OpenAI ဖြင့် Retell ၏ လစဉ်ခေါ်ဆိုမှု သန်း 100

Retell AI⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) သည် ဖောက်သည်ဆက်သွယ်ရေးစင်တာ လုပ်ငန်းများအတွက် အသံ AI ပလက်ဖောင်းတစ်ခုဖြစ်သည်။ မေးခွန်းများဖြေကြားခြင်း၊ လုပ်ဆောင်ချက်များ ဆောင်ရွက်ပေးခြင်းနှင့် လိုအပ်လျှင် ဖုန်းခေါ်သူကို လူဝန်ထမ်းနှင့် ချိတ်ဆက်ပေးခြင်းတို့ ပြုလုပ်နိုင်သော အေးဂျင့်များကို လုပ်ငန်းများက တည်ဆောက်နိုင်ရန် ကူညီပေးသည်။ ၎င်း၏ပလက်ဖောင်းသည် ယခုအခါ လုပ်ငန်းပေါင်း 4,000 ကျော်ကို ဝန်ဆောင်မှုပေးလျက်ရှိပြီး လစဉ်ခေါ်ဆိုမှုပမာဏမှာ 2026 အစောပိုင်းတွင် သန်း 30 ရှိရာမှ စက်တင်ဘာလတွင် သန်း 100 ကျော်အထိ တိုးလာခဲ့သည်။

ရှုပ်ထွေးသော လုပ်ငန်းစဉ်များရှိသည့် လုပ်ငန်းကြီးများကို ပိုမိုဝန်ဆောင်မှုပေးလာသည်နှင့်အမျှ Retell သည် ခေါ်ဆိုမှုအရည်အသွေးနှင့် ယုံကြည်စိတ်ချရမှု မြင့်မားနေစေရန် OpenAI မော်ဒယ်များကို အသုံးပြုသည်။ လက်ရှိတွင် Retell ပေါ်ရှိ ခေါ်ဆိုမှုများ၏ 80% အတွက် OpenAI မော်ဒယ်များက တုံ့ပြန်ချက်များ ထုတ်ပေးနေပြီး ဖောက်သည်များက ကိစ္စရပ်များ ဖြေရှင်းပေးနိုင်သည့်နှုန်း 80% ကျော် ရရှိနေကြသည်။ Retell သည် OpenAI မော်ဒယ်များတွင် တိုကင်ပေါင်း 1 ထရီလီယံကျော် အသုံးပြုပြီးဖြစ်ရာ ယင်းက မည်မျှကျယ်ပြန့်စွာ အသုံးချနေကြောင်း ဖော်ပြနေသည်။

Retell ၏ အင်ဂျင်နီယာများသည် မရင်းနှီးသောကုဒ်ကို လေ့လာခြင်းမှ လုပ်ဆောင်ချက်များ တည်ဆောက်ခြင်းနှင့် အမှားရှာပြင်ခြင်းအထိ ဆော့ဖ်ဝဲဖန်တီးမှုတစ်လျှောက် Codex ကို အသုံးပြုပြီး အသုံးပြုသူဘက်မှ မြင်ရသည့် မျက်နှာပြင်များကို စမ်းသပ်ရန် GPT‑6 Astra ကို အသုံးပြုသည်။

လုပ်ငန်းသုံး အသံအေးဂျင့်များသည် စကားဝိုင်းအကြောင်းအရာ ပြောင်းလဲသွားသည့်တိုင် ကုမ္ပဏီမူဝါဒများကို လိုက်နာပြီး မိမိတို့အား တာဝန်ပေးထားသည့် အခန်းကဏ္ဍအတွင်းသာ လုပ်ဆောင်ရန် လိုအပ်သည်။ Retell သည် လက်တွေ့အသုံးပြုမှု အခြေအနေများမှ ရယူထားသော အပြန်အလှန် အဆင့်ဆင့်ပြောဆိုရသည့် ခက်ခဲသောစကားဝိုင်းများဖြင့် မော်ဒယ် ဒါဇင်ပေါင်းများစွာကို နှိုင်းယှဉ်ရန် vCX စံနှိုင်းစမ်းသပ်မှုကို တည်ဆောက်ခဲ့သည်။

၎င်းသည် မော်ဒယ်များက ညွှန်ကြားချက်များကို မည်မျှကောင်းစွာ လိုက်နာနိုင်သလဲ၊ ပေးထားသည့် အချက်အလက်များအပေါ်သာ အခြေခံသလား၊ သင့်လျော်သည့် ကိရိယာများကို ခေါ်သုံးသလား၊ သဘာဝကျသော စကားပြောဟန်ကို သုံးသလားဆိုသည်တို့ကို စမ်းသပ်သည်။ Retell ၏ 2026 ခုနှစ် အောက်တိုဘာ 13 ရက် စံနှိုင်းစမ်းသပ်မှုတွင် GPT‑6 Astra သည် ညွှန်ကြားချက်လိုက်နာမှု၌ 89.7% ဖြင့် ပထမနေရာ ရရှိခဲ့သည်။

Retell သည် GPT‑6 Astra မော်ဒယ် မိတ်မဆက်မီ ပြုလုပ်ခဲ့သော အကဲဖြတ်မှုများကိုလည်း မျှဝေခဲ့သည်။ ထိုရလဒ်များအရ ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော လုပ်ဆောင်ချက်ကို ဖွင့်ထားသည့်အခါ GPT‑5.5 သည် မမှန်သည့်အချက်အလက်များ လုပ်ကြံမဖော်ပြသည့်နှုန်း (88.0%) နှင့် ကိရိယာခေါ်သုံးမှု မှန်ကန်သည့်နှုန်း (88.3%) နှစ်မျိုးလုံးတွင် မော်ဒယ်များအကြား အမြင့်ဆုံးရရှိခဲ့ပြီး Gemini‑3.1‑Pro နှင့် Claude‑4.6 တို့ထက် သာလွန်ခဲ့သည်။ ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော လုပ်ဆောင်ချက်ကို ပိတ်ထားသည့်အခါတွင်လည်း မမှန်သည့်အချက်အလက်များ လုပ်ကြံမဖော်ပြသည့်နှုန်း၌ ထိပ်ဆုံးမှ ဦးဆောင်ခဲ့သည်။

OpenAI မော်ဒယ်များကို ရွေးချယ်သော ဖောက်သည်အသစ်များသည် ထိုမော်ဒယ်များကိုပင် ဆက်လက်အသုံးပြုကြကြောင်း Retell က ပြောသည်။ ဖောက်သည်များသည် Realtime API မှတစ်ဆင့် OpenAI Realtime မော်ဒယ်များကိုလည်း အသုံးပြုနိုင်ပြီး အသံထုတ်ပေးသည့်စနစ်အဖြစ် OpenAI ၏ စာသားမှစကားသံ ပြောင်းပေးသည့်နည်းပညာကိုလည်း အသုံးပြုနိုင်သည်။ Retell သည် OpenAI မော်ဒယ်အသစ်များကို စတင်မိတ်ဆက်သည့်နေ့မှာပင် အသုံးပြုခွင့်ပေးပြီး မော်ဒယ်များ ပိုမိုကောင်းမွန်လာသည်နှင့်အမျှ ၎င်း၏ စံနှိုင်းစမ်းသပ်မှုကို ပြန်လည်လုပ်ဆောင်သည်။

ဖောက်သည်ဆက်သွယ်ရေးစင်တာအဖွဲ့များသည် မိမိတို့၏ အေးဂျင့်များအတွက် လုပ်ငန်းနောက်ခံအချက်အလက်၊ ရည်မှန်းချက်နှင့် စည်းမျဉ်းများကို သတ်မှတ်ရန် Retell ကို အသုံးပြုကြသည်။ ဆော့ဖ်ဝဲရေးသားသူများကလည်း လုပ်ငန်းစဉ်များနှင့် စနစ်ချိတ်ဆက်မှုများကို ထပ်မံပြင်ဆင်သတ်မှတ်နိုင်သည်။

ခေါ်ဆိုနေစဉ် Retell ၏ အကဲဖြတ်စမ်းသပ်မှု စနစ်သည် အသံမော်ဒယ်များကို လည်ပတ်စေပြီး စကားဝိုင်းကို ခြေရာခံကာ အေးဂျင့်က မည်သည့်အချိန်တွင် ပြောဆိုမည်၊ နားထောင်မည်၊ ကြားဖြတ်ပြောဆိုမှုများကို တုံ့ပြန်မည်ဆိုသည်ကို စီမံပေးသည်။ GPT‑6.1 Sol၊ GPT‑6 Astra နှင့် GPT‑5.5 အပါအဝင် OpenAI မော်ဒယ်များသည် ဖောက်သည်၏ ညွှန်ကြားချက်များနှင့် စကားဝိုင်းနောက်ခံအချက်အလက်ကို အသုံးပြု၍ တုံ့ပြန်ချက်များ ထုတ်ပေးပြီး ကိရိယာခေါ်သုံးရန် တောင်းဆိုသည်။ Retell သည် ဖောက်သည်၏ စနစ်များနှင့် ချိတ်ဆက်ထားမှုမှတစ်ဆင့် ထိုကိရိယာခေါ်သုံးမှုများကို ဆောင်ရွက်ပေးပြီး ရလဒ်များကို ဖောက်သည်မှတ်တမ်းတွင် ပြန်လည်ရေးသွင်းပေးနိုင်သည်။

လူကိုယ်တိုင် ဆုံးဖြတ်ပေးရန် လိုအပ်သည့်အခါ အသံအေးဂျင့်က ဝန်ထမ်းကို နောက်ခံအကြောင်းအရာ အကျဉ်းချုပ်ပြောပြပြီး ထပ်ဆင့်မေးခွန်းများကို ဖြေကြားပေးကာ ဝန်ထမ်းအသင့်ဖြစ်ကြောင်း အတည်ပြုပြီးမှ ဖောက်သည်နှင့် ချိတ်ဆက်ပေးသည်။ ခေါ်ဆိုမှုပြီးနောက် Retell သည် GPT‑5.6 Terra ကို အသုံးပြု၍ စကားဝိုင်းစာသားမှတ်တမ်းကို ခွဲခြမ်းစိတ်ဖြာကာ ရလဒ်များနှင့် အခြားဒေတာများကို ထုတ်ယူသည်။

ဤနည်းလမ်းဖြင့် ဖောက်သည်ကိစ္စများ ဖြေရှင်းပေးနိုင်သည့်နှုန်း 80% ကျော် ရရှိကြောင်း Retell က ဖော်ပြသည်။ အီလက်ထရွန်နစ်ကုမ္ပဏီ Anker တွင် အေးဂျင့်များသည် အမေရိကန်နှင့် ယူကေရှိ ပထမအဆင့် အရောင်းအပြီးဝန်ဆောင်မှုများကို ကိုင်တွယ်ပေးသည်။ ယင်းတို့တွင် မှာယူမှုအခြေအနေ စစ်ဆေးခြင်း၊ အာမခံစစ်ဆေးခြင်းနှင့် ပြဿနာရှာဖွေဖြေရှင်းခြင်းတို့ ပါဝင်သည်။ Anker က ကိစ္စရပ်များ ဖြေရှင်းပေးနိုင်သည့်နှုန်း 80.4% နှင့် အခြားသူများကို ညွှန်းဆိုလိုသည့်အတိုင်းအတာဖြစ်သော Net Promoter Score (NPS) 63 ရရှိကြောင်း ဖော်ပြခဲ့သည်။ အေးဂျင့်များ၏ လေသံ၊ ပြောဆိုသည့်အရှိန်နှင့် နွေးထွေးမှုတို့သည် လူဝန်ထမ်းတစ်ဦးထံမှ မျှော်လင့်ထားသည့် စံနှုန်းကို မီကြောင်းလည်း ၎င်း၏အဖွဲ့က ပြောကြားခဲ့သည်။

Pine Park Health တွင် Retell အေးဂျင့်များသည် ချိန်းဆိုမှုများကို သတိပေးခြင်း၊ ကြိုတင်ဆက်သွယ်၍ ရက်ချိန်းစီစဉ်ပေးခြင်းတို့ကို ကိုင်တွယ်ပြီး ရလဒ်များကို လူနာများ၏ ဆေးမှတ်တမ်းများတွင် ရေးသွင်းပေးသည်။ အဖွဲ့သည် အချိန်ပြည့်ဝန်ထမ်း 2.1 ဦး၏ လုပ်အားနှင့် ညီမျှသော ဆေးဘက်အကူဝန်ထမ်းများ၏ အချိန်ကို ချွေတာနိုင်ခဲ့ပြီး ထိုအချိန်ကို လူနာစောင့်ရှောက်ရေးတွင် ပြန်လည်အသုံးပြုခဲ့သည်။ ၎င်း၏ ရက်ချိန်းစီစဉ်ပေးသည့် အေးဂျင့်သည် လူနာနှင့် ဆက်သွယ်ရရှိသည့်အခါ ရက်ချိန်းယူဖြစ်သည့်နှုန်း 55.7% ရရှိခဲ့သည်။

Retell ပလက်ဖောင်း၏ နေ့ခင်းပိုင်း အသုံးပြုမှုပမာဏသည် ညဘက် အနည်းဆုံးပမာဏထက် အဆ 50 ကျော်အထိ ရောက်ရှိနိုင်သည်။ အသုံးပြုမှုအများဆုံးအချိန်တွင်ပင် ခေါ်ဆိုမှုများကို မြန်ဆန်စွာ တုံ့ပြန်နိုင်ရန် Retell သည် OpenAI နှင့်အတူ သီးသန့်ဆာဗာများကို အသုံးပြုပြီး ၎င်း၏ဖောက်သည်များအကြား မျှဝေပေးထားသည်။ Retell ၏ 2026 ခုနှစ် အောက်တိုဘာ 13 ရက် စံနှိုင်းစမ်းသပ်မှုတွင် ပထမဝါကျကို တုံ့ပြန်ရန် ကြာချိန်၏ အလယ်တန်ဖိုးသည် GPT‑6 Astra နှင့် GPT‑6 Sol တို့တွင် 883 မီလီစက္ကန့်စီ ရှိခဲ့ပြီး GPT‑5.6 Luna က 497 မီလီစက္ကန့်ဖြင့် ထိပ်ဆုံး၌ ရပ်တည်ခဲ့သည်။

OpenAI ၏ ဒေသအလိုက် API ချိတ်ဆက်မှတ်များကြောင့် ဆော့ဖ်ဝဲရေးသားသူများသည် ဒေတာစီးဆင်းမှုကို သတ်မှတ်ထားသော ပထဝီဒေသများသို့ လမ်းကြောင်းညွှန်ပို့နိုင်သည်။ ယင်းက Retell အတွက် ကွန်ရက်မှတစ်ဆင့် ဒေတာပို့ဆောင်ချိန် လျှော့ချရန်နှင့် ကျန်းမာရေးစောင့်ရှောက်မှု၊ ငွေကြေးဝန်ဆောင်မှုကဲ့သို့ လုပ်ငန်းများရှိ ဖောက်သည်များ၏ ဒေတာ သိမ်းဆည်းပြီး စီမံဆောင်ရွက်သည့်နေရာ ဆိုင်ရာ လိုအပ်ချက်များကို ဖြည့်ဆည်းရန် အထောက်အကူပြုသည်။

Retell သည် ဝန်ဆောင်မှု၏ အလွှာတိုင်းတွင် အစားထိုးအသုံးပြုနိုင်သော အရန်စနစ်များကိုလည်း ထည့်သွင်းထားသည်။ ဝန်ဆောင်မှုတစ်ခု ချို့ယွင်းသည့်အခါ ခေါ်ဆိုမှုများ ဆက်လက်လုပ်ဆောင်နိုင်ရန် ၎င်းသည် ကိုယ်ပိုင်တယ်လီဖုန်းစနစ်အစုကို လည်ပတ်ထားပြီး အစားထိုးတာဝန်ယူရန် ဒုတိယစနစ်အစုကို အသင့်ထားရှိသည်။ အသံနှင့် မော်ဒယ်ဝန်ဆောင်မှုများအတွက် အရန်စနစ်များလည်း ထားရှိသည်။

Retell ၏ လုပ်ငန်းကြီးဖောက်သည်များ တိုးပွားလာသဖြင့် စိတ်ကြိုက်လုပ်ငန်းစဉ်များနှင့် စနစ်ချိတ်ဆက်မှုများအတွက် တောင်းဆိုမှု ပိုများလာရာ ၎င်း၏ အင်ဂျင်နီယာများသည် ကုဒ်အစုအဝေး၏ မရင်းနှီးသော အစိတ်အပိုင်းများတွင် မကြာခဏ အလုပ်လုပ်ရသည်။ ကုဒ်မရေးမီ ၎င်းတို့က လိုအပ်ချက်ကို အကြမ်းဖျင်းဖော်ပြပြီး Codex ထံ ပေးသည်။ Codex သည် ကုဒ်ကို ခြုံငုံလေ့လာပြီး တကယ့်ဒေတာနှင့် တိုက်ဆိုင်စစ်ဆေးကာ မည်သည်တို့ ပြောင်းလဲရန် လိုအပ်ကြောင်း ရှင်းပြသည်။ အင်ဂျင်နီယာတစ်ဦးက Codex သည် ထိုသို့လေ့လာခြင်းကို မိမိထက် ပိုကောင်းပြီး များစွာပိုမြန်စွာ လုပ်ဆောင်နိုင်ခဲ့ကြောင်း ပြောသည်။

အကောင်အထည်ဖော်နေစဉ် Codex သည် မိမိတို့ မစဉ်းစားမိခဲ့သော အသေးစိတ်အချက်များကို မကြာခဏ သတိပြုမိကြောင်း အင်ဂျင်နီယာများက ပြောသည်။ အမှားရှာပြင်ရာတွင် Codex သည် ဖြစ်ပျက်နေသည့်အရာကို စုံစမ်းရန် စနစ်လုပ်ဆောင်မှုမှတ်တမ်းများနှင့် ဒေတာဘေ့စ်မှတ်တမ်းများကို ကုဒ်နှင့် တိုက်ဆိုင်စစ်ဆေးသည်။ Retell ၏ အင်ဂျင်နီယာများသည် OpenAI မော်ဒယ်များကို အခြေခံ၍ တည်ဆောက်နေသော ဖောက်သည်များနှင့် ပူးပေါင်းလုပ်ဆောင်ရာတွင်လည်း Codex ကို အသုံးပြုသည်။ ဥပမာ၊ ဖောက်သည်၏ အပလီကေးရှင်းထဲတွင် မော်ဒယ်က မည်သို့တုံ့ပြန်ရမည်ကို လမ်းညွှန်ပေးသည့် ညွှန်ကြားချက်များ ရေးသားခြင်းကဲ့သို့ အလုပ်များကို ပိုမြန်ဆန်စေသည်။

၎င်း၏ ဝက်ဘ်မျက်နှာပြင် ပြောင်းလဲမှုများကို စမ်းသပ်ရန် Retell သည် GPT‑6 Astra ၏ ကွန်ပျူတာအသုံးပြုနိုင်စွမ်းကို အားထားသည်။ အင်ဂျင်နီယာတစ်ဦးက အသုံးပြုသူမျက်နှာပြင်ပိုင်းအတွက် pull request တင်သည့်အခါ GPT‑6 Astra သည် မျက်နှာပြင်ကို ဖွင့်ပြီး နေရာအနှံ့ နှိပ်ကြည့်ကာ လုပ်ဆောင်မှုအဆင့်ဆင့်ကို စမ်းသပ်သည်။ ချို့ယွင်းမှုဖြစ်နိုင်သည့် နည်းလမ်းများကိုပါ စမ်းကြည့်ပြီး တွေ့ရှိသော ပြဿနာများကို အစီရင်ခံသည်။ ယခင်မော်ဒယ်များသည် ဤအလုပ်ကို ယုံကြည်စိတ်ချရစွာ မလုပ်ဆောင်နိုင်ခဲ့ကြောင်း Retell က ပြောသည်။

Retell သည် ဝန်ထမ်းများ ဆက်လက်ခန့်ထားနေသော်လည်း အင်ဂျင်နီယာအဖွဲ့ကို လုပ်ငန်းတိုးတက်မှုနှုန်းနှင့်အမျှ တိုးချဲ့ရန် မလိုအပ်ခဲ့ပါ။ လက်ရှိဝင်ငွေနှုန်းအရ ဝန်ထမ်းတစ်ဦးလျှင် ခန့်မှန်းနှစ်စဉ်ဝင်ငွေ ဒေါ်လာ 1.6 သန်း ရှိကြောင်း Retell က ဖော်ပြသည်။

လုပ်ငန်းတိုင်းသည် မိမိတို့၏ ဖောက်သည်များကို မည်သို့ဝန်ဆောင်မှုပေးလိုကြောင်း သိကြသည်။ Retell ၏ ရည်မှန်းချက်မှာ ထိုအလုပ်နှင့် အနီးစပ်ဆုံးသူများက ၎င်းတို့၏ ကျွမ်းကျင်မှုကို တိုက်ရိုက်အသုံးချနိုင်စေရန် ဖြစ်သည်။ ထို့အတွက် အဆင့်မြင့်အသံ AI နှင့် မိမိတို့၏ အေးဂျင့်များကို ကိုယ်တိုင်တည်ဆောက်၊ စမ်းသပ်၊ မြှင့်တင်နိုင်သည့် ပလက်ဖောင်းတစ်ခုကို ပံ့ပိုးပေးထားသည်။ ရှေ့ဆက်၍ Retell သည် အရည်အသွေးအာမခံမှုနှင့် အခြေအနေတုပစမ်းသပ်မှုများကို တိုးချဲ့ရန်၊ ဘာသာစကား ပိုမိုပံ့ပိုးရန်နှင့် အသိပညာအခြေခံဒေတာမှ အလိုအလျောက်သင်ယူနိုင်စွမ်းကို ဖန်တီးရန် စီစဉ်ထားသည်။

OpenAI မော်ဒယ်များ ဆက်လက်တိုးတက်လာသည်နှင့်အမျှ မိမိတို့ဖောက်သည်များက ဖုန်းခေါ်သူ သန်းပေါင်းများစွာကို မိမိတို့သတ်မှတ်သည့်ပုံစံအတိုင်း ကမ္ဘာ့အဆင့်မီ ဝန်ဆောင်မှုပေးနိုင်မည်ဟု Retell က မျှော်လင့်ထားသည်။

“ကုမ္ပဏီတစ်ခုရဲ့ ဖောက်သည်တွေအကြောင်းကို အဲဒီကုမ္ပဏီကိုယ်တိုင်ထက် ဘယ်သူမှ ပိုမသိပါဘူး။ အဲဒီကျွမ်းကျင်မှုကို အခြေခံပြီး လုပ်ဆောင်နိုင်ဖို့နဲ့ AI အေးဂျင့်တွေကို တိုက်ရိုက်မြှင့်တင်နိုင်ဖို့ ကျွန်တော်တို့က သူတို့ကို လုပ်ပိုင်စွမ်းပေးထားပါတယ်။ ရည်မှန်းချက်ကတော့ အရာအားလုံးကို ကိုယ်တိုင်တာဝန်ယူ စီမံလည်ပတ်နိုင်တဲ့၊ ကုမ္ပဏီအတွင်းမှာပဲ တာဝန်ချထားတဲ့ ကိုယ်ပိုင်အင်ဂျင်နီယာအဖွဲ့တစ်ဖွဲ့ကို သူတို့ တည်ဆောက်နိုင်ဖို့ပါ” ဟု Bing က ပြောသည်။