Ringg ஏஜென்ட்கள் 65% அழைப்புகளை OpenAI மூலம் தீர்க்கின்றன

அழைப்புகளின் எண்ணிக்கை அதிகரிக்கும்போது, வாடிக்கையாளர் சேவைச் செயல்பாடுகள் பொதுவாகக் கூடுதல் பணியாளர்களைச் சேர்த்து விரிவுபடுத்தப்படுகின்றன. ஆனால் இது ஒவ்வொரு தொடர்பின் செலவையும் சிக்கலையும் அதிகரிக்கிறது. குரல் மற்றும் அரட்டை ஏஜென்ட் தளமான Ringg⁠(புதிய சாளரத்தில் திறக்கும்), இந்தியாவின் பெரிய நுகர்வோர் நிறுவனங்களுடன் பணியாற்றியபோது இந்தச் சிக்கலை நேரடியாகக் கண்டது.

இந்த நிறுவனங்கள் அதிக அழைப்புகளுக்குப் பதிலளிக்கத் திணறியதோடு, காப்பீடு வாங்குவது முதல் சந்திப்பு நேரத்தை முன்பதிவு செய்வது வரையிலான பணிகளை வாடிக்கையாளர்கள் முடிக்க உதவும்போது, சிதறிக் கிடந்த கைமுறை அமைப்புகளையும் அவற்றின் வாடிக்கையாளர் சேவை ஏஜென்ட்கள் சமாளிக்க வேண்டியிருந்தது.

இந்த அனுபவம், GPT‑5.6 போன்ற அதிக செயல்திறன் கொண்ட மாடல்களை மையமாகக் கொண்டு, குரல், அரட்டை, WhatsApp மற்றும் இணையத்தை உள்ளடக்கிய நிறுவன ஏஜென்ட் தளத்தை உருவாக்க Ringg-ஐத் தூண்டியது. பொருத்தமான நிகழ்நேரப் பணிச்சுமைகளை GPT‑4.1‑இலிருந்து GPT‑5.6‑க்கு மாற்றியதால், தேவையான தரமும் மறுமொழி வேகமும் கிடைத்ததுடன் மாடல் செலவுகள் சுமார் 90% குறைந்தன.

Ringg-இன் ஏஜென்ட்கள் இப்போது ஒவ்வொரு மாதமும் 70 லட்சத்துக்கும் அதிகமான இணைக்கப்பட்ட அழைப்புகளைக் கையாளுகின்றன; அதன் வாடிக்கையாளர்களின் சராசரி வாடிக்கையாளர் திருப்தி மதிப்பெண் 4.8 ஆக உள்ளது.

வாடிக்கையாளர் கோரிக்கையை நிறைவேற்ற, ஏஜென்ட்கள் காப்பீட்டுத் திட்டத்தைச் சரிபார்க்கவோ, கணக்குப் பதிவைப் பெறவோ, சந்திப்பு நேரத்தைத் திட்டமிடவோ, CRM-ஐப் புதுப்பிக்கவோ அல்லது தொடர்புடைய சூழல் தகவல் மாறாமல் உரையாடலை நிபுணரிடம் மாற்றவோ வேண்டியிருக்கலாம்.

நிகழ்நேரத் தொடர்புகளில் வாடிக்கையாளர் கோரிக்கைகளைப் புரிந்துகொள்ளவும், கருவிகளைத் தேர்ந்தெடுக்கவும், பல படிநிலைப் பணிப்பாய்வுகளில் வாடிக்கையாளர்களுக்கு வழிகாட்டவும் GPT‑5.6 Luna மற்றும் பிற மாடல்களை Ringg பயன்படுத்துகிறது. Ringg-இன் ஒருங்கிணைப்பு அடுக்கு, CRM-கள், ஆதரவுச் சீட்டு தளங்கள், கட்டண அமைப்புகள், திட்டமிடல் கருவிகள் மற்றும் உள் API-களில் செயல்களை நிறைவேற்றுகிறது. தேவைப்படும்போது உரையாடல் சுருக்கத்துடன் வழக்குகளை மனிதப் பணியாளரிடம் அனுப்புகிறது.

Ringg-இன் அறிவு அமைப்பு, தரவுத்தொகுப்புகள், PDF-கள், CSV-கள் மற்றும் வணிக ஆவணங்களில் கட்டமைக்கப்பட்ட வடிகட்டலைப் பொருள்சார் தகவல் மீட்டெடுப்புடன் இணைக்கிறது. இதனால் தொடர்புடைய நிறுவனத் தகவலைப் பயன்படுத்தி ஏஜென்ட்கள் கேள்விகளுக்குப் பதிலளிக்க முடிகிறது.

தகுதிப்படுத்தல், ஆதரவு, சரிபார்ப்பு, திட்டமிடல் மற்றும் மேல்நிலைக்கு அனுப்புதல் ஆகியவற்றுக்கான சிறப்புத் துணை ஏஜென்ட்களிடையே பணியை Ringg பிரிக்கவும் முடியும். குரல், அரட்டை, WhatsApp மற்றும் இணையம் முழுவதும் வாடிக்கையாளருடனான உரையாடலைச் சீராகப் பேணியவாறு, அந்தப் படிநிலைகளைத் தளம் ஒருங்கிணைக்கிறது.

உரையாடல் தரம், மறுமொழி வேகம், வழிமுறைகளைப் பின்பற்றுதல், கருவிகளை அழைத்தல், பன்மொழிச் செயல்திறன், நம்பகத்தன்மை மற்றும் செலவு ஆகியவற்றில் OpenAI-யையும் மாற்றுத் தீர்வுகளையும் மதிப்பிட்ட பிறகு, நடைமுறைப் பணிச்சுமைகளுக்கு OpenAI சிறந்த ஒட்டுமொத்த சமநிலையை வழங்குவதாக Ringg கண்டறிந்தது.

சிக்கலான வழிமுறைகளைப் பின்பற்றுதல், கருவி அழைப்புகளைச் செயல்படுத்துதல், உரையாடல் சூழலைப் பேணுதல் மற்றும் நிறுவன அளவில் நம்பகமாக இயங்குதல் ஆகியவற்றிலும் GPT‑5.6 மற்றும் பிற OpenAI மாடல்கள் அதிகச் சீரான செயல்திறனை வழங்கின.

பணியின் தேவைகளுக்கு ஏற்ப, குறிப்பிட்ட OpenAI மாடலுக்கு Ringg பணியை அனுப்புகிறது. பெரும்பாலான நிகழ்நேரக் குரல் மற்றும் அரட்டைப் போக்குவரத்தை GPT‑4.1 கையாளுகிறது. GPT‑5.6 Luna தொடர்ந்து நடைமுறைப் பயன்பாட்டு அமைப்பில் உள்ளது; அதன் செயல்திறன், மறுமொழி வேகம் அல்லது விலை-செயல்திறன் விகிதம் ஒரு கோரிக்கைக்கு மிகவும் பொருத்தமாக இருக்கும்போது அது பயன்படுத்தப்படுகிறது. சுருக்கங்கள் மற்றும் உணர்வுநிலை வகைப்பாடு உள்ளிட்ட அழைப்புக்குப் பிந்தைய பகுப்பாய்வை GPT‑5.6 Terra கையாளுகிறது. மேலும் GPT‑5.6 Sol, மதிப்பீடு, ப்ராம்ப்ட் மேம்பாடு மற்றும் மாடலை நடுவராகப் பயன்படுத்தும் பணிப்பாய்வுகளை ஆதரிக்கிறது.

வாடிக்கையாளர் குரல் அழைப்பில் பேசும்போதோ அரட்டைச் செய்தி அனுப்பும்போதோ, அந்த உள்ளீட்டை ஏஜென்ட்டின் வழிமுறைகள், உரையாடல் வரலாறு, வாடிக்கையாளருக்குரிய தரவு, தொடர்புடைய அறிவுத் தளச் சூழல் மற்றும் கிடைக்கும் கருவிகளுடன் Ringg-இன் ஒருங்கிணைப்பு அமைப்பு இணைக்கிறது. பின்னர் Ringg-இன் வழிப்படுத்தல் அடுக்கு பொருத்தமான மாடலையும் உள்ளமைவையும் தேர்ந்தெடுக்கிறது. மாடலின் வெளியீடு ஒருங்கிணைப்பு அமைப்பின் வழியாக அனுப்பப்பட்டு, வாடிக்கையாளர் தேர்ந்தெடுத்த தொடர்பு வழியில் வழங்கப்படுகிறது.

நீண்ட தொடர்புகளில், சூழல் அளவு சுமார் 80,000 சொற்கூறுகளை நெருங்கும்போது அமைப்பு ஒரு கட்டமைக்கப்பட்ட சுருக்கத்தை உருவாக்குகிறது. இதனால் முழு வரலாற்றையும் மீண்டும் மீண்டும் அனுப்பாமல், முக்கியத் தகவல்கள் பாதுகாக்கப்பட்ட நிலையில் உரையாடலைத் தொடர முடியும்.

நடைமுறைப் பயன்பாட்டில் அறிமுகப்படுத்துவதற்கு முன், முந்தைய உரையாடல்கள் மற்றும் உருவகப்படுத்தப்பட்ட வாடிக்கையாளர் செயல்முறைகளைப் பயன்படுத்தி Ringg மாடல்களைச் சோதிக்கிறது. அதன் மதிப்பீட்டுத் தளம் அந்த முடிவுகளைப் பயன்படுத்தி பலவீனங்களைக் கண்டறிந்து, ப்ராம்ப்ட் மேம்பாடுகளைப் பரிந்துரைக்கிறது. இதன் மூலம் ஏஜென்ட்களுக்கும் உள்ளமைவுகளுக்கும் தொடர்ச்சியான மேம்பாட்டுச் சுழற்சி உருவாகிறது.

ஒரு மதிப்பீடு Ringg-இன் அழைப்புக்குப் பிந்தைய பகுப்பாய்வுப் பணிப்பாய்வைச் சார்ந்திருந்தது. Gemini 2.5 Flash போன்ற மாற்று மாடல்களுடன் GPT‑5.6 Terra-வை நிறுவனம் ஒப்பிட்டுச் சோதித்ததில், Terra முதலிடம் பெற்றது. சுருக்கங்களையும் உணர்வுநிலை வகைப்பாட்டையும் GPT‑5.6 Terra-வுக்கு Ringg மாற்றியது. சுருக்கங்களிலும் உணர்வுநிலைப் பகுப்பாய்விலும் அதிகத் துல்லியத்தை Terra தக்கவைத்ததுடன், ஒவ்வொரு பயன்பாட்டு அலகின் செலவு-பலனையும் கணிசமாக மேம்படுத்தியது.

நிறுவனம் சேவையளிக்கும் சந்தைகளில் பொதுவாகக் காணப்படும், உரையாடலின் இடையே மொழியை மாற்றுதல் அல்லது ஆங்கிலத்துடன் உள்ளூர் மொழிச் சொற்றொடர்களைக் கலத்தல் உள்ளிட்ட மொழி மற்றும் பிராந்திய வேறுபாடுகளிலும் மாடல்களைச் சோதிக்கிறது. பொதுவான பிராந்திய மொழிகளில் 97% வரை துல்லியத்துடன், GPT‑5.6 Terra, Gemini 2.5 Flash-ஐவிடச் சிறப்பாகச் செயல்பட்டது. இதனால் Ringg-இன் வாடிக்கையாளர்களுக்குச் சேவையளிக்கும் ஏஜென்ட்களுக்கு GPT‑5.6 மிகவும் பொருத்தமானதாக அமைந்தது.

இணைப்பில்லா சோதனையில் தேர்ச்சி பெறும் மாடல்கள், விரிவான அறிமுகத்திற்கு முன் நடைமுறைப் போக்குவரத்தின் ஒரு சிறு பகுதியில் பயன்படுத்தப்படுகின்றன. நடைமுறைப் பயன்பாட்டில், பிராந்தியங்கள் முழுவதும் மறுமொழி வேகத்தையும் எண்ட்பாயிண்ட் நிலையையும் Ringg-இன் வழிப்படுத்தி கண்காணிக்கிறது. எண்ட்பாயிண்ட் கிடைக்காமல் போகும்போதோ மறுமொழித் தாமத வரம்பைத் தாண்டும்போதோ போக்குவரத்தை வேறு வழிக்கு மாற்றுகிறது. சிறப்பு முனைகள், எச்சரிக்கைகள் மற்றும் பதிப்பிடப்பட்ட வெளியீடுகள் சிக்கல்களைத் தனிமைப்படுத்தி அவற்றின் தாக்கத்தைக் கட்டுப்படுத்த உதவுகின்றன.

இந்த அணுகுமுறை ஒவ்வொரு பயன்பாட்டு அலகின் செலவு-பலனை மேம்படுத்தவும் Ringg-க்கு உதவுகிறது. சில நிகழ்நேரப் பணிச்சுமைகளை GPT‑4.1‑இலிருந்து GPT‑5.6 Luna-வுக்கு மாற்றியதால் மாடல் செலவுகள் சுமார் 90% குறைந்தன.

Ringg-இன் வாடிக்கையாளர்களுக்காக, மனித ஏஜென்ட்டின் தலையீடு இல்லாமல் வழக்கமான வாடிக்கையாளர் விசாரணைகளில் 65% வரை அதன் ஏஜென்ட்கள் தீர்க்கின்றன.

இந்தியாவின் மிகப்பெரிய இணையக் காப்பீட்டுத் தளங்களில் ஒன்றான Policybazaar, 57,000-க்கும் மேற்பட்ட வாடிக்கையாளர் கோரிக்கைகளை இணைக்க Ringg-ஐப் பயன்படுத்துகிறது; 67% அழைப்புகள் மனிதத் தலையீடு இல்லாமல் கையாளப்படுகின்றன. Policybazaar-இன் சராசரி மறுமொழி நேரம் 8–12 நிமிடங்களிலிருந்து 60 வினாடிகளுக்கும் குறைவாகச் சரிந்தது; இது சுமார் 88% மேம்பாடு.

உலகளாவிய சுகாதாரத் தளமான Practo-வில், சுகாதாரச் சந்திப்பு நேரங்களை முன்பதிவு செய்யவும் சேவைக் கோரிக்கைகளை நிறைவேற்றவும் வாடிக்கையாளர்களுக்கு Ringg-இன் ஏஜென்ட்கள் உதவுகின்றன. அறிமுகத்திற்குப் பிறகு, முதல் அழைப்பிலேயே 85% கோரிக்கைகளுக்குத் தீர்வு மற்றும் மூன்று வினாடிகளுக்கும் குறைவான மறுமொழி நேரத்தை Practo எட்டியது. முன்பு மனிதர்களால் வழிநடத்தப்பட்ட பணிப்பாய்வுடன் ஒப்பிடும்போது இயக்கச் செலவுகள் 70% குறைந்தன; இப்போது Ringg ஒவ்வொரு நாளும் 1,000-க்கும் மேற்பட்ட சந்திப்பு முன்பதிவுகளை நிறைவேற்றுகிறது.

இணைய முதலீட்டுத் தளமான Groww, புதிய பங்கு வெளியீடுகள், எதிர்கால ஒப்பந்தங்கள் மற்றும் விருப்ப ஒப்பந்தங்கள் தொடர்பான உள்வரும் கேள்விகளில் 72%-க்கு முழுமையாகத் தானியங்குச் சேவை மூலம் தீர்வளிக்க Ringg-ஐப் பயன்படுத்துகிறது; சராசரி கையாளும் நேரம் இரண்டு நிமிடங்கள்.

OpenAI-யின் கணினிப் பயன்பாட்டுத் திறன்களைப் பயன்படுத்தி, தளத்தில் இணைத்தல், வாடிக்கையாளரை அறிதல் (KYC) செயல்முறைகள், தகவல் தொழில்நுட்பச் சிக்கல் தீர்வு, அழைப்புப் பணியிலுள்ள நிகழ்வு ஆதரவு மற்றும் இழப்பீட்டுக் கோரிக்கைச் செயலாக்கம் ஆகியவற்றுக்கான உலாவி ஏஜென்ட்களை Ringg உருவாக்கி வருகிறது.

தொடர்பு வழிகளுக்கும் உரையாடல்களுக்கும் இடையே தகவலைப் பாதுகாக்கக்கூடிய சூழல் அடுக்கையும் நிறுவனம் உருவாக்கி வருகிறது. வாடிக்கையாளர் குரல் வழியாக ஒரு கோரிக்கையைத் தொடங்கி, அதை WhatsApp-இல் தொடர்ந்து, ஒவ்வொரு முறையும் அதே விவரங்களை மீண்டும் கூறாமல் உலாவியில் முடிக்கலாம்.

Ringg-ஐப் பொறுத்தவரை, அடுத்த தலைமுறை வாடிக்கையாளர் செயல்பாடுகள் அழைப்புகளின் எண்ணிக்கை அல்லது பணியாளர் எண்ணிக்கையால் அல்லாமல், நிறைவேற்றப்பட்ட வணிக விளைவுகள் மற்றும் தானியக்கத்தின் ஆழத்தால் அளவிடப்படும்.