plataforma de cerca de $50.000 mais uso, cobrado por conversa ou por resolução (reportadamente em torno de $0,50/resolução), com mínimos de conversa nos contratos enterprise; o gasto anual mediano reportado fica materialmente acima da taxa de plataforma quando o volume é contado. Os dados de marketplace de terceiros (Vendr) da Forethought colocam os contratos anuais aproximadamente na faixa de $36K–$151K, com mediana perto de $75K/ano, atrelados ao volume de tickets, número de agentes, canais e quais agentes você habilita. Em escopo comparável de volume médio, os dois caem na mesma faixa; a diferença não é o destaque. A armadilha de custo é diferente para cada um: a da Decagon é o piso da taxa de plataforma (peso morto abaixo de alguns milhares de conversas/mês); a da Forethought é o piso de dados (você paga tarifas enterprise enquanto o modelo não tem nada para treinar abaixo de ~20K tickets históricos).

Esforço de implementação

Nenhum é um interruptor que você liga. A implementação da Decagon é um projeto: você escreve os AOPs, conecta integrações (Salesforce, Intercom, Zendesk, Kustomer) e ajusta por semanas antes de a deflexão chegar onde o deck prometeu — orce tempo de CS-ops, não só a licença. A Forethought adiciona um pré-requisito duro em cima do trabalho de integração: o piso de dados. Abaixo de ~20.000 tickets históricos os modelos por cliente são fracos, então o piloto precisa superar um limiar medido de taxa de resolução antes de o rollout completo fazer sentido. A rampa da Decagon é limitada pela rapidez com que você consegue escrever workflows; a da Forethought é limitada tanto pela configuração de workflows quanto por se o seu histórico de tickets é profundo o bastante para treinar. Se você usa Zendesk, o cabeamento da Forethought é mais leve; se não, consiga um compromisso por escrito sobre os prazos de suporte multiplataforma antes de assinar multianual, porque o roadmap autônomo está sendo absorvido pelo Resolution Platform da Zendesk.

Conclusão

• Escolha a Decagon se você precisa que o agente execute ações reais no backend (reembolsos, alterações de conta) via AOPs em linguagem natural, não usa Zendesk, tem histórico de tickets raso mas conhecimento/workflows sólidos, ou quer uma camada autônoma com capacidade de voz de um fornecedor que controla o próprio roadmap.
• Escolha a Forethought se você já está no Zendesk (a dívida de integração é a mais baixa como produto first-party), tem os 20.000+ tickets históricos para treinar, ou quer resolução autônoma mais agent-assist mais Triage alimentando seus modelos de NRR a partir de uma única plataforma.
• Não escolha nenhum se você faz menos de 20.000 tickets/ano ou apenas alguns milhares de conversas por mês. Ambos carregam pisos enterprise que não se pagam nesse volume — Intercom e seu agente Fin (pagamento por resolução, sem piso de volume) entregam mais valor por dólar nessa faixa. E lembre que nenhuma das duas ferramentas retém: combine a vencedora com uma plataforma de CS de registro — Gainsight, Totango ou ChurnZero — que seja dona dos health scores, das renovações e da expansão.

Se você está escolhendo sem as condições acima, escolha a Decagon. A independência do fornecedor mais a ausência de piso de dados a tornam o default de menor risco em 2026, enquanto o roadmap da Forethought está sendo absorvido pela Zendesk. Migre para a Forethought quando padronizar sobre o Zendesk e a integração first-party se tornar determinante.