Coval est une plateforme d'évaluation et de qualité conçue spécifiquement pour les agents vocaux IA — ces assistants téléphoniques automatisés qui gèrent les appels du support, de la banque, de l'assurance et de la réservation. L'argument est simple et peu spectaculaire : l'appel le plus risqué est celui que vous n'avez jamais testé, et quelques appels de QA manuel ne révéleront ni les accents, ni les interruptions, ni les pièges de politique, ni les erreurs d'outils qui décident si un agent tient à l'échelle. Coval offre aux équipes produit, QA, opérations et conformité une couche de mesure unique pour répondre à cette question par des preuves plutôt que par des anecdotes.
La plateforme fonctionne comme une boucle en trois parties. Simulate exécute des milliers de conversations réalistes contre un agent avant le lancement, en couvrant personas, tours de conversation et politiques strictes. Observe lance des évaluations sur le trafic de production en direct pour détecter la dérive de qualité dès que prompts, modèles, workflows ou fournisseurs changent. Review route les conversations importantes vers des relecteurs humains, dont le jugement affine ensuite les métriques automatisées de la version suivante — chaque constat de production devient ainsi le test suivant.
Coval vise les équipes qui placent des agents vocaux face à de grandes bases de clients. Ses cas d'usage sont organisés par secteur — support client, services financiers, santé, hôtellerie, assurance, retail et voyage — ainsi que par approche de construction, avec des options pour les plateformes d'agents, les équipes internes sur LiveKit, Pipecat ou des stacks maison, et les comparatifs de fournisseurs. L'entreprise rapporte des chiffres comme une amélioration de 217 % de la précision des agents en sept jours, 3,1 millions de métriques d'évaluation exécutées par semaine et moins de 15 minutes jusqu'à la première simulation via CLI, avec documentation, référence API et un centre de confiance.
