Ringg és OpenAI: az ügynökök a hívások akár 65%-át megoldják
A Ringg GPT‑5.6‑alapú, többnyelvű ügynökei hanghívásban, csevegésben, WhatsAppon és a weben segítenek, a GPT‑4.1‑hez képest 90%-kal olcsóbban.
7 M+
Havonta kezelt, létrejött hívások
65%
Az ügynökök a kérések akár 65%-át megoldják
90%
Alacsonyabb költségek a GPT-4.1-hez képest egyes feladatoknál
4,8
Átlagos ügyfél-elégedettségi pontszám (CSAT)
Ha nő a hívások száma, az ügyfélszolgálatok jellemzően új munkatársak felvételével bővítik kapacitásukat, ez azonban minden ügyintézést drágábbá és összetettebbé tesz. A hang- és csevegőügynököket kínáló Ringg(új ablakban nyílik meg) platform közvetlenül szembesült ezzel a problémával, amikor nagy indiai, lakossági ügyfeleket kiszolgáló vállalatokkal dolgozott együtt.
Ezek a cégek nemcsak a növekvő hívásszámmal küzdöttek: ügyfélszolgálati munkatársaiknak széttagolt, manuális rendszerekben kellett segíteniük az ügyfeleket, a biztosításkötéstől az időpontfoglalásig.
E tapasztalat alapján a Ringg olyan vállalati ügynökplatformot épített, amely a GPT‑5.6‑hoz hasonló, nagy hatékonyságú modellekre támaszkodva hanghívásban, csevegésben, WhatsAppon és a weben is működik. A megfelelő valós idejű feladatok GPT‑4.1‑ről GPT‑5.6‑ra való átállítása mintegy 90%-kal csökkentette a modellköltségeket, a szükséges minőség és válaszidő megtartásával.
„A modell minősége csak az egyik szempont. Alacsony késleltetésre, megbízható eszközhasználatra, pontos utasításkövetésre és nagy léptékben is gazdaságos működésre van szükségünk. Az OpenAI megadta a számunkra szükséges egyensúlyt.”
A Ringg ügynökei ma már havonta több mint 7 millió létrejött hívást kezelnek, ügyfeleinél pedig az átlagos ügyfél-elégedettségi pontszám (CSAT) 4,8.
Egy ügyfélkérés teljesítéséhez az ügynököknek szükségük lehet egy biztosítási kötvény ellenőrzésére, fiókadatok lekérésére, időpontfoglalásra, a CRM frissítésére, vagy a beszélgetés szakértőnek való átadására a lényeges kontextus megőrzésével.
Valós idejű interakciókhoz a Ringg a GPT‑5.6 Luna és más modellek segítségével értelmezi az ügyfélkéréseket, választja ki az eszközöket, és vezeti végig az ügyfeleket a többlépéses munkafolyamatokon. A Ringg vezérlési rétege CRM-ekben, jegykezelő platformokon, fizetési rendszerekben, időpontfoglaló eszközökben és belső API-kon keresztül hajt végre műveleteket, szükség esetén pedig a beszélgetés összefoglalójával együtt emberi munkatársnak adja át az ügyet.
A Ringg tudásrendszere strukturált szűrést és szemantikus keresést ötvöz adathalmazokban, PDF-ekben, CSV-kben és üzleti dokumentumokban, így az ügynökök releváns vállalati információkra támaszkodva válaszolhatnak.
A Ringg a munkát minősítésre, támogatásra, ellenőrzésre, időpontfoglalásra és eszkalációra szakosodott alügynökök között is fel tudja osztani. A platform összehangolja ezeket a lépéseket, miközben egységes beszélgetést tart fenn az ügyféllel hanghívásban, csevegésben, WhatsAppon és a weben.
A Ringg a beszélgetések minősége, a késleltetés, az utasításkövetés, az eszközhívások, a többnyelvű teljesítmény, a megbízhatóság és a költségek alapján vetette össze az OpenAI-t az alternatívákkal. Úgy találta, hogy éles használatban összességében az OpenAI nyújtja a legjobb egyensúlyt.
A GPT‑5.6 és más OpenAI-modellek az összetett utasítások követésében, az eszközhívások végrehajtásában, a beszélgetési kontextus megőrzésében és a vállalati léptékű, megbízható működésben is egyenletesebben teljesítettek.
A Ringg a feladat követelményei alapján választja ki az adott OpenAI-modellt. A valós idejű hanghívás- és csevegési forgalom nagy részét a GPT‑4.1 kezeli. A GPT‑5.6 Luna továbbra is az éles rendszer része, és akkor használják, ha teljesítménye, késleltetése vagy ár-érték aránya jobban megfelel az adott kérésnek. A GPT‑5.6 Terra végzi a hívás utáni elemzést, beleértve az összefoglalást és az érzelmi töltet szerinti osztályozást. A GPT‑5.6 Sol pedig a kiértékelést, az utasítások javítását és az olyan munkafolyamatokat támogatja, amelyekben a modell bírálóként működik.
Amikor egy ügyfél hívásban beszél vagy csevegőüzenetet küld, a Ringg vezérlőrendszere ezt a bemenetet összekapcsolja az ügynök utasításaival, a beszélgetési előzményekkel, az ügyfél adataival, a tudásbázis releváns kontextusával és az elérhető eszközökkel. Ezután a Ringg útválasztási rétege kiválasztja a megfelelő modellt és konfigurációt. A modell kimenetét a vezérlőrendszer az ügyfél által választott csatornán továbbítja.
Hosszabb interakciók esetén a rendszer strukturált összefoglalót készít, amikor a kontextus megközelíti a 80 000 tokent. Így a beszélgetés a fontos információk megőrzésével folytatódhat, anélkül, hogy újra és újra el kellene küldeni a teljes előzményt.
A Ringg korábbi beszélgetésekkel és szimulált ügyfélfolyamatokkal teszteli a modelleket az éles bevezetés előtt. Értékelőplatformja az eredmények alapján azonosítja a gyenge pontokat, és javaslatokat tesz az utasítások javítására, így folyamatosan finomítja az ügynököket és konfigurációikat.
Az egyik értékelés a Ringg hívás utáni elemzési munkafolyamatát vizsgálta. A vállalat a GPT‑5.6 Terrát olyan alternatívákkal tesztelte össze, mint a Gemini 2.5 Flash, és a Terra bizonyult a legjobbnak. A Ringg az összefoglalók készítését és az érzelmi töltet szerinti osztályozást átállította a GPT‑5.6 Terrára. A Terra megőrizte az összefoglalók és az érzelemelemzés nagy pontosságát, miközben jelentősen javította az egységnyi feladatra jutó költséghatékonyságot.
A vállalat különböző nyelveken és regionális változatokon is teszteli a modelleket, többek között olyan beszélgetésekkel, amelyekben nyelvet váltanak, vagy az angolt helyi nyelvű kifejezésekkel keverik. Ez gyakori az általa kiszolgált piacokon. A GPT‑5.6 Terra felülmúlta a Gemini 2.5 Flasht: az elterjedt regionális nyelveken akár 97%-os pontosságot ért el, így a GPT‑5.6 jobban megfelelt a Ringg ügyfeleit kiszolgáló ügynököknek.
Az offline teszteken megfelelt modellek először az éles forgalom kis részét kapják meg, majd fokozatosan bővítik a használatukat. Éles működés közben a Ringg útválasztója régiónként figyeli a késleltetést és a végpontok állapotát. Ha egy végpont elérhetetlenné válik, vagy túllépi a késleltetési küszöböt, átirányítja a forgalmat. A célzott feladatú csomópontok, a riasztások és a verziózott telepítések segítenek elkülöníteni a hibákat és korlátozni a hatásukat.
Ez a megközelítés a Ringg egységnyi feladatra jutó költséghatékonyságát is javítja. Egyes valós idejű feladatok GPT‑4.1‑ről GPT‑5.6 Lunára való átállítása mintegy 90%-kal csökkentette a modellköltségeket.
„Az OpenAI mindig gyorsan reagált, amikor a modellváltásokhoz támogatásra volt szükségünk. A dedikált Slack-támogatás és a közvetlen hozzáférés a központi mérnökcsapathoz segít, hogy kevesebb műszaki bizonytalanság mellett haladjunk, gyorsabban vezessük be a fejlesztéseket, és bővítsük az ügynökeink által elvégezhető feladatok körét.”
A Ringg ügynökei ügyfeleinél a rutinmegkeresések akár 65%-át emberi ügyintéző bevonása nélkül oldják meg.
India egyik legnagyobb online biztosítási platformja, a Policybazaar a Ringg segítségével több mint 57 000 ügyfélkéréshez kapcsolódó hívást bonyolít le, és a hívások 67%-át emberi beavatkozás nélkül kezeli. A Policybazaar átlagos válaszideje 8–12 percről 60 másodperc alá csökkent, ami mintegy 88%-os javulás.
A globális egészségügyi platformnál, a Practónál a Ringg ügynökei segítenek az ügyfeleknek egészségügyi időpontot foglalni és szolgáltatási kéréseiket elintézni. A bevezetés után a Practo az ügyek 85%-át már az első hívás során megoldotta, a válaszidő pedig három másodperc alá csökkent. A működési költségek 70%-kal csökkentek a korábbi, emberi ügyintézésre épülő folyamathoz képest, a Ringg pedig ma már naponta több mint 1000 időpontfoglalást intéz el.
A Groww online befektetési platform a Ringg segítségével a tőzsdei bevezetésekhez, határidős ügyletekhez és opciókhoz kapcsolódó bejövő megkeresések 72%-át teljesen önkiszolgáló módon kezeli, átlagosan kétperces ügyintézési idővel.
Az OpenAI számítógép-használati képességeivel a Ringg böngészős ügynököket fejleszt a platformok használatának megkezdéséhez, ügyfél-azonosítási (KYC-) folyamatokhoz, informatikai hibaelhárításhoz, ügyeleti incidenskezeléshez és kárigények feldolgozásához.
A vállalat olyan kontextusréteget is fejleszt, amely a csatornák és interakciók között megőrzi az információkat. Az ügyfél például hanghívásban kezdheti az ügyintézést, WhatsAppon folytathatja, és böngészőben fejezheti be, anélkül, hogy minden alkalommal meg kellene ismételnie ugyanazokat az adatokat.
„Az OpenAI számítógép-használati képességei felgyorsították böngészős ügynökeink fejlesztését. Segítségükkel összekapcsolhatjuk a felhasználó képernyőjén történteket a beszélgetés kontextusával, így az ügynökök valós időben vezethetik végig az embereket az összetett munkafolyamatokon.”
A Ringg szerint az ügyfélkiszolgálás következő generációjának mércéje nem a hívásszám vagy a létszám lesz, hanem az elért üzleti eredmények és az automatizálás mélysége.
