Ringg-এর AI এজেন্ট OpenAI দিয়ে ৬৫% কল সমাধান করে

কলের পরিমাণ বাড়লে গ্রাহকসেবা কার্যক্রম সাধারণত বেশি কর্মী যোগ করে স্কেল করে, কিন্তু এতে প্রতিটি ইন্টারঅ্যাকশনের খরচ ও জটিলতা বেড়ে যায়. ভয়েস ও চ্যাট এজেন্ট প্ল্যাটফর্ম Ringg⁠(একটি নতুন উইন্ডোতে খোলে) ভারতে বড় ভোক্তা ব্যবসাগুলোর সঙ্গে কাজ করতে গিয়ে এই সমস্যা সরাসরি দেখেছে.

এই কোম্পানিগুলো শুধু বেশি কলের উত্তর দিতেই হিমশিম খাচ্ছিল না, তাদের গ্রাহকসেবা এজেন্টদেরও বীমা কেনা থেকে অ্যাপয়েন্টমেন্ট বুক করা পর্যন্ত নানা কাজ সম্পন্ন করতে গ্রাহকদের সাহায্য করার জন্য বিচ্ছিন্ন, ম্যানুয়াল সিস্টেমের সঙ্গে লড়তে হচ্ছিল.

সেই অভিজ্ঞতা Ringg-কে GPT‑5.6‑এর মতো উচ্চ-দক্ষতার মডেলকে কেন্দ্রে রেখে ভয়েস, চ্যাট, WhatsApp এবং ওয়েবজুড়ে একটি এন্টারপ্রাইজ এজেন্ট প্ল্যাটফর্ম তৈরি করতে উৎসাহিত করে. উপযুক্ত রিয়েল-টাইম ওয়ার্কলোড GPT‑4.1 থেকে GPT‑5.6‑এ স্থানান্তর করার ফলে প্রয়োজনীয় গুণমান ও ল্যাটেন্সি বজায় রেখেই মডেল খরচ প্রায় ৯০% কমেছে.

Ringg-এর এজেন্টরা এখন প্রতি মাসে ৭০ লাখের বেশি সংযুক্ত কল সামলায়, এবং এর গ্রাহকদের গড় গ্রাহক সন্তুষ্টি (CSAT) স্কোর ৪.৮.

কোনো গ্রাহক অনুরোধ সম্পন্ন করতে এজেন্টদের নীতিমালা যাচাই, অ্যাকাউন্ট রেকর্ড আনা, অ্যাপয়েন্টমেন্ট নির্ধারণ, CRM আপডেট করা, অথবা প্রাসঙ্গিক প্রেক্ষাপট অক্ষুণ্ণ রেখে কথোপকথন একজন বিশেষজ্ঞের কাছে হস্তান্তর করতে হতে পারে.

রিয়েল-টাইম ইন্টারঅ্যাকশনের জন্য Ringg গ্রাহকের অনুরোধ বোঝা, টুল নির্বাচন করা এবং বহু-ধাপের ওয়ার্কফ্লোতে গ্রাহকদের পথ দেখাতে GPT‑5.6 Luna ও অন্যান্য মডেল ব্যবহার করে. Ringg-এর অর্কেস্ট্রেশন স্তর CRM, টিকিটিং প্ল্যাটফর্ম, পেমেন্ট সিস্টেম, শিডিউলিং টুল এবং অভ্যন্তরীণ API জুড়ে অ্যাকশন চালায়, প্রয়োজন হলে কথোপকথনের সারাংশসহ কেস একজন মানুষের কাছে পাঠায়.

Ringg-এর জ্ঞান ব্যবস্থা ডেটাসেট, PDF, CSV এবং ব্যবসায়িক নথিতে স্ট্রাকচার্ড ফিল্টারিং ও সেমান্টিক রিট্রিভাল একত্র করে, যাতে এজেন্টরা প্রাসঙ্গিক এন্টারপ্রাইজ তথ্য ব্যবহার করে প্রশ্নের উত্তর দিতে পারে.

Ringg যোগ্যতা যাচাই, সহায়তা, যাচাইকরণ, শিডিউলিং এবং এসক্যালেশনের জন্য বিশেষায়িত উপ-এজেন্টদের মধ্যে কাজ ভাগ করে দিতেও পারে. প্ল্যাটফর্মটি ভয়েস, চ্যাট, WhatsApp এবং ওয়েবজুড়ে গ্রাহকের সঙ্গে ধারাবাহিক কথোপকথন বজায় রেখে এসব ধাপ সমন্বয় করে.

কথোপকথনের মান, ল্যাটেন্সি, নির্দেশনা অনুসরণ, টুল কলিং, বহুভাষিক পারফরম্যান্স, নির্ভরযোগ্যতা এবং খরচের দিক থেকে OpenAI-কে বিকল্পগুলোর সঙ্গে মূল্যায়ন করার পর Ringg দেখেছে, প্রোডাকশন ওয়ার্কলোডের জন্য OpenAI সামগ্রিকভাবে সবচেয়ে শক্তিশালী ভারসাম্য দেয়.

GPT‑5.6 এবং অন্যান্য OpenAI মডেল জটিল নির্দেশনা অনুসরণ, টুল কল চালানো, কথোপকথনের প্রেক্ষাপট বজায় রাখা এবং এন্টারপ্রাইজ স্কেলে নির্ভরযোগ্যভাবে কাজ করার ক্ষেত্রেও বেশি ধারাবাহিক পারফরম্যান্স দেখিয়েছে.

কাজের প্রয়োজন অনুযায়ী Ringg নির্দিষ্ট OpenAI মডেলে কাজ রাউট করে. GPT‑4.1 অধিকাংশ রিয়েল-টাইম ভয়েস ও চ্যাট ট্রাফিক সামলায়. GPT‑5.6 Luna প্রোডাকশন স্ট্যাকে থাকে এবং কোনো অনুরোধের জন্য এর পারফরম্যান্স, ল্যাটেন্সি বা দাম-অনুপাতে-পারফরম্যান্স প্রোফাইল বেশি উপযোগী হলে ব্যবহার করা হয়. GPT‑5.6 Terra কল-পরবর্তী বিশ্লেষণ সামলায়, যার মধ্যে সারাংশ ও সেন্টিমেন্ট শ্রেণিবিন্যাস রয়েছে. আর GPT‑5.6 Sol মূল্যায়ন, প্রম্পট উন্নয়ন এবং মডেল-অ্যাজ-জাজ ওয়ার্কফ্লোতে সহায়তা করে.

ভয়েস কলে কোনো গ্রাহক কথা বললে বা চ্যাট পাঠালে Ringg-এর অর্কেস্ট্রেশন সিস্টেম সেই ইনপুটকে এজেন্টের নির্দেশনা, কথোপকথনের ইতিহাস, গ্রাহক-নির্দিষ্ট ডেটা, প্রাসঙ্গিক নলেজ-বেস প্রেক্ষাপট এবং উপলভ্য টুলের সঙ্গে একত্র করে. এরপর Ringg-এর রাউটিং স্তর উপযুক্ত মডেল ও কনফিগারেশন নির্বাচন করে. মডেলের আউটপুট অর্কেস্ট্রেশন সিস্টেমের মধ্য দিয়ে যায় এবং গ্রাহকের বেছে নেওয়া চ্যানেলে পৌঁছে দেওয়া হয়.

দীর্ঘ ইন্টারঅ্যাকশনে প্রেক্ষাপট প্রায় ৮০,০০০ টোকেনের কাছাকাছি পৌঁছালে সিস্টেম একটি স্ট্রাকচার্ড সারাংশ তৈরি করে. তখন পুরো ইতিহাস বারবার না পাঠিয়েও গুরুত্বপূর্ণ তথ্য সংরক্ষিত রেখে কথোপকথন চালিয়ে যাওয়া যায়.

প্রোডাকশনে মোতায়েনের আগে Ringg ঐতিহাসিক কথোপকথন ও সিমুলেটেড গ্রাহক ফ্লো দিয়ে মডেল পরীক্ষা করে. এর মূল্যায়ন প্ল্যাটফর্ম সেই ফলাফল ব্যবহার করে দুর্বলতা শনাক্ত করে এবং প্রম্পট উন্নয়নের সুপারিশ করে, ফলে এজেন্ট ও কনফিগারেশনের জন্য ধারাবাহিক উন্নয়নের একটি লুপ তৈরি হয়.

একটি মূল্যায়নে Ringg-এর কল-পরবর্তী বিশ্লেষণ ওয়ার্কফ্লো ছিল. কোম্পানিটি Gemini 2.5 Flash-এর মতো বিকল্পের সঙ্গে GPT‑5.6 Terra পরীক্ষা করে, এবং Terra এগিয়ে থাকে. Ringg সারাংশ ও সেন্টিমেন্ট শ্রেণিবিন্যাস GPT‑5.6 Terra-তে স্থানান্তর করে. Terra সারাংশ ও সেন্টিমেন্ট বিশ্লেষণে উচ্চ নির্ভুলতা বজায় রেখেছে, একই সঙ্গে ইউনিট ইকোনমিক্স উল্লেখযোগ্যভাবে উন্নত করেছে.

কোম্পানিটি ভাষা ও আঞ্চলিক বৈচিত্র্যজুড়েও মডেল পরীক্ষা করে, যার মধ্যে ভাষা বদলে চলা বা ইংরেজির সঙ্গে স্থানীয় ভাষার বাক্যাংশ মিলিয়ে বলা কথোপকথন রয়েছে, যা তাদের সেবাপ্রাপ্ত বাজারগুলোতে সাধারণ আচরণ. GPT‑5.6 Terra Gemini 2.5 Flash-কে ছাড়িয়ে গেছে, সাধারণ আঞ্চলিক ভাষায় সর্বোচ্চ ৯৭% নির্ভুলতা দিয়ে GPT‑5.6‑কে Ringg-এর গ্রাহকদের সেবা দেওয়া এজেন্টদের জন্য আরও উপযোগী করেছে.

অফলাইন পরীক্ষায় উত্তীর্ণ মডেলগুলো বিস্তৃত রোলআউটের আগে প্রোডাকশন ট্রাফিকের ছোট অংশে চালু করা হয়. প্রোডাকশনে Ringg-এর রাউটার অঞ্চলজুড়ে ল্যাটেন্সি ও এন্ডপয়েন্টের স্বাস্থ্য পর্যবেক্ষণ করে এবং কোনো এন্ডপয়েন্ট অনুপলভ্য হলে বা ল্যাটেন্সি সীমা অতিক্রম করলে ট্রাফিক সরিয়ে দেয়. বিশেষায়িত নোড, সতর্কতা এবং সংস্করণভিত্তিক ডিপ্লয়মেন্ট সমস্যা আলাদা করতে এবং প্রভাব সীমিত রাখতে সহায়তা করে.

এই পদ্ধতি Ringg-কে ইউনিট ইকোনমিক্স উন্নত করতেও সাহায্য করে. কিছু রিয়েল-টাইম ওয়ার্কলোড GPT‑4.1 থেকে GPT‑5.6 Luna-তে স্থানান্তর করার ফলে মডেল খরচ প্রায় ৯০% কমেছে.

Ringg-এর গ্রাহকদের জন্য এর এজেন্টরা কোনো মানব এজেন্টের সম্পৃক্ততা ছাড়াই সর্বোচ্চ ৬৫% নিয়মিত গ্রাহক জিজ্ঞাসার সমাধান করে.

ভারতের অন্যতম বৃহৎ অনলাইন বীমা প্ল্যাটফর্ম Policybazaar, ৫৭,০০০-এর বেশি গ্রাহক অনুরোধ সংযোগ করতে Ringg ব্যবহার করে, এবং ৬৭% কল মানব হস্তক্ষেপ ছাড়াই সামলানো হয়. Policybazaar-এর গড় প্রতিক্রিয়া সময় ৮–১২ মিনিট থেকে ৬০ সেকেন্ডের কমে নেমে এসেছে, যা প্রায় ৮৮% উন্নতি.

বিশ্বব্যাপী স্বাস্থ্যসেবা প্ল্যাটফর্ম Practo-তে Ringg-এর এজেন্টরা গ্রাহকদের স্বাস্থ্যসেবার অ্যাপয়েন্টমেন্ট বুক করতে এবং পরিষেবা অনুরোধ সম্পন্ন করতে সাহায্য করে. ডিপ্লয়মেন্টের পর Practo ৮৫% প্রথম-কল সমাধান হার এবং তিন সেকেন্ডের কম প্রতিক্রিয়া সময় অর্জন করেছে. আগের মানব-নির্ভর ওয়ার্কফ্লোর তুলনায় পরিচালন ব্যয় ৭০% কমেছে, আর Ringg এখন প্রতিদিন ১,০০০-এর বেশি অ্যাপয়েন্টমেন্ট বুকিং সম্পন্ন করে.

অনলাইন বিনিয়োগ প্ল্যাটফর্ম Groww IPO, ফিউচার্স এবং অপশনস-সম্পর্কিত ৭২% ইনবাউন্ড জিজ্ঞাসা সম্পূর্ণ সেলফ-সার্ভিসের মাধ্যমে সমাধান করতে Ringg ব্যবহার করে, যেখানে গড় হ্যান্ডলিং সময় দুই মিনিট.

OpenAI-এর কম্পিউটার-ব্যবহার সক্ষমতা ব্যবহার করে Ringg প্ল্যাটফর্ম অনবোর্ডিং, গ্রাহক-পরিচয় যাচাই (KYC) প্রক্রিয়া, IT সমস্যা সমাধান, অন-কল ইনসিডেন্ট সহায়তা এবং দাবি প্রক্রিয়াকরণের জন্য ব্রাউজার এজেন্ট তৈরি করছে.

কোম্পানিটি এমন একটি প্রেক্ষাপট স্তরও তৈরি করছে, যা চ্যানেল ও ইন্টারঅ্যাকশনজুড়ে তথ্য সংরক্ষণ করতে পারে. কোনো গ্রাহক ভয়েসে অনুরোধ শুরু করে WhatsApp-এ চালিয়ে যেতে এবং প্রতিবার একই বিবরণ আবার না বলেই ব্রাউজারে শেষ করতে পারেন.

Ringg-এর জন্য গ্রাহক কার্যক্রমের পরবর্তী প্রজন্ম কলের পরিমাণ বা কর্মীসংখ্যা নয়, সম্পন্ন ব্যবসায়িক ফলাফল এবং অটোমেশনের গভীরতা দিয়ে মাপা হবে.