Агенти ШІ Ringg з OpenAI обробляють до 65% дзвінків

Коли кількість дзвінків зростає, служби підтримки зазвичай наймають більше людей, але це збільшує вартість і складність кожної взаємодії. Платформа голосових і чат-агентів Ringg⁠(відкривається у новому вікні) безпосередньо зіткнулася з цією проблемою, співпрацюючи з великими компаніями споживчого сектору в Індії.

Цим компаніям було складно не лише відповідати на дедалі більшу кількість дзвінків. Їхні фахівці служби підтримки також мусили працювати з розрізненими ручними системами, допомагаючи клієнтам виконувати різні завдання — від придбання страховки до запису на прийом.

Цей досвід спонукав Ringg створити корпоративну платформу агентів на основі високоефективних моделей, як-от GPT‑5.6, для голосового зв’язку, чату, WhatsApp і вебсайтів. Перенесення відповідних навантажень реального часу з GPT‑4.1 на GPT‑5.6 зменшило витрати на моделі приблизно на 90%, водночас забезпечивши необхідну якість і затримку.

Тепер агенти Ringg щомісяця обробляють понад 7 мільйонів успішно з’єднаних дзвінків, а середня оцінка задоволеності клієнтів (CSAT) у замовників компанії становить 4,8.

Щоб виконати звернення клієнта, агенту може знадобитися перевірити поліс, отримати запис облікового запису, призначити зустріч, оновити CRM або передати розмову спеціалісту, зберігши весь потрібний контекст.

Для взаємодії в реальному часі Ringg використовує GPT‑5.6 Luna та інші моделі, щоб тлумачити звернення клієнтів, вибирати інструменти й супроводжувати клієнтів у багатоетапних робочих процесах. Рівень оркестрації Ringg виконує дії в CRM, системах обробки заявок і платежів, інструментах планування та внутрішніх API. За потреби він передає справу людині разом зі стислим описом розмови.

Система знань Ringg поєднує структуровану фільтрацію із семантичним пошуком у наборах даних, PDF- і CSV-файлах та ділових документах, допомагаючи агентам відповідати на запитання на основі релевантної корпоративної інформації.

Ringg також може розподіляти роботу між спеціалізованими субагентами, що відповідають за кваліфікацію, підтримку, перевірку, планування та ескалацію. Платформа координує ці етапи, підтримуючи цілісну розмову з клієнтом у голосовому каналі, чаті, WhatsApp і на вебсайті.

Ringg порівняла OpenAI з альтернативами за якістю розмови, затримкою, дотриманням інструкцій, викликом інструментів, багатомовністю, надійністю та вартістю. За результатами оцінювання OpenAI забезпечила найкращий загальний баланс для виробничих навантажень.

GPT‑5.6 та інші моделі OpenAI також стабільніше виконували складні інструкції й виклики інструментів, зберігали контекст розмови та надійно працювали в корпоративному масштабі.

Ringg спрямовує роботу до конкретної моделі OpenAI відповідно до потреб завдання. GPT‑4.1 обробляє більшість голосового й чат-трафіку в реальному часі. GPT‑5.6 Luna залишається у виробничому стеку й використовується, коли її продуктивність, затримка або співвідношення ціни та якості краще відповідають зверненню. GPT‑5.6 Terra виконує аналіз після дзвінка, зокрема створює резюме та класифікує тональність. А GPT‑5.6 Sol підтримує оцінювання, удосконалення запитів і робочі процеси, у яких модель виступає суддею.

Коли клієнт говорить під час голосового дзвінка або надсилає повідомлення в чаті, система оркестрації Ringg поєднує ці вхідні дані з інструкціями агента, історією розмови, даними конкретного клієнта, релевантним контекстом бази знань і доступними інструментами. Після цього рівень маршрутизації Ringg вибирає відповідну модель і конфігурацію. Результат роботи моделі проходить через систему оркестрації та надходить до вибраного клієнтом каналу.

Під час триваліших взаємодій система створює структуроване резюме, коли обсяг контексту наближається приблизно до 80 000 токенів. Після цього розмову можна продовжити зі збереженням важливої інформації, не надсилаючи щоразу всю історію.

Перед розгортанням у виробничому середовищі Ringg тестує моделі на історичних розмовах і змодельованих сценаріях взаємодії з клієнтами. Платформа оцінювання використовує ці результати, щоб виявляти слабкі місця й рекомендувати вдосконалення запитів, створюючи цикл безперервного поліпшення агентів і конфігурацій.

Одне з оцінювань стосувалося робочого процесу аналізу після дзвінка в Ringg. Компанія порівняла GPT‑5.6 Terra з альтернативами, як-от Gemini 2.5 Flash, і Terra показала найкращий результат. Ringg перевела створення резюме та класифікацію тональності на GPT‑5.6 Terra. Terra зберегла високу точність резюме й аналізу тональності та водночас істотно покращила питомі економічні показники.

Компанія також тестує моделі з урахуванням мовних і регіональних особливостей, зокрема на розмовах із перемиканням між мовами або поєднанням англійської з фразами місцевими мовами — це типова поведінка на ринках, де працює Ringg. GPT‑5.6 Terra перевершила Gemini 2.5 Flash, досягнувши точності до 97% для поширених регіональних мов. Тож GPT‑5.6 краще підходить агентам, які обслуговують клієнтів Ringg.

Моделі, що проходять офлайн-тестування, спершу залучають до обробки невеликої частки виробничого трафіку, а вже потім масштабують їхнє використання. У виробничому середовищі маршрутизатор Ringg відстежує затримку та стан кінцевих точок у різних регіонах і перенаправляє трафік, якщо кінцева точка стає недоступною або перевищує поріг затримки. Спеціалізовані вузли, сповіщення та версійні розгортання допомагають ізолювати проблеми й обмежувати їхній вплив.

Такий підхід також допомагає Ringg покращувати питомі економічні показники. Перенесення окремих навантажень реального часу з GPT‑4.1 на GPT‑5.6 Luna зменшило витрати на моделі приблизно на 90%.

Агенти Ringg самостійно вирішують до 65% типових звернень клієнтів компаній-замовників, без участі людини-оператора.

Policybazaar, одна з найбільших в Індії онлайн-платформ страхування, використовує Ringg для опрацювання понад 57 000 звернень клієнтів, причому 67% дзвінків обробляються без участі людини. Середній час відповіді Policybazaar скоротився з 8–12 хвилин до менш ніж 60 секунд — приблизно на 88%.

У Practo, глобальній платформі охорони здоров’я, агенти Ringg допомагають клієнтам записуватися на медичні прийоми та оформлювати запити на послуги. Після впровадження Practo досягла показника вирішення питання з першого дзвінка на рівні 85%, а час відповіді скоротився до менш ніж трьох секунд. Операційні витрати знизилися на 70% порівняно з попереднім процесом, у якому основну роботу виконували люди, а Ringg тепер щодня оформлює понад 1 000 записів на прийом.

Онлайн-платформа для інвестицій Groww використовує Ringg, щоб у режимі самообслуговування повністю опрацьовувати 72% вхідних запитань про IPO, ф’ючерси й опціони. Середній час обробки становить дві хвилини.

Використовуючи можливості OpenAI з керування комп’ютером, Ringg розробляє браузерних агентів для адаптації користувачів на платформах, процедур «Знай свого клієнта» (KYC), усунення ІТ-несправностей, підтримки під час чергувань та опрацювання страхових вимог.

Компанія також розробляє контекстний рівень, здатний зберігати інформацію між різними каналами та взаємодіями. Клієнт може розпочати звернення голосом, продовжити його у WhatsApp і завершити в браузері, не повторюючи щоразу ті самі відомості.

На думку Ringg, наступне покоління обслуговування клієнтів оцінюватимуть за досягнутими бізнес-результатами й глибиною автоматизації, а не за кількістю дзвінків чи працівників.