OpenAI સાથે રિંગના એજન્ટ 65% સુધીના કૉલ ઉકેલે છે

કૉલની સંખ્યા વધે ત્યારે ગ્રાહક સેવામાં સામાન્ય રીતે વધુ કર્મચારીઓ ઉમેરવામાં આવે છે, પરંતુ તેનાથી દરેક સંવાદનો ખર્ચ અને જટિલતા વધે છે. અવાજ અને ચેટ માટેનું એજન્ટ પ્લેટફોર્મ રિંગ⁠(નવી વિન્ડોમાં ખૂલે છે) ભારતમાં મોટા ગ્રાહકલક્ષી વ્યવસાયો સાથે કામ કરતી વખતે આ સમસ્યાનો સીધો અનુભવ કરી ચૂક્યું હતું.

આ કંપનીઓ વધુ કૉલના જવાબ આપવામાં જ મુશ્કેલી અનુભવતી નહોતી. તેમના ગ્રાહક સેવા કર્મચારીઓને વીમો ખરીદવાથી લઈને મુલાકાતનો સમય નક્કી કરવા સુધીનાં કામોમાં ગ્રાહકોને મદદ કરવા માટે છૂટીછવાઈ, માનવસંચાલિત પ્રણાલીઓ સાથે પણ ઝઝૂમવું પડતું હતું.

આ અનુભવ પરથી રિંગે વ્યવસાયો માટે એજન્ટ પ્લેટફોર્મ બનાવ્યું, જેના પાયામાં GPT‑5.6 જેવાં અત્યંત કાર્યક્ષમ મોડલ છે અને જે અવાજ, ચેટ, વૉટ્સઍપ અને વેબ પર કામ કરે છે. યોગ્ય તાત્કાલિક કાર્યભાર GPT‑4.1 પરથી GPT‑5.6 પર ખસેડવાથી જરૂરી ગુણવત્તા અને પ્રતિસાદની ઝડપ જાળવીને મોડલનો ખર્ચ લગભગ 90% ઘટ્યો.

રિંગના એજન્ટ હવે દર મહિને 70 લાખથી વધુ જોડાયેલા કૉલ સંભાળે છે, અને તેની ગ્રાહક કંપનીઓનો સરેરાશ ગ્રાહક સંતોષનો ગુણાંક 4.8 છે.

ગ્રાહકની વિનંતી પૂરી કરવા એજન્ટને વીમા પૉલિસી તપાસવી, ખાતાની વિગતો મેળવવી, મુલાકાતનો સમય નક્કી કરવો, ગ્રાહક સંબંધ વ્યવસ્થાપન પ્રણાલી સુધારવી કે સંબંધિત સંદર્ભ જાળવીને વાતચીત નિષ્ણાતને સોંપવી પડી શકે છે.

તાત્કાલિક સંવાદ માટે રિંગ GPT‑5.6 Luna અને અન્ય મોડલ વાપરે છે, જે ગ્રાહકની વિનંતી સમજે છે, સાધનો પસંદ કરે છે અને અનેક તબક્કાવાળી કાર્યપ્રક્રિયાઓમાં ગ્રાહકને માર્ગદર્શન આપે છે. રિંગનું સંકલન સ્તર ગ્રાહક સંબંધ વ્યવસ્થાપન, ફરિયાદ નોંધણી, ચુકવણી, સમયનિર્ધારણ અને આંતરિક એપીઆઈ પ્રણાલીઓમાં કાર્યો કરે છે. જરૂર પડ્યે તે વાતચીતના સારાંશ સાથે મામલો કર્મચારીને સોંપે છે.

રિંગની જ્ઞાન પ્રણાલી ડેટાસેટ, પીડીએફ, સીએસવી અને વ્યાવસાયિક દસ્તાવેજોમાંથી માહિતી મેળવવા માળખાબદ્ધ ગાળણ અને અર્થ-આધારિત શોધને જોડે છે. તેનાથી એજન્ટ વ્યવસાયની સંબંધિત માહિતી વડે પ્રશ્નોના જવાબ આપી શકે છે.

રિંગ યોગ્યતા નક્કી કરવા, સહાય આપવા, ખરાઈ કરવા, સમય નક્કી કરવા અને મામલો ઉપલા સ્તરે સોંપવા માટે કામ વિશિષ્ટ ઉપ-એજન્ટ વચ્ચે વહેંચી પણ શકે છે. પ્લેટફોર્મ આ પગલાંનું સંકલન કરે છે અને અવાજ, ચેટ, વૉટ્સઍપ તથા વેબ પર ગ્રાહક સાથેની વાતચીતમાં સાતત્ય જાળવે છે.

રિંગે સંવાદની ગુણવત્તા, પ્રતિસાદનો સમય, સૂચનાપાલન, સાધનોનો ઉપયોગ, બહુભાષી કામગીરી, વિશ્વસનીયતા અને ખર્ચના આધારે OpenAI તથા વિકલ્પોનું મૂલ્યાંકન કર્યું. તેને જણાયું કે વાસ્તવિક ઉપયોગના કાર્યભાર માટે OpenAI આ બધાં પાસાંનું શ્રેષ્ઠ સંતુલન આપે છે.

GPT‑5.6 અને અન્ય OpenAI મોડલે જટિલ સૂચનાઓનું પાલન કરવામાં, સાધનો વાપરવામાં, વાતચીતનો સંદર્ભ જાળવવામાં અને મોટા વ્યાવસાયિક પાયે વિશ્વસનીય રીતે કામ કરવામાં પણ વધુ સાતત્ય બતાવ્યું.

રિંગ કાર્યની જરૂરિયાત પ્રમાણે તેને ચોક્કસ OpenAI મોડલને સોંપે છે. GPT‑4.1 મોટા ભાગના તાત્કાલિક અવાજ અને ચેટ સંવાદ સંભાળે છે. GPT‑5.6 Luna હજી કાર્યરત પ્રણાલીમાં છે. તેની કામગીરી, પ્રતિસાદનો સમય કે ખર્ચ સામેની કાર્યક્ષમતા કોઈ વિનંતીને વધુ અનુકૂળ હોય ત્યારે તેનો ઉપયોગ થાય છે. GPT‑5.6 Terra કૉલ પછીનું વિશ્લેષણ સંભાળે છે, જેમાં સારાંશ અને ભાવનાનું વર્ગીકરણ સામેલ છે. અને GPT‑5.6 Sol મૂલ્યાંકન, પ્રોમ્પ્ટ સુધારણા તથા મોડલને નિર્ણાયક તરીકે વાપરતી કાર્યપ્રક્રિયાઓમાં મદદ કરે છે.

ગ્રાહક અવાજ કૉલમાં બોલે કે ચેટ મોકલે ત્યારે રિંગની સંકલન પ્રણાલી એ માહિતી સાથે એજન્ટની સૂચનાઓ, અગાઉની વાતચીત, ગ્રાહકનો વિશિષ્ટ ડેટા, જ્ઞાનભંડોળનો સંબંધિત સંદર્ભ અને ઉપલબ્ધ સાધનો જોડે છે. પછી રિંગનું કાર્યસોંપણી સ્તર યોગ્ય મોડલ અને ગોઠવણી પસંદ કરે છે. મોડલનો જવાબ સંકલન પ્રણાલીમાંથી પસાર થઈને ગ્રાહકે પસંદ કરેલા માધ્યમ દ્વારા પહોંચાડાય છે.

લાંબી વાતચીતમાં સંદર્ભ લગભગ 80,000 ટોકન સુધી પહોંચે ત્યારે પ્રણાલી માળખાબદ્ધ સારાંશ બનાવે છે. આમ આખી અગાઉની વાતચીત વારંવાર મોકલ્યા વિના, અગત્યની માહિતી જાળવીને સંવાદ આગળ વધી શકે છે.

વાસ્તવિક ઉપયોગમાં મૂકતાં પહેલાં રિંગ અગાઉની વાતચીત અને ગ્રાહક સંવાદનાં અનુકરણો વડે મોડલની કસોટી કરે છે. તેનું મૂલ્યાંકન પ્લેટફોર્મ પરિણામોના આધારે નબળાઈઓ ઓળખે છે અને પ્રોમ્પ્ટમાં સુધારા સૂચવે છે. આમ એજન્ટ અને તેમની ગોઠવણીમાં સતત સુધારાનું ચક્ર ચાલે છે.

એક મૂલ્યાંકનમાં રિંગની કૉલ પછીની વિશ્લેષણ પ્રક્રિયા તપાસવામાં આવી. કંપનીએ GPT‑5.6 Terraની Gemini 2.5 Flash જેવા વિકલ્પો સામે કસોટી કરી, અને Terra સૌથી આગળ રહ્યું. રિંગે સારાંશ અને ભાવનાના વર્ગીકરણનાં કામ GPT‑5.6 Terraને સોંપ્યાં. Terraએ સારાંશ અને ભાવના વિશ્લેષણમાં ઊંચી ચોકસાઈ જાળવી અને સાથે એકમદીઠ ખર્ચ સામે મળતા લાભમાં નોંધપાત્ર સુધારો કર્યો.

કંપની ભાષાકીય અને પ્રાદેશિક ભિન્નતાઓ માટે પણ મોડલની કસોટી કરે છે. તેમાં વચ્ચે ભાષા બદલાતી હોય કે અંગ્રેજી સાથે સ્થાનિક ભાષાનાં વાક્યાંશો ભળતાં હોય એવી વાતચીતનો સમાવેશ થાય છે, જે તેના કાર્યક્ષેત્રના બજારોમાં સામાન્ય છે. પ્રચલિત પ્રાદેશિક ભાષાઓમાં 97% સુધીની ચોકસાઈ સાથે GPT‑5.6 Terraએ Gemini 2.5 Flash કરતાં વધુ સારું પ્રદર્શન કર્યું. તેથી રિંગના ગ્રાહકોને સેવા આપતા એજન્ટ માટે GPT‑5.6 વધુ યોગ્ય બન્યું.

ઑફલાઇન કસોટીમાં સફળ મોડલને વ્યાપક ઉપયોગમાં મૂકતાં પહેલાં વાસ્તવિક સંવાદોના નાના હિસ્સા પર અજમાવાય છે. વાસ્તવિક કામગીરી દરમિયાન રિંગનું રાઉટર વિવિધ પ્રદેશોમાં પ્રતિસાદના સમય અને એન્ડપોઇન્ટની સ્થિતિ પર નજર રાખે છે. કોઈ એન્ડપોઇન્ટ અનુપલબ્ધ થાય કે પ્રતિસાદમાં નિર્ધારિત મર્યાદાથી વધુ સમય લે ત્યારે તે સંવાદો અન્યત્ર ખસેડે છે. વિશિષ્ટ નોડ, ચેતવણીઓ અને આવૃત્તિ-આધારિત અમલીકરણ સમસ્યાઓને અલગ પાડવામાં અને તેમની અસર મર્યાદિત રાખવામાં મદદ કરે છે.

આ અભિગમ રિંગને એકમદીઠ ખર્ચ સામે મળતો લાભ સુધારવામાં પણ મદદ કરે છે. ચોક્કસ તાત્કાલિક કાર્યભાર GPT‑4.1 પરથી GPT‑5.6 Luna પર ખસેડવાથી મોડલનો ખર્ચ લગભગ 90% ઘટ્યો.

રિંગના એજન્ટ તેની ગ્રાહક કંપનીઓ માટે 65% સુધીની રોજિંદી ગ્રાહક પૂછપરછનો ઉકેલ કોઈ કર્મચારીની સામેલગીરી વિના લાવે છે.

ભારતનાં સૌથી મોટાં ઑનલાઇન વીમા પ્લેટફોર્મમાંનું એક, પૉલિસીબજાર, 57,000થી વધુ ગ્રાહક વિનંતીઓ માટે સંપર્ક સ્થાપિત કરવા રિંગ વાપરે છે. તેના 67% કૉલ માનવીય હસ્તક્ષેપ વિના સંભાળાય છે. પૉલિસીબજારનો સરેરાશ પ્રતિસાદ સમય 8–12 મિનિટથી ઘટીને 60 સેકન્ડથી ઓછો થયો, જે લગભગ 88%નો સુધારો છે.

વૈશ્વિક આરોગ્યસેવા પ્લેટફોર્મ પ્રેક્ટોમાં રિંગના એજન્ટ ગ્રાહકોને આરોગ્યસેવા માટે મુલાકાતનો સમય નોંધાવવામાં અને સેવાની વિનંતીઓ પૂરી કરવામાં મદદ કરે છે. અમલીકરણ પછી પ્રેક્ટોએ 85% કિસ્સાઓમાં પહેલા જ કૉલમાં ઉકેલ મેળવ્યો અને પ્રતિસાદનો સમય ત્રણ સેકન્ડથી ઓછો રહ્યો. અગાઉની કર્મચારી-સંચાલિત કાર્યપ્રક્રિયાની સરખામણીમાં સંચાલન ખર્ચ 70% ઘટ્યો. હવે રિંગ દરરોજ 1,000થી વધુ મુલાકાતોનું બુકિંગ પૂર્ણ કરે છે.

ઑનલાઇન રોકાણ પ્લેટફોર્મ ગ્રો રિંગની મદદથી આઈપીઓ, ફ્યુચર્સ અને ઑપ્શન્સ સંબંધિત 72% પૂછપરછનો ઉકેલ સંપૂર્ણપણે સ્વ-સેવા દ્વારા આપે છે. તેને સંભાળવાનો સરેરાશ સમય બે મિનિટ છે.

OpenAIની કમ્પ્યુટર વાપરવાની ક્ષમતાઓ વડે રિંગ બ્રાઉઝર એજન્ટ વિકસાવી રહ્યું છે. તે પ્લેટફોર્મ પર શરૂઆત કરવામાં, ગ્રાહકની ઓળખ ચકાસવાની કેવાયસી પ્રક્રિયામાં, માહિતી-તકનીકી સમસ્યાઓ ઉકેલવામાં, કૉલ પર તાત્કાલિક ઘટનાની સહાય આપવામાં અને દાવાની પ્રક્રિયામાં મદદ કરશે.

કંપની એવું સંદર્ભ સ્તર પણ વિકસાવી રહી છે જે વિવિધ માધ્યમો અને સંવાદો વચ્ચે માહિતી જાળવી શકે. ગ્રાહક અવાજથી વિનંતી શરૂ કરી શકે, તેને વૉટ્સઍપ પર આગળ વધારી શકે અને બ્રાઉઝરમાં પૂરી કરી શકે—દર વખતે એ જ વિગતો ફરી આપ્યા વિના.

રિંગ માટે આગામી પેઢીની ગ્રાહક સેવાની સફળતા કૉલ કે કર્મચારીઓની સંખ્યાથી નહીં, પણ પ્રાપ્ત થયેલાં વ્યાવસાયિક પરિણામો અને સ્વચાલન કેટલું ઊંડાણપૂર્વક થયું છે તેનાથી મપાશે.