Со OpenAI, ВИ-агентите на Ringg решаваат до 65% од повиците

Кога расте бројот на повици, службите за корисници обично вработуваат повеќе луѓе, но со тоа се зголемуваат трошоците и сложеноста на секоја интеракција. Ringg⁠(се отвора во нов прозорец), платформа за гласовни и чет-агенти, непосредно се соочи со овој проблем работејќи со големи компании во Индија што опслужуваат потрошувачи.

Овие компании не само што тешко успеваа да одговорат на повеќе повици, туку нивните вработени во службите за корисници се мачеа и со неповрзани, рачни системи за да им помогнат на корисниците да завршат задачи, од купување осигурување до закажување термини.

Тоа искуство го поттикна Ringg да изгради деловна платформа за агенти заснована на високоефикасни модели како GPT‑5.6, која опфаќа гласовни разговори, чет, WhatsApp и веб. Пренесувањето на соодветни задачи во реално време од GPT‑4.1 на GPT‑5.6 ги намали трошоците за моделите за околу 90%, со задржување на потребниот квалитет и латентност.

Агентите на Ringg сега обработуваат над 7 милиони воспоставени повици месечно, а неговите клиенти имаат просечна оценка за задоволство на корисниците (CSAT) од 4,8.

За да решат корисничко барање, агентите можеби треба да проверат полиса, да преземат податоци за сметка, да закажат термин, да ажурираат CRM или да го пренесат разговорот на специјалист, задржувајќи го релевантниот контекст.

За интеракции во реално време, Ringg користи GPT‑5.6 Luna и други модели за толкување кориснички барања, избор на алатки и водење на корисниците низ работни текови со повеќе чекори. Слојот за оркестрација на Ringg извршува дејства во CRM-системи, платформи за пријави, системи за плаќање, алатки за закажување и интерни API, а по потреба ги пренесува случаите на вработен со резиме на разговорот.

Системот за знаење на Ringg комбинира структурирано филтрирање со семантичко пребарување низ податочни множества, PDF и CSV-датотеки и деловни документи, помагајќи им на агентите да одговараат со релевантни информации од компанијата.

Ringg може и да ја распредели работата меѓу специјализирани подагенти за процена на потенцијални клиенти, поддршка, проверка, закажување и пренесување случаи на повисоко ниво. Платформата ги координира тие чекори и одржува доследен разговор со корисникот преку гласовни разговори, чет, WhatsApp и веб.

Ringg го спореди OpenAI со алтернативите според квалитетот на разговорите, латентноста, следењето инструкции, повикувањето алатки, работата на повеќе јазици, сигурноста и трошоците. Утврди дека OpenAI нуди најдобар вкупен баланс за задачите во продукциска средина.

GPT‑5.6 и другите модели на OpenAI беа и подоследни во следењето сложени инструкции, повикувањето алатки, одржувањето на контекстот на разговорот и сигурната работа во големи деловни системи.

Ringg ја насочува работата кон конкретен модел на OpenAI според потребите на задачата. GPT‑4.1 го обработува најголемиот дел од гласовниот и чет-сообраќајот во реално време. GPT‑5.6 Luna останува дел од продукцискиот систем и се користи кога неговите перформанси, латентност или односот цена–перформанси подобро одговараат на барањето. GPT‑5.6 Terra врши анализа по повикот, вклучувајќи резимеа и класификација на сентиментот. А GPT‑5.6 Sol поддржува евалуација, подобрување на промптовите и работни текови во кои моделот служи како оценувач.

Кога корисник зборува во гласовен повик или испраќа чет-порака, системот за оркестрација на Ringg го комбинира тој влез со инструкциите за агентот, историјата на разговорот, податоците за корисникот, релевантниот контекст од базата на знаење и достапните алатки. Потоа слојот за насочување на Ringg ги избира соодветниот модел и конфигурацијата. Излезот од моделот поминува низ системот за оркестрација и се испорачува преку каналот што го избрал корисникот.

При подолги интеракции, системот создава структурирано резиме кога контекстот ќе се приближи до околу 80.000 токени. Разговорот потоа може да продолжи со зачувани важни информации, без постојано испраќање на целата историја.

Пред воведување во продукциска средина, Ringg ги тестира моделите со претходни разговори и симулирани кориснички постапки. Неговата платформа за евалуација ги користи резултатите за да открие слабости и да препорача подобрувања на промптовите, создавајќи циклус на постојано подобрување на агентите и конфигурациите.

Една евалуација го опфати работниот тек на Ringg за анализа по повик. Компанијата го тестираше GPT‑5.6 Terra наспроти алтернативи како Gemini 2.5 Flash, а Terra се покажа како најдобар. Ringg ги префрли изработката на резимеа и класификацијата на сентиментот на GPT‑5.6 Terra. Terra задржа висока точност на резимеата и анализата на сентиментот, а значително ја подобри исплатливоста по обработена задача.

Компанијата ги тестира моделите и со јазични и регионални варијации, вклучувајќи разговори во кои се менуваат јазици или се комбинира англиски со локални изрази — вообичаена појава на пазарите што ги опслужува. GPT‑5.6 Terra го надмина Gemini 2.5 Flash со точност до 97% на често користените регионални јазици, што го прави GPT‑5.6 посоодветен за агентите што ги опслужуваат клиентите на Ringg.

Моделите што ќе ги поминат тестовите надвор од продукциска средина прво се воведуваат за мал дел од реалниот сообраќај, пред да се прошири нивната употреба. Во продукциска средина, насочувачот на Ringg ја следи латентноста и состојбата на крајните точки по региони и го пренасочува сообраќајот кога некоја крајна точка ќе стане недостапна или ќе го надмине прагот на латентност. Специјализирани јазли, предупредувања и воведувања со контрола на верзии помагаат да се изолираат проблемите и да се ограничи нивното влијание.

Овој пристап му помага на Ringg и да ја подобри исплатливоста по обработена задача. Пренесувањето одредени задачи во реално време од GPT‑4.1 на GPT‑5.6 Luna ги намали трошоците за моделите за околу 90%.

Кај клиентите на Ringg, неговите агенти решаваат до 65% од рутинските кориснички прашања без никакво вклучување на вработен.

Policybazaar, една од најголемите онлајн платформи за осигурување во Индија, користи Ringg за воспоставување контакт по над 57.000 кориснички барања, а 67% од повиците се обработуваат без човечка интервенција. Просечното време за одговор на Policybazaar се намали од 8–12 минути на помалку од 60 секунди, што е подобрување од околу 88%.

На глобалната здравствена платформа Practo, агентите на Ringg им помагаат на корисниците да закажуваат прегледи и да ги завршуваат барањата за услуги. По воведувањето, Practo постигна стапка на решавање при првиот повик од 85% и време за одговор под три секунди. Оперативните трошоци се намалија за 70% во споредба со претходниот работен тек што го водеа вработени, а Ringg сега закажува над 1.000 термини дневно.

Онлајн инвестициската платформа Groww користи Ringg за да реши 72% од дојдовните прашања за иницијални јавни понуди, фјучерси и опции целосно преку самопослужување, со просечно време на обработка од две минути.

Со можностите на OpenAI за користење компјутер, Ringg развива агенти за прелистувач за воведување корисници на платформи, постапки „Запознај го својот клиент“ (KYC), решавање ИТ-проблеми, дежурна поддршка при инциденти и обработка на барања за надомест на штета.

Компанијата развива и контекстуален слој што може да ги зачува информациите меѓу различни канали и интеракции. Корисникот би можел да започне барање преку гласовен разговор, да продолжи на WhatsApp и да заврши во прелистувач, без секојпат да ги повторува истите детали.

За Ringg, следната генерација на работење со корисници ќе се мери според остварените деловни резултати и степенот на автоматизација, а не според бројот на повици или вработени.