סוכני ה-AI של Ringg נותנים מענה לעד 65% מהשיחות בעזרת OpenAI

כשנפח השיחות עולה, מערכי שירות לקוחות בדרך כלל מתרחבים באמצעות גיוס עובדים נוספים, אך הדבר מגדיל את העלות והמורכבות של כל אינטראקציה. Ringg⁠(נפתח בחלון חדש), פלטפורמה לסוכנים קוליים ולסוכני צ'אט, נתקלה בבעיה הזו מקרוב כשעבדה עם חברות גדולות המשרתות צרכנים בהודו.

החברות האלה לא רק התקשו לענות ליותר שיחות; נציגי השירות שלהן נאלצו גם להתמודד עם מערכות נפרדות ותהליכים ידניים כדי לעזור ללקוחות להשלים משימות, מרכישת ביטוח ועד קביעת תורים.

הניסיון הזה הוביל את Ringg לבנות פלטפורמת סוכנים לארגונים המבוססת על מודלים בעלי יעילות גבוהה כמו GPT‑5.6, ופועלת בשיחות קוליות, בצ'אט, ב-WhatsApp ובאינטרנט. העברת עומסי עבודה מתאימים בזמן אמת מ-GPT‑4.1 ל-GPT‑5.6 הפחיתה את עלויות המודל בכ-90%, תוך עמידה בדרישות האיכות וזמן ההשהיה.

הסוכנים של Ringg מטפלים כיום ביותר מ-7 מיליון שיחות שנענו בכל חודש, ולקוחות החברה מגיעים לציון שביעות רצון לקוחות (CSAT) ממוצע של 4.8.

כדי להשלים טיפול בפניית לקוח, סוכנים עשויים להידרש לבדוק פוליסה, לשלוף רשומת חשבון, לקבוע תור, לעדכן מערכת CRM או להעביר את השיחה למומחה יחד עם מלוא ההקשר הרלוונטי.

באינטראקציות בזמן אמת, Ringg משתמשת ב-GPT‑5.6 Luna ובמודלים נוספים כדי להבין את בקשות הלקוחות, לבחור כלים ולהדריך לקוחות בתהליכי עבודה מרובי שלבים. שכבת התזמור של Ringg מבצעת פעולות במערכות CRM, בפלטפורמות לניהול פניות, במערכות תשלום, בכלים לקביעת תורים ובממשקי API פנימיים, ובמידת הצורך מעבירה את הטיפול לנציג אנושי בצירוף סיכום השיחה.

מערכת הידע של Ringg משלבת סינון מובנה עם אחזור סמנטי ממערכי נתונים, מקובצי PDF ו-CSV וממסמכים עסקיים, וכך מסייעת לסוכנים לענות על שאלות בעזרת מידע ארגוני רלוונטי.

Ringg יכולה גם לחלק את העבודה בין סוכני משנה המתמחים בבדיקת התאמה, בתמיכה, באימות, בקביעת תורים ובהעברת פניות לדרג טיפול בכיר יותר. הפלטפורמה מתאמת בין השלבים האלה תוך שמירה על שיחה עקבית עם הלקוח בשיחות קוליות, בצ'אט, ב-WhatsApp ובאינטרנט.

לאחר שהשוותה בין OpenAI לחלופות מבחינת איכות השיחה, זמן ההשהיה, מילוי הוראות, קריאה לכלים, ביצועים רב-לשוניים, אמינות ועלות, מצאה Ringg כי OpenAI סיפקה את השילוב הכולל הטוב ביותר לעומסי עבודה בסביבת ייצור.

GPT‑5.6 ומודלים נוספים של OpenAI הפגינו גם עקביות רבה יותר במילוי הוראות מורכבות, בביצוע קריאות לכלים, בשמירה על הקשר השיחה ובפעולה אמינה בהיקפים ארגוניים.

Ringg מנתבת עבודה למודל מסוים של OpenAI בהתאם לצורכי המשימה. GPT‑4.1 מטפל ברוב תעבורת השיחות הקוליות והצ'אט בזמן אמת. GPT‑5.6 Luna נשאר חלק מהמערך הטכנולוגי בסביבת הייצור, ומשמש כשהביצועים, זמן ההשהיה או יחס העלות-ביצועים שלו מתאימים יותר לבקשה. GPT‑5.6 Terra מטפל בניתוח לאחר השיחה, כולל סיכומים וסיווג סנטימנט. ו-GPT‑5.6 Sol תומך בהערכה, בשיפור פרומפטים ובתהליכי עבודה שבהם המודל משמש כשופט.

כשלקוח מדבר בשיחה קולית או שולח הודעה בצ'אט, מערכת התזמור של Ringg משלבת את הקלט הזה עם הוראות הסוכן, היסטוריית השיחה, נתונים ספציפיים ללקוח, הקשר רלוונטי ממאגר הידע וכלים זמינים. לאחר מכן, שכבת הניתוב של Ringg בוחרת את המודל ואת התצורה המתאימים. פלט המודל עובר דרך מערכת התזמור ונמסר בערוץ שבחר הלקוח.

באינטראקציות ארוכות יותר, המערכת יוצרת סיכום מובנה כשההקשר מתקרב לכ-80,000 טוקנים. כך השיחה יכולה להימשך תוך שמירה על המידע החשוב, בלי לשלוח שוב ושוב את כל ההיסטוריה.

Ringg בודקת מודלים באמצעות שיחות עבר והדמיות של תהליכי לקוח לפני פריסתם בסביבת הייצור. פלטפורמת ההערכה שלה משתמשת בתוצאות האלה כדי לזהות נקודות תורפה ולהמליץ על שיפורים בפרומפטים, וכך יוצרת מחזור שיפור מתמשך לסוכנים ולתצורות שלהם.

אחת ההערכות עסקה בתהליך הניתוח של Ringg לאחר שיחה. החברה בדקה את GPT‑5.6 Terra מול חלופות כמו Gemini 2.5 Flash, ו-Terra השיג את התוצאות הטובות ביותר. Ringg העבירה את משימות הסיכום וסיווג הסנטימנט ל-GPT‑5.6 Terra. Terra שמר על דיוק גבוה בסיכומים ובניתוח סנטימנט, ובמקביל שיפר משמעותית את הכדאיות הכלכלית לכל יחידת עבודה.

החברה גם בודקת מודלים בשפות ובניבים אזוריים שונים, כולל שיחות שעוברות בין שפות או משלבות אנגלית עם ביטויים בשפה מקומית — דפוס נפוץ בשווקים שהיא משרתת. GPT‑5.6 Terra השיג ביצועים טובים יותר מ-Gemini 2.5 Flash, עם דיוק של עד 97% בשפות אזוריות נפוצות, ולכן GPT‑5.6 מתאים יותר לסוכנים המשרתים את לקוחות Ringg.

מודלים שעוברים את הבדיקות מחוץ לסביבת הייצור מופעלים תחילה על חלק קטן מתעבורת הייצור, לפני הרחבת הפריסה. בסביבת הייצור, הנתב של Ringg מנטר את זמני ההשהיה ואת תקינות ה-endpoints באזורים שונים, ומנתב את התעבורה מחדש כש-endpoint אינו זמין או חורג מסף זמן ההשהיה. צמתים ייעודיים, התראות ופריסות מנוהלות גרסאות מסייעים לבודד בעיות ולהגביל את השפעתן.

הגישה הזו גם עוזרת ל-Ringg לשפר את הכדאיות הכלכלית לכל יחידת עבודה. העברת עומסי עבודה מסוימים בזמן אמת מ-GPT‑4.1 ל-GPT‑5.6 Luna הפחיתה את עלויות המודל בכ-90%.

הסוכנים של Ringg פותרים עבור לקוחותיה עד 65% מהפניות השגרתיות של לקוחות, ללא כל מעורבות של נציג אנושי.

Policybazaar, אחת מפלטפורמות הביטוח המקוונות הגדולות בהודו, משתמשת ב-Ringg ליצירת קשר בעקבות יותר מ-57,000 פניות לקוחות, ו-67% מהשיחות מטופלות ללא התערבות אנושית. זמן המענה הממוצע של Policybazaar ירד מ-8–12 דקות לפחות מ-60 שניות, שיפור של כ-88%.

ב-Practo, פלטפורמת שירותי בריאות גלובלית, הסוכנים של Ringg עוזרים ללקוחות לקבוע תורים רפואיים ולהשלים בקשות שירות. בעקבות הפריסה, Practo הגיעה לשיעור פתרון של 85% בשיחה הראשונה ולזמני מענה של פחות משלוש שניות. עלויות התפעול ירדו ב-70% לעומת תהליך העבודה הקודם שהתבסס על נציגים אנושיים, וכיום Ringg משלימה יותר מ-1,000 קביעות תורים ביום.

פלטפורמת ההשקעות המקוונת Groww משתמשת ב-Ringg כדי לפתור 72% מהפניות הנכנסות בנושאי הנפקות ראשוניות לציבור, חוזים עתידיים ואופציות, באופן מלא בשירות עצמי ובזמן טיפול ממוצע של שתי דקות.

בעזרת היכולות של OpenAI לשימוש במחשב, Ringg מפתחת סוכנים הפועלים בדפדפן לצורך הצטרפות לפלטפורמות, תהליכי הכרת הלקוח (KYC), פתרון תקלות IT, תמיכה באירועים במסגרת כוננות וטיפול בתביעות.

החברה מפתחת גם שכבת הקשר שיכולה לשמר מידע בין ערוצים ואינטראקציות. לקוח יכול להתחיל פנייה בשיחה קולית, להמשיך אותה ב-WhatsApp ולסיים אותה בדפדפן, בלי לחזור על אותם פרטים בכל פעם.

מבחינת Ringg, הדור הבא של מערכי שירות הלקוחות יימדד בתוצאות עסקיות שהושגו ובעומק האוטומציה, ולא בנפח השיחות או במספר העובדים.