AI agenti Ringg s OpenAI vybavia až 65 % hovorov
S GPT‑5.6 Ringg prevádzkuje viacjazyčných agentov pre hlasové hovory, čet, WhatsApp a web s nákladmi o 90 % nižšími než pri GPT‑4.1.

7 mil.+
Spojené hovory vybavené mesačne
65 %
Až 65 % požiadaviek vyriešených agentmi
90 %
Nižšie náklady oproti GPT-4.1 pri vybraných úlohách
4,8
Priemerné skóre CSAT u zákazníkov
Keď rastie počet hovorov, zákaznícke služby zvyčajne rozširujú kapacity prijímaním ďalších ľudí. To však zvyšuje náklady aj zložitosť každej interakcie. Platforma hlasových a četových agentov Ringg(otvorí sa v novom okne) sa s týmto problémom stretla priamo pri spolupráci s veľkými firmami obsluhujúcimi spotrebiteľov v Indii.
Tieto spoločnosti mali nielen problém zvládať rastúci počet hovorov. Ich pracovníci zákazníckych služieb zároveň zápasili s neprepojenými systémami vyžadujúcimi manuálnu prácu, aby zákazníkom pomohli vybaviť všetko od uzatvorenia poistenia až po rezerváciu termínu.
Táto skúsenosť viedla Ringg k vytvoreniu podnikovej platformy agentov, ktorej základom sú vysoko efektívne modely ako GPT‑5.6 a ktorá pokrýva hlasové hovory, čet, WhatsApp aj web. Prechod z GPT‑4.1 na GPT‑5.6 pri vhodných úlohách spracúvaných v reálnom čase znížil náklady na modely približne o 90 % pri zachovaní požadovanej kvality a latencie.
„Kvalita modelu je len časťou úspechu. Potrebujeme aj nízku latenciu, spoľahlivé používanie nástrojov, dôsledné dodržiavanie pokynov a náklady, ktoré sa oplatia aj pri prevádzke vo veľkom rozsahu. OpenAI nám poskytla vyváženú kombináciu, ktorú sme potrebovali.“
Agenti Ringg dnes mesačne vybavia viac ako 7 miliónov spojených hovorov a zákazníci platformy dosahujú priemerné skóre spokojnosti zákazníkov (CSAT) 4,8.

Aby agenti vybavili požiadavku zákazníka, niekedy musia skontrolovať poistnú zmluvu, vyhľadať záznam o účte, dohodnúť termín, aktualizovať CRM alebo odovzdať konverzáciu špecialistovi so zachovaním všetkého relevantného kontextu.
Pri interakciách v reálnom čase Ringg používa GPT‑5.6 Luna a ďalšie modely na interpretáciu požiadaviek zákazníkov, výber nástrojov a sprevádzanie zákazníkov viackrokovými pracovnými postupmi. Orchestračná vrstva Ringg vykonáva akcie v systémoch CRM, platformách na správu požiadaviek, platobných systémoch, plánovacích nástrojoch a interných API. V prípade potreby odovzdá prípad človeku spolu so súhrnom konverzácie.
Znalostný systém Ringg spája štruktúrované filtrovanie so sémantickým vyhľadávaním v dátových súboroch, súboroch PDF a CSV aj firemných dokumentoch. Agentom tak pomáha odpovedať na otázky na základe relevantných firemných informácií.
Ringg dokáže tiež rozdeliť prácu medzi špecializovaných podagentov na posúdenie vhodnosti, podporu, overovanie, plánovanie a eskaláciu. Platforma tieto kroky koordinuje a zároveň zachováva súvislú konverzáciu so zákazníkom naprieč hlasovými hovormi, četom, WhatsAppom a webom.
Ringg porovnal OpenAI s alternatívami z hľadiska kvality konverzácie, latencie, dodržiavania pokynov, volania nástrojov, výkonu vo viacerých jazykoch, spoľahlivosti a nákladov. Zistil, že OpenAI ponúka najvyváženejšiu kombináciu týchto vlastností pre produkčné úlohy.
GPT‑5.6 a ďalšie modely OpenAI tiež podávali konzistentnejšie výsledky pri dodržiavaní zložitých pokynov, volaní nástrojov a zachovávaní kontextu konverzácie a spoľahlivejšie fungovali v podnikovom meradle.
Ringg smeruje prácu na konkrétny model OpenAI podľa potrieb danej úlohy. GPT‑4.1 spracúva väčšinu hlasovej a četovej komunikácie v reálnom čase. GPT‑5.6 Luna zostáva súčasťou produkčného prostredia a používa sa vtedy, keď požiadavke lepšie vyhovuje jeho výkon, latencia alebo pomer ceny a výkonu. GPT‑5.6 Terra zabezpečuje analýzu po hovore vrátane súhrnov a klasifikácie sentimentu. GPT‑5.6 Sol zas podporuje vyhodnocovanie, zlepšovanie príkazov a pracovné postupy, v ktorých model pôsobí ako hodnotiteľ.

Keď zákazník prehovorí počas hovoru alebo odošle správu v čete, orchestračný systém Ringg spojí tento vstup s pokynmi agenta, históriou konverzácie, údajmi o zákazníkovi, relevantným kontextom zo znalostnej bázy a dostupnými nástrojmi. Smerovacia vrstva Ringg potom vyberie vhodný model a konfiguráciu. Výstup modelu prejde cez orchestračný systém a doručí sa kanálom, ktorý si zákazník zvolil.
Pri dlhších interakciách systém vytvorí štruktúrovaný súhrn, keď sa kontext priblíži k hranici približne 80 000 tokenov. Konverzácia tak môže pokračovať so zachovaním dôležitých informácií bez opakovaného odosielania celej histórie.
Pred nasadením do produkcie Ringg testuje modely na minulých konverzáciách a simulovaných zákazníckych postupoch. Jeho hodnotiaca platforma na základe týchto výsledkov odhaľuje slabé miesta a odporúča úpravy príkazov, čím vytvára cyklus neustáleho zlepšovania agentov a ich konfigurácií.
Jedno z hodnotení sa týkalo pracovného postupu Ringg pri analýze po hovore. Spoločnosť porovnala GPT‑5.6 Terra s alternatívami ako Gemini 2.5 Flash a Terra dosiahol najlepšie výsledky. Ringg presunul tvorbu súhrnov a klasifikáciu sentimentu na GPT‑5.6 Terra. Terra zachoval vysokú presnosť súhrnov a analýzy sentimentu a zároveň výrazne znížil jednotkové náklady.
Spoločnosť testuje modely aj na rôznych jazykových a regionálnych variantoch vrátane konverzácií, v ktorých sa striedajú jazyky alebo sa angličtina kombinuje s frázami v miestnom jazyku. Na trhoch, kde pôsobí, je to bežné. GPT‑5.6 Terra prekonal Gemini 2.5 Flash s presnosťou až 97 % v bežných regionálnych jazykoch, vďaka čomu je GPT‑5.6 vhodnejšou voľbou pre agentov obsluhujúcich zákazníkov Ringg.
Modely, ktoré uspejú v testoch mimo produkcie, sa najprv nasadia na malú časť produkčnej prevádzky a až potom sa ich nasadenie rozšíri. V produkcii smerovací systém Ringg sleduje latenciu a stav koncových bodov v jednotlivých regiónoch. Keď sa koncový bod stane nedostupným alebo prekročí prah latencie, presmeruje prevádzku. Špecializované uzly, upozornenia a nasadzovanie s verziovaním pomáhajú izolovať problémy a obmedzovať ich dosah.
Tento prístup pomáha Ringg aj znižovať jednotkové náklady. Prechod z GPT‑4.1 na GPT‑5.6 Luna pri vybraných úlohách spracúvaných v reálnom čase znížil náklady na modely približne o 90 %.
„Keď sme potrebovali podporu pri prechode medzi modelmi, OpenAI vždy reagovala veľmi pohotovo. Vyhradená podpora cez Slack a prístup k hlavnému vývojovému tímu nám pomáhajú rýchlo napredovať s menšou technickou neistotou, rýchlejšie nasadzovať novinky a rozširovať možnosti našich agentov.“
Agenti Ringg vyriešia pre klientov platformy až 65 % bežných zákazníckych požiadaviek bez akéhokoľvek zapojenia ľudského pracovníka.
Policybazaar, jedna z najväčších online poisťovacích platforiem v Indii, používa Ringg na spojenie so zákazníkmi pri viac ako 57 000 požiadavkách. Až 67 % hovorov sa vybaví bez ľudského zásahu. Priemerný čas odozvy v Policybazaar klesol z 8–12 minút na menej ako 60 sekúnd, čo predstavuje zlepšenie približne o 88 %.
V globálnej zdravotníckej platforme Practo agenti Ringg pomáhajú zákazníkom rezervovať si termíny zdravotnej starostlivosti a vybavovať požiadavky na služby. Po nasadení dosiahlo Practo 85 % mieru vyriešenia pri prvom hovore a časy odozvy kratšie ako tri sekundy. Prevádzkové náklady klesli o 70 % oproti predchádzajúcemu postupu zabezpečovanému ľuďmi a Ringg dnes dokončí viac ako 1 000 rezervácií termínov denne.
Online investičná platforma Groww využíva Ringg na vyriešenie 72 % prichádzajúcich otázok o IPO, futures a opciách výhradne samoobslužne, s priemerným časom vybavenia dve minúty.
Ringg využíva možnosti ovládania počítača od OpenAI na vývoj agentov pre prehliadače, ktorí pomôžu so začiatkami používania platformy, procesmi overovania totožnosti zákazníka (KYC), riešením problémov s IT, pohotovostnou podporou pri incidentoch a vybavovaním poistných udalostí.
Spoločnosť vyvíja aj kontextovú vrstvu, ktorá dokáže uchovávať informácie naprieč kanálmi a interakciami. Zákazník môže začať vybavovať požiadavku hlasovým hovorom, pokračovať cez WhatsApp a dokončiť ju v prehliadači bez toho, aby musel zakaždým opakovať tie isté údaje.
„Možnosti ovládania počítača od OpenAI urýchlili náš vývoj agentov pre prehliadače. Umožňujú nám prepájať dianie na obrazovke používateľa s kontextom konverzácie, takže agenti môžu ľudí v reálnom čase sprevádzať zložitými pracovnými postupmi.“
Podľa Ringg sa nová generácia zákazníckych služieb bude hodnotiť podľa dosiahnutých obchodných výsledkov a miery automatizácie, nie podľa počtu hovorov či zamestnancov.


