Агентите на Ringg обработват до 65% от обажданията с OpenAI

Когато обажданията се увеличат, екипите за обслужване на клиенти обикновено наемат още хора, но това оскъпява и усложнява всяко взаимодействие. Ringg⁠(отваря се в нов прозорец), платформа за гласови и чат Агенти, се сблъсква пряко с този проблем при работата си с големи компании, обслужващи крайни потребители в Индия.

Тези компании не само трудно поемат нарастващия брой обаждания. Служителите им за обслужване на клиенти се борят и с разпокъсани системи, изискващи ръчна работа, за да помагат на клиентите да изпълняват задачи — от сключване на застраховка до записване на час.

Този опит подтиква Ringg да изгради корпоративна платформа за Агенти, базирана на високоефективни модели като GPT‑5.6 и обхващаща гласови разговори, чат, WhatsApp и уеб. Прехвърлянето на подходящи задачи в реално време от GPT‑4.1 към GPT‑5.6 намалява разходите за моделите с около 90%, като запазва необходимото качество и време за отговор.

Агентите на Ringg вече обработват над 7 милиона свързани обаждания месечно, а клиентите на компанията отчитат средна оценка за клиентска удовлетвореност (CSAT) от 4,8.

За да изпълнят клиентска заявка, Агентите може да трябва да проверят полица, да извлекат данни за акаунт, да запишат час, да актуализират CRM система или да прехвърлят разговора към специалист, като запазят целия относим контекст.

За взаимодействия в реално време Ringg използва GPT‑5.6 Luna и други модели, които тълкуват клиентските заявки, избират инструменти и насочват клиентите през работни процеси с множество стъпки. Слоят за оркестрация на Ringg изпълнява действия в CRM системи, платформи за заявки за поддръжка, платежни системи, инструменти за планиране и вътрешни API. При нужда прехвърля случаите към служител заедно с обобщение на разговора.

Системата за знания на Ringg съчетава структурирано филтриране със семантично извличане на информация от набори от данни, PDF и CSV файлове и бизнес документи, за да помага на Агентите да отговарят на въпроси с подходяща корпоративна информация.

Ringg може също да разпределя работата между специализирани подагенти за оценка на потенциални клиенти, поддръжка, верификация, записване на часове и ескалация. Платформата координира тези стъпки, като поддържа последователен разговор с клиента през гласови канали, чат, WhatsApp и уеб.

Ringg сравнява OpenAI с алтернативи по качество на разговора, време за отговор, следване на инструкции, извикване на инструменти, работа с различни езици, надеждност и разходи. Компанията установява, че OpenAI предлага най-добрия общ баланс за задачи в реална работна среда.

GPT‑5.6 и другите модели на OpenAI показват и по-постоянни резултати при следване на сложни инструкции, извикване на инструменти, запазване на контекста на разговора и надеждна работа в корпоративен мащаб.

Ringg насочва работата към конкретен модел на OpenAI според изискванията на задачата. GPT‑4.1 обработва по-голямата част от гласовия и чат трафика в реално време. GPT‑5.6 Luna остава част от системата в реална работна среда и се използва, когато производителността, времето за отговор или съотношението цена–производителност са по-подходящи за дадена заявка. GPT‑5.6 Terra извършва анализа след обаждането, включително обобщения и класифициране на емоционалния тон. А GPT‑5.6 Sol подпомага оценяването, подобряването на подкани и работните процеси, в които моделът служи като оценител.

Когато клиент говори по време на обаждане или изпрати чат съобщение, системата за оркестрация на Ringg съчетава тази информация с инструкциите на Агента, историята на разговора, данните за конкретния клиент, подходящия контекст от базата знания и наличните инструменти. След това слоят за маршрутизиране на Ringg избира подходящия модел и конфигурация. Изходът от модела преминава през системата за оркестрация и се предоставя по избрания от клиента канал.

При по-дълги взаимодействия системата създава структурирано обобщение, когато контекстът наближи 80 000 токена. Така разговорът може да продължи със запазена важна информация, без да се изпраща многократно цялата история.

Преди внедряване в реална работна среда Ringg тества моделите с предишни разговори и симулирани клиентски сценарии. Платформата за оценяване използва тези резултати, за да открива слабости и да препоръчва подобрения в подканите, създавайки цикъл на непрекъснато усъвършенстване на Агентите и конфигурациите.

Една от оценките обхваща процеса на Ringg за анализ след обаждане. Компанията сравнява GPT‑5.6 Terra с алтернативи като Gemini 2.5 Flash и Terra постига най-добри резултати. Ringg прехвърля обобщенията и класифицирането на емоционалния тон към GPT‑5.6 Terra. Terra запазва високата точност на обобщенията и анализа на емоционалния тон, като същевременно значително подобрява рентабилността на всяка обработена заявка.

Компанията тества моделите и с различни езици и регионални разновидности, включително разговори с превключване между езици или смесване на английски с изрази на местен език — честа практика на пазарите, които обслужва. GPT‑5.6 Terra превъзхожда Gemini 2.5 Flash с точност до 97% при разпространени регионални езици. Това прави GPT‑5.6 по-подходящ за Агентите, обслужващи клиентите на Ringg.

Моделите, които преминат тестовете извън реалната работна среда, първо поемат малък дял от реалния трафик, преди внедряването им да се разшири. В реална работна среда маршрутизаторът на Ringg следи времето за отговор и състоянието на крайните точки в различни региони. Той пренасочва трафика, когато крайна точка стане недостъпна или надхвърли прага за време за отговор. Специализирани възли, известия и внедрявания с управление на версиите помагат за изолирането на проблеми и ограничаването на въздействието им.

Този подход помага на Ringg и да подобри рентабилността на всяка обработена заявка. Прехвърлянето на определени задачи в реално време от GPT‑4.1 към GPT‑5.6 Luna намалява разходите за моделите с около 90%.

Агентите на Ringg решават до 65% от обичайните клиентски запитвания без никаква намеса на служител.

Policybazaar, една от най-големите онлайн застрахователни платформи в Индия, използва Ringg за осъществяване на връзка по над 57 000 клиентски заявки, като 67% от обажданията се обработват без човешка намеса. Средното време за отговор на Policybazaar спада от 8–12 минути до под 60 секунди — подобрение от около 88%.

В глобалната платформа за здравни услуги Practo Агентите на Ringg помагат на клиентите да записват часове за прегледи и да завършват заявки за услуги. След внедряването Practo постига 85% решени запитвания още при първото обаждане и време за отговор под три секунди. Оперативните разходи спадат със 70% спрямо предишния процес, изпълняван от служители, а Ringg вече записва над 1000 часа дневно.

Онлайн инвестиционната платформа Groww използва Ringg, за да решава 72% от входящите запитвания за първични публични предлагания, фючърси и опции изцяло чрез самообслужване, със средно време за обработка от две минути.

С възможностите на OpenAI за работа с компютър Ringg разработва Агенти за браузъра, които помагат при първоначалното запознаване с платформи, процедурите „Опознай своя клиент“ (KYC), отстраняването на ИТ проблеми, дежурната поддръжка при инциденти и обработката на застрахователни претенции.

Компанията разработва и контекстен слой, който може да запазва информацията между различни канали и взаимодействия. Клиентът може да започне заявка с гласов разговор, да я продължи в WhatsApp и да я завърши в браузър, без да повтаря едни и същи подробности всеки път.

За Ringg следващото поколение клиентско обслужване ще се измерва с постигнати бизнес резултати и степен на автоматизация, а не с брой обаждания или служители.