Ringg AI 智能代理運用 OpenAI 解決多達 65% 的客戶來電
Ringg 運用 GPT‑5.6，為語音、聊天、WhatsApp 及網頁渠道提供多語言智能代理，成本較 GPT‑4.1 低 90%。
逾 700 萬
每月處理的接通電話
65%
智能代理解決多達 65% 的請求
90%
特定工作負載的成本較 GPT-4.1 低
4.8
平均客戶滿意度（CSAT）
當來電量上升，客戶服務營運通常要增聘人手來擴充規模，但這會增加每次互動的成本和複雜程度。語音及聊天智能代理平台 Ringg（在新視窗中開啟） 在與印度大型消費企業合作期間，親身見證了這個問題。
這些公司不但難以應付更多來電，其客戶服務人員還要應對零散且依賴人手操作的系統，協助客戶完成購買保險、預約服務等各種任務。
這段經歷促使 Ringg 建立以 GPT‑5.6 等高效率模型為核心的企業智能代理平台，涵蓋語音、聊天、WhatsApp 及網頁渠道。將合適的實時工作負載由 GPT‑4.1 遷移至 GPT‑5.6 後，模型成本降低約 90%，同時維持所需的質素及延遲水平。
「模型質素只是其中一環。我們還需要低延遲、可靠的工具使用、出色的指令遵循能力，以及適合大規模運作的成本效益。OpenAI 為我們提供了所需的平衡。」
Ringg 的智能代理現時每月處理超過 700 萬通接通的電話，而其客戶的客戶滿意度（CSAT）平均分為 4.8。
智能代理要完成客戶請求，可能需要查核保單、擷取帳戶記錄、安排預約、更新 CRM，或將完整的相關情境連同對話轉交專員。
在實時互動中，Ringg 使用 GPT‑5.6 Luna 及其他模型解讀客戶請求、選擇工具，並引導客戶完成多步驟工作流程。Ringg 的協調層可在 CRM、支援工單平台、付款系統、排程工具及內部 API 執行操作，並在有需要時附上對話摘要，將個案轉交真人處理。
Ringg 的知識系統結合結構化篩選與語意擷取，涵蓋數據集、PDF、CSV 及商業文件，協助智能代理運用相關企業資訊回答問題。
Ringg 亦可將工作分配給專門負責資格評估、支援、驗證、排程及轉呈處理的子智能代理。平台協調這些步驟，同時在語音、聊天、WhatsApp 及網頁渠道上，與客戶保持連貫一致的對話。
Ringg 從對話質素、延遲、指令遵循、工具調用、多語言表現、可靠性及成本等方面比較 OpenAI 與其他方案後，發現 OpenAI 為正式環境的工作負載提供了最出色的整體平衡。
GPT‑5.6 及其他 OpenAI 模型在遵循複雜指令、執行工具調用、維持對話情境，以及於企業規模下可靠運作方面，表現亦更為穩定。
Ringg 會按任務需要，將工作交由特定 OpenAI 模型處理。GPT‑4.1 處理大部分實時語音及聊天流量。GPT‑5.6 Luna 仍在正式環境的技術堆疊中，並會在其效能、延遲或性價比更適合某項請求時使用。GPT‑5.6 Terra 負責通話後分析，包括摘要及情緒分類。GPT‑5.6 Sol 則支援評估、提示詞改進，以及由模型擔任評審的工作流程。
當客戶在語音通話中說話或傳送聊天訊息時，Ringg 的協調系統會將這些輸入與智能代理的指令、對話記錄、客戶特定數據、相關知識庫情境及可用工具結合。Ringg 的路由層隨後會選擇合適的模型及配置。模型輸出會經協調系統處理，再透過客戶選擇的渠道傳送。
對於較長的互動，當情境接近約 80,000 個權杖時，系統會建立結構化摘要。這樣既可保留重要資訊，讓對話繼續進行，也毋須反覆傳送完整記錄。
Ringg 在正式部署前，會使用過往對話及模擬客戶流程測試模型。其評估平台利用這些結果找出弱點並建議改進提示詞，為智能代理及配置建立持續改進的循環。
其中一項評估針對 Ringg 的通話後分析工作流程。公司將 GPT‑5.6 Terra 與 Gemini 2.5 Flash 等其他方案比較，結果 Terra 表現最佳。Ringg 將摘要及情緒分類工作遷移至 GPT‑5.6 Terra。Terra 在摘要及情緒分析方面維持高準確度，同時大幅改善單位經濟效益。
公司亦針對語言及地區差異測試模型，包括在不同語言之間切換，或將英語與當地語言詞句混合使用的對話；這些都是其服務市場的常見情況。GPT‑5.6 Terra 的表現優於 Gemini 2.5 Flash，在常用地區語言上的準確度高達 97%，因此 GPT‑5.6 更適合服務 Ringg 客戶的智能代理。
通過離線測試的模型會先引入小部分正式環境流量，然後才逐步擴大推出。在正式環境中，Ringg 的路由器會監察不同地區的延遲及端點運作狀況，並在端點無法使用或延遲超出臨界值時轉移流量。專用節點、警示及版本化部署有助隔離問題並限制其影響。
這種方式亦有助 Ringg 改善單位經濟效益。將部分實時工作負載由 GPT‑4.1 遷移至 GPT‑5.6 Luna 後，模型成本降低約 90%。
「我們在模型遷移方面需要支援時，OpenAI 的回應一直非常迅速。專屬 Slack 支援及與核心工程團隊直接聯繫的渠道，讓我們能減少工程方面的不確定性，加快行動及推出產品，並拓展智能代理的能力。」
Ringg 的智能代理可為客戶解決多達 65% 的日常查詢，全程毋須真人客服人員參與。
印度其中一個最大的網上保險平台 Policybazaar 使用 Ringg 接通逾 57,000 項客戶請求，當中 67% 的通話毋須人手介入。Policybazaar 的平均回應時間由 8 至 12 分鐘降至不足 60 秒，改善約 88%。
在全球醫療健康平台 Practo，Ringg 的智能代理協助客戶預約醫療服務及完成服務請求。部署後，Practo 的首次來電解決率達 85%，回應時間則縮短至三秒以下。與之前由人手主導的工作流程相比，營運成本下降 70%，而 Ringg 現時每日完成超過 1,000 項預約。
網上投資平台 Groww 使用 Ringg，以完全自助方式解決 72% 與首次公開招股、期貨及期權有關的查詢，平均處理時間為兩分鐘。
Ringg 正運用 OpenAI 的電腦操作功能，開發用於平台啟用、認識你的客戶（KYC）流程、IT 疑難排解、候命事故支援及索償處理的瀏覽器智能代理。
公司亦正開發情境層，以便在不同渠道及互動之間保留資訊。客戶可透過語音提出請求，在 WhatsApp 上繼續處理，再於瀏覽器完成，而毋須每次重複相同資料。
「OpenAI 的電腦操作功能加快了我們的瀏覽器智能代理發展路線。這些功能讓我們能結合用戶螢幕上的情況與對話情境，讓智能代理可即時引導用戶完成複雜的工作流程。」
對 Ringg 而言，下一代客戶營運的衡量標準將是已完成的業務成果及自動化深度，而非來電量或人手數目。
