ИИ-агенты Ringg с OpenAI решают до 65% обращений по телефону

Когда звонков становится больше, службы поддержки обычно нанимают новых сотрудников, но это делает каждое взаимодействие с клиентом дороже и сложнее. Платформа голосовых и чат-агентов Ringg⁠(открывается в новом окне) столкнулась с этой проблемой, работая с крупными компаниями потребительского сектора в Индии.

Этим компаниям было трудно не только отвечать на растущее число звонков: сотрудникам поддержки приходилось работать в разрозненных системах и вручную выполнять операции, помогая клиентам решать задачи — от покупки страховки до записи на прием.

Этот опыт подтолкнул Ringg к созданию корпоративной платформы агентов на базе высокоэффективных моделей, таких как GPT‑5.6, для голосовой связи, чата, WhatsApp и веба. Перенос подходящих задач реального времени с GPT‑4.1 на GPT‑5.6 снизил затраты на модели примерно на 90% при сохранении нужного качества и времени отклика.

Сейчас агенты Ringg обрабатывают более 7 миллионов состоявшихся звонков в месяц, а средний показатель удовлетворенности клиентов (CSAT) у компаний, использующих платформу, составляет 4,8.

Чтобы выполнить запрос клиента, агенту может потребоваться проверить полис, найти данные учетной записи, записать на прием, обновить CRM или передать разговор специалисту, сохранив важный контекст.

При общении в реальном времени Ringg использует GPT‑5.6 Luna и другие модели, чтобы понимать запросы клиентов, выбирать инструменты и помогать выполнять многоэтапные задачи. Уровень оркестрации Ringg выполняет действия в CRM, системах обработки заявок, платежных системах, инструментах планирования и внутренних API, а при необходимости передает обращение человеку вместе с кратким содержанием разговора.

Система знаний Ringg сочетает структурированную фильтрацию с семантическим поиском по наборам данных, PDF, CSV и деловым документам, помогая агентам отвечать на вопросы на основе релевантной корпоративной информации.

Ringg также может распределять работу между специализированными субагентами для квалификации клиентов, поддержки, проверки данных, записи на прием и передачи обращений специалистам. Платформа координирует эти этапы, сохраняя связность диалога с клиентом при общении по голосовой связи, в чате, WhatsApp и вебе.

Ringg сравнила OpenAI с альтернативами по качеству диалога, времени отклика, следованию инструкциям, вызову инструментов, работе с разными языками, надежности и стоимости. Лучший баланс этих характеристик для реальных задач обеспечила OpenAI.

GPT‑5.6 и другие модели OpenAI также стабильнее следовали сложным инструкциям, вызывали инструменты, сохраняли контекст разговора и надежнее работали в масштабах крупных компаний.

Ringg направляет задачи конкретной модели OpenAI в зависимости от требований. GPT‑4.1 обрабатывает большую часть голосового и чат-трафика в реальном времени. GPT‑5.6 Luna остается в рабочем стеке и используется, когда ее возможности, время отклика или соотношение цены и качества лучше подходят для запроса. GPT‑5.6 Terra анализирует завершенные звонки: составляет сводки и определяет эмоциональную окраску разговора. А GPT‑5.6 Sol помогает оценивать результаты, улучшать промпты и выполнять задачи, в которых модель выступает в роли судьи.

Когда клиент говорит по телефону или пишет в чат, система оркестрации Ringg объединяет его сообщение с инструкциями агента, историей разговора, данными клиента, релевантным контекстом из базы знаний и доступными инструментами. Затем уровень маршрутизации Ringg выбирает подходящую модель и конфигурацию. Ответ модели проходит через систему оркестрации и поступает клиенту по выбранному им каналу.

При длительном общении система создает структурированную сводку, когда объем контекста приближается к 80 000 токенов. Это позволяет продолжать разговор, сохраняя важные сведения и не отправляя каждый раз всю историю.

Перед внедрением Ringg тестирует модели на прошлых разговорах и смоделированных сценариях взаимодействия с клиентами. Платформа оценки использует результаты, чтобы выявлять слабые места и предлагать улучшения промптов. Так создается цикл непрерывного совершенствования агентов и их конфигураций.

Одна из проверок касалась анализа завершенных звонков. Компания сравнила GPT‑5.6 Terra с альтернативами, такими как Gemini 2.5 Flash, и Terra показала лучший результат. Ringg перевела составление сводок и определение эмоциональной окраски разговоров на GPT‑5.6 Terra. Terra сохранила высокую точность этих задач и при этом существенно улучшила юнит-экономику.

Компания также тестирует модели на разных языках и региональных вариантах речи, в том числе на разговорах с переключением языков или сочетанием английского с местными фразами — это обычная практика на рынках Ringg. GPT‑5.6 Terra превзошла Gemini 2.5 Flash, достигнув точности до 97% на распространенных региональных языках. Это делает GPT‑5.6 более подходящей для агентов, обслуживающих клиентов Ringg.

Моделям, прошедшим автономное тестирование, сначала направляют небольшую долю реального трафика, а затем расширяют их использование. В рабочей среде маршрутизатор Ringg отслеживает задержки и состояние конечных точек в разных регионах. Если конечная точка недоступна или задержка превышает порог, он перенаправляет трафик. Специализированные узлы, оповещения и развертывания с контролем версий помогают изолировать проблемы и ограничивать их последствия.

Этот подход также помогает Ringg улучшать юнит-экономику. Перенос отдельных задач реального времени с GPT‑4.1 на GPT‑5.6 Luna снизил затраты на модели примерно на 90%.

Агенты Ringg решают до 65% типовых обращений клиентов компаний-заказчиков без участия сотрудников.

Policybazaar, одна из крупнейших страховых онлайн-платформ Индии, использует Ringg для связи с клиентами по более чем 57 000 обращений. При этом 67% звонков обрабатываются без участия человека. Среднее время ответа Policybazaar сократилось с 8–12 минут до менее 60 секунд — примерно на 88%.

На международной медицинской платформе Practo агенты Ringg помогают клиентам записываться на прием и оформлять запросы на услуги. После внедрения Practo стала решать 85% обращений с первого звонка, а время ответа составило менее трех секунд. Операционные расходы снизились на 70% по сравнению с прежним процессом, которым занимались сотрудники. Сейчас Ringg оформляет более 1 000 записей на прием в день.

Инвестиционная онлайн-платформа Groww с помощью Ringg решает 72% входящих запросов по IPO, фьючерсам и опционам полностью в режиме самообслуживания. Среднее время обработки — две минуты.

Используя возможности OpenAI по управлению компьютером, Ringg разрабатывает браузерных агентов для освоения платформ, процедур «Знай своего клиента» (KYC), устранения ИТ-неполадок, поддержки дежурных при инцидентах и обработки страховых заявлений.

Компания также разрабатывает слой контекста, который позволит сохранять информацию между каналами и сеансами общения. Клиент сможет начать обращение по телефону, продолжить в WhatsApp и завершить в браузере, не повторяя каждый раз одни и те же сведения.

В Ringg считают, что обслуживание клиентов нового поколения будут оценивать по достигнутым бизнес-результатам и глубине автоматизации, а не по числу звонков или сотрудников.