A Ringg hang‑ és chatügynök-platformja OpenAI modelleket — köztük GPT‑5.6‑ot — használ többnyelvű ügynökök meghajtására voice, chat, WhatsApp és web csatornákon. A vállalat szerint bizonyos valós idejű munkaterhelések átmigrálása GPT‑4.1‑ről GPT‑5.6‑ra hozzávetőlegesen 90%-kal csökkentette a modellköltségeket, miközben megőrizte a szükséges minőséget és válaszidőt.
Miért építették ezt a rendszert?
Nagy indiai fogyasztóvállalatokkal dolgozva a Ringg azt tapasztalta, hogy a beérkező hívások számának növekedése általában több ember felvételét igényli, ami növeli az egy interakcióra jutó költséget és bonyolultságot. Emellett az ügyfélszolgálati munkatársak gyakran töredezett, manuális rendszerekben dolgoztak, ami megnehezítette a feladatok — például biztosítás vásárlása vagy időpontfoglalás — lebonyolítását.
A tapasztalatok alapján a Ringg egy vállalati ügynökplatformot épített, amely hatékony modelleket és egy orkestrációs réteget használ a CRM‑ek, jegykezelő rendszerek, fizetési rendszerek, időpontfoglaló eszközök és belső API‑k végrehajtására. A rendszer képes emberi beavatkozás esetén kontextussal kiegészített összefoglalót adni.
Működés és technikai részletek
- A Ringg valós idejű interakciókhoz GPT‑5.6 Luna és más modelleket használ az ügyfélkérések értelmezésére, a megfelelő eszközök kiválasztására és a többlépéses munkafolyamatok vezénylésére. GPT‑4.1 kezeli a legtöbb valós idejű hang‑ és chatforgalmat, míg GPT‑5.6 Luna akkor kerül be, ha teljesítménye, késleltetése vagy ár‑teljesítmény mutatója jobban megfelel egy kérésnek.
- Post‑call elemzésekre GPT‑5.6 Terra‑t alkalmaznak, például összegzésekre és sentiment‑osztályozásra. GPT‑5.6 Sol pedig értékelési, prompt‑fejlesztési és „model‑mint‑bíró” munkafolyamatokat támogat.
- A Ringg tudásrendszere strukturált szűrést és szemantikus lekérést kombinál adatkészletekben, PDF‑ekben, CSV‑kben és üzleti dokumentumokban, hogy releváns vállalati információk alapján válaszoljon.
- A platform képes a feladatokat specializált alügynökök között megosztani (pl. kvalifikáció, támogatás, ellenőrzés, ütemezés, eskaláció), miközben a beszélgetés konzisztens marad a különböző csatornákon.
- Hosszabb interakcióknál a rendszer körülbelül 80 000 token megközelítésekor strukturált összefoglalót készít, hogy a fontos információk megmaradjanak anélkül, hogy újra és újra elküldenék a teljes történetet.
Ellenőrzés, tesztelés és megbízhatóság
Ringg történelmi beszélgetéseket és szimulált ügyfélfolyamatokat használ a modellek tesztelésére a produkciós bevezetés előtt. Az értékelési platform feltárja a gyengeségeket és javaslatokat tesz a promptok javítására, létrehozva egy folyamatos fejlesztési kört. A tesztelés kiterjed nyelvi és regionális variációkra, beleértve a nyelvek közötti váltást és az angol és helyi nyelvi kifejezések keveredését.
Egy konkrét értékelésben GPT‑5.6 Terra jobb eredményt ért el a poszt‑hívás elemzésnél alternatívákkal, például Gemini 2.5 Flash‑szel szemben; emiatt a Ringg áthelyezte az összegzéseket és sentiment‑osztályozást Terrára. A Terra a Ringg szerint magas pontosságot tartott fenn az összegzések és a sentiment‑elemzés terén, miközben jelentősen javította az egység‑gazdaságosságot.
A produkciós bevezetés előtt a jól teljesítő modelleket kis forgalmi hányaddal próbálják ki; a router figyeli a késleltetést és az endpointok állapotát régiók szerint, és forgalmat irányít át, ha egy endpoint elérhetetlenné válik vagy meghalad egy késleltetési küszöböt. Verziózott telepítések, specializált node‑ok és riasztások segítenek a problémák izolálásában.
Eredmények és ügyfélpéldák
- A Ringg ügynökök havonta több mint 7 millió kapcsolt hívást kezelnek, és a Ringg ügyfeleinek átlagos CSAT pontszáma 4,8.
- A platform az ügyfélkérésekig terjedően akár 65%-ot is elérhet önkiszolgálással, emberi beavatkozás nélkül.
Konkrét ügyfélpéldák:
- Policybazaar: több mint 57 000 ügyfélkérést kötnek össze a Ringg‑gel; a vállalat szerint a hívások 67%-át emberi beavatkozás nélkül kezelik. A válaszidő átlagosan 8–12 percről 60 másodperc alá csökkent (~88% javulás).
- Practo: a Ringg ügynökei segítik az egészségügyi időpontfoglalásokat és szolgáltatásigényeket; bevezetés után 85%‑os első hívásra történő megoldási arányt értek el, válaszidők három másodperc alatt, és az üzemeltetési költségek 70%-kal csökkentek a korábbi humán folyamathoz képest. Ma a Ringg naponta több mint 1 000 időpontfoglalást teljesít Practo számára.
- Groww: az IPO‑khoz, határidős és opciós kérdésekhez kapcsolódó bejövő lekérdezések 72%-át oldják meg önkiszolgálóan, átlagosan két perc kezelési idővel.
Fejlesztési irányok és jövőkép
A Ringg OpenAI böngésző‑ügynököket fejleszt platformbevezetésre, KYC‑folyamatokra, IT‑hibaelhárításra, ügyeleti incidens‑támogatásra és kárigény‑feldolgozásra. Emellett dolgoznak egy olyan kontextusrétegen, amely megőrzi az információt a csatornák és interakciók között: például a beszélgetés elkezdődhet hangon, folytatódhat WhatsApp‑on és befejeződhet a böngészőben anélkül, hogy az ügyfélnek ismételnie kellene az adatokat.
A Ringg szerint a következő generációs ügyfélműveleteket nem a hívásszám vagy a létszám fogja mérni, hanem a teljesített üzleti kimenetek és az automatizálás mélysége.
