Ringg AI 智慧體運用 OpenAI 解決高達 65% 的客服來電

來電量增加時，客服營運通常會增聘人力來擴充規模，卻也因此提高每次互動的成本與複雜度。語音與聊天智慧體平台 Ringg⁠(在新視窗中開啟) 在與印度大型消費企業合作時，親眼見證了這項難題。

這些公司不僅難以接聽更多來電，客服人員還得應付零散且仰賴手動操作的系統，協助客戶完成從購買保險到預約等各種任務。

這段經驗促使 Ringg 打造以 GPT‑5.6 等高效率模型為核心的企業級智慧體平台，涵蓋語音、聊天、WhatsApp 和網頁。將適合的即時工作負載從 GPT‑4.1 遷移至 GPT‑5.6 後，在維持所需品質與延遲表現的同時，模型成本降低約 90%。

Ringg 的智慧體目前每月處理超過 700 萬通接通來電，其客戶的平均顧客滿意度（CSAT）達 4.8 分。

智慧體若要完成客戶請求，可能需要查核保單、擷取帳戶紀錄、安排預約、更新 CRM，或在保留相關脈絡的情況下將對話轉交專員。

在即時互動中，Ringg 使用 GPT‑5.6 Luna 和其他模型來解讀客戶請求、選擇工具，並引導客戶完成多步驟工作流程。Ringg 的協調層會跨 CRM、工單平台、付款系統、排程工具和內部 API 執行操作，必要時附上對話摘要，將案件轉交真人處理。

Ringg 的知識系統結合結構化篩選與語意擷取，涵蓋資料集、PDF、CSV 和商業文件，協助智慧體利用相關企業資訊回答問題。

Ringg 也能將工作分配給專責資格審查、支援、驗證、排程和升級處理的子智慧體。平台會協調這些步驟，同時在語音、聊天、WhatsApp 和網頁等管道中，與客戶維持連貫一致的對話。

Ringg 從對話品質、延遲、指令遵循、工具呼叫、多語言表現、可靠性及成本等面向評估 OpenAI 與其他方案後，發現 OpenAI 最能兼顧正式環境工作負載的各項需求。

GPT‑5.6 和其他 OpenAI 模型在遵循複雜指令、執行工具呼叫、維持對話脈絡，以及支援企業規模的可靠運作方面，也有更穩定的表現。

Ringg 會依據任務需求，將工作交由特定的 OpenAI 模型處理。GPT‑4.1 負責處理大部分的即時語音與聊天流量。GPT‑5.6 Luna 仍保留在正式環境技術堆疊中，當其效能、延遲或性價比更符合請求需求時便會採用。GPT‑5.6 Terra 負責通話後分析，包括摘要和情緒分類。GPT‑5.6 Sol 則支援評估、提示詞改進，以及以模型擔任評審的工作流程。

客戶在語音通話中說話或傳送聊天訊息時，Ringg 的協調系統會將該輸入與智慧體指令、對話紀錄、客戶專屬資料、相關知識庫脈絡及可用工具結合。接著，Ringg 的路由層會選擇合適的模型與設定。模型輸出會經由協調系統處理，再透過客戶選擇的管道傳送。

進行較長的互動時，系統會在脈絡接近約 80,000 個 token 時建立結構化摘要。如此一來，不必反覆傳送完整紀錄，也能保留重要資訊並繼續對話。

Ringg 會先使用歷史對話和模擬客戶流程測試模型，再部署至正式環境。其評估平台會利用這些結果找出弱點並提出提示詞改進建議，讓智慧體及其設定形成持續改善的循環。

其中一項評估聚焦於 Ringg 的通話後分析工作流程。該公司以 GPT‑5.6 Terra 與 Gemini 2.5 Flash 等替代方案進行測試，結果由 Terra 勝出。Ringg 將摘要和情緒分類工作移至 GPT‑5.6 Terra。Terra 在摘要和情緒分析方面維持高準確率，同時大幅改善單位經濟效益。

該公司也針對不同語言和地區變化測試模型，包括在多種語言間切換，或混用英文與當地語言詞句的對話；這些行為在其服務的市場中十分常見。GPT‑5.6 Terra 的表現優於 Gemini 2.5 Flash，在常見地區語言上的準確率高達 97%，因此 GPT‑5.6 更適合用於服務 Ringg 客戶的智慧體。

通過離線測試的模型會先導入一小部分正式環境流量，之後才逐步擴大部署。在正式環境中，Ringg 的路由器會監控各地區的延遲與端點健康狀態，並在端點無法使用或超過延遲門檻時轉移流量。專用節點、警示和版本化部署有助於隔離問題，並限制其影響範圍。

這種做法也有助於 Ringg 改善單位經濟效益。將部分即時工作負載從 GPT‑4.1 遷移至 GPT‑5.6 Luna 後，模型成本降低約 90%。

Ringg 的智慧體能為客戶解決高達 65% 的例行諮詢，全程不需真人客服介入。

印度最大的線上保險平台之一 Policybazaar 使用 Ringg 串接超過 57,000 項客戶請求，其中 67% 的來電不需真人介入即可處理。Policybazaar 的平均回應時間從 8 至 12 分鐘縮短至 60 秒內，改善幅度約為 88%。

在全球醫療保健平台 Practo，Ringg 的智慧體協助客戶預約醫療服務並完成服務請求。部署後，Practo 的首次來電解決率達 85%，回應時間則不到三秒。相較於先前由真人主導的工作流程，營運成本降低了 70%；Ringg 目前每天完成超過 1,000 筆預約。

線上投資平台 Groww 使用 Ringg，以全自助方式解決 72% 與 IPO、期貨和選擇權相關的傳入查詢，平均處理時間為兩分鐘。

Ringg 運用 OpenAI 的電腦操作能力，開發用於平台新手引導、客戶身分驗證（KYC）流程、IT 疑難排解、待命事件支援和理賠處理的瀏覽器智慧體。

該公司也正開發能跨管道及互動保留資訊的脈絡層。客戶可以先透過語音提出請求，接著在 WhatsApp 上繼續，最後於瀏覽器中完成，不必每次都重複相同資訊。

對 Ringg 而言，下一代客服營運的衡量標準將是業務成果的完成度和自動化深度，而非來電量或人力規模。