Какво стана
Ringg, платформа за корпоративни агенти, внедри AI агенти, задвижвани от OpenAI модели, за да се справят с операциите за обслужване на клиенти за големи индийски бизнеси. Системата използва подход с множество модели, насочвайки задачи към GPT-4.1 за глас и чат в реално време, GPT-5.6 Luna за специфични нужди от производителност и GPT-5.6 Terra за анализ след повикване. Тази архитектура позволява на Ringg да разрешава до 65% от рутинните запитвания автономно, като конкретни клиенти като Policybazaar и Practo отчитат значителни подобрения в процентите на разрешаване и ефективността на разходите.
Ringg, платформа за гласови и чат агенти, внедри корпоративна агентска система, изградена върху моделите на OpenAI, за управление на обслужването на клиенти за големи потребителски бизнеси в Индия. Платформата се справя с високите разходи и сложността на мащабирането на обслужването на клиенти от хора, като използва AI за справяне с фрагментирани, ръчни задачи като закупуване на застраховки и резервации за срещи. Системата обхваща глас, чат, WhatsApp и уеб канали, като използва основна архитектура, която включва високоефективни модели като GPT-5.6.
Техническото внедряване включва усъвършенстван оркестрационен слой, който насочва работата към конкретни OpenAI модели въз основа на изискванията на задачата. GPT-4.1 обработва по-голямата част от гласовия и чат трафика в реално време, докато GPT-5.6 Luna се използва, когато неговата производителност, латентност или профил цена-производителност е по-подходящ за заявка. GPT-5.6 Terra е посветен на анализ след повикване, включително обобщения и класификация на настроенията, а GPT-5.6 Sol поддържа работни потоци за оценка и бързо подобрение. Този мултимоделен подход позволява на Ringg да оптимизира както разходите, така и качеството, като миграцията на определени натоварвания в реално време от GPT-4.1 към GPT-5.6 Luna намалява разходите за модел с приблизително 90%.
Агентите на Ringg са в състояние да изпълняват сложни, многоетапни работни потоци чрез интегриране с CRM, платформи за билети, платежни системи и вътрешни API. Системата използва база от знания, която съчетава структурирано филтриране със семантично извличане в различни формати на данни, за да осигури точни отговори. За по-дълги взаимодействия системата създава структурирани обобщения, когато контекстът наближи 80 000 токена, като запазва важна информация, без да изпраща многократно цялата история. Това позволява последователно управление на разговорите в различни канали и устройства.
Платформата е внедрена с няколко основни клиента, което води до значителни оперативни подобрения. Policybazaar, онлайн застрахователна платформа, използва Ringg за обработка на над 57 000 заявки на клиенти, като 67% от обажданията са разрешени без човешка намеса. Това внедряване намали средното време за реакция от 8-12 минути до под 60 секунди. Practo, платформа за здравеопазване, постигна 85% процент на разрешаване на първо обаждане и намали оперативните разходи със 70% в сравнение с предишния си работен процес, ръководен от хора. Groww, инвестиционна платформа, разрешава 72% от входящите запитвания, свързани с финансови продукти, изцяло чрез самообслужване.
Детайли за източника: openai.com ↗
Защо има значение
Това внедряване демонстрира практическо, широкомащабно приложение на AI агенти в обслужването на клиенти, преминавайки отвъд теоретичните възможности към измерими бизнес резултати. Чрез интегриране на множество OpenAI модели в унифициран оркестрационен слой, Ringg се справя с предизвикателствата на разходите и забавянето на взаимодействията с AI в реално време. Докладваното 90% намаление на разходите за модели за определени работни натоварвания и способността да се справят с многоезични, сложни работни процеси показват, че AI агентите се превръщат в жизнеспособна, рентабилна алтернатива на традиционните кол центрове с човешки персонал. Тази промяна има значителни последици за операциите на предприятието, което предполага, че дълбочината на автоматизация и завършените бизнес резултати се превръщат в нови показатели за успех в обслужването на клиенти.
Внедряването на AI агентите на Ringg представлява значителна стъпка в практическото приложение на AI в корпоративното обслужване на клиенти. Чрез постигане на висока разделителна способност без човешка намеса, платформата демонстрира, че AI може да се справи със сложни взаимодействия в реално време с ниво на надеждност и ефективност, което преди беше трудно за постигане. Това е особено забележимо предвид многоезичните и регионални вариации на пазарите, обслужвани от Ringg, където GPT-5.6 Terra постигна до 97% точност на общите регионални езици.
Икономическите последици от тази технология са значителни. Докладваното 90% намаление на разходите за модели за определени натоварвания, съчетано с 70% намаление на оперативните разходи за клиенти като Practo, предполага, че AI агентите могат да осигурят по-рентабилно решение от традиционните кол центрове с човешки персонал. Тази ефективност на разходите се движи от способността за автоматизиране на рутинни запитвания и използването на стратегия за маршрутизиране с множество модели, която оптимизира както производителността, така и цената.
Преминаването от измерване на успеха на обслужването на клиенти чрез обем на обажданията или брой служители към измерването му чрез завършени бизнес резултати и дълбочина на автоматизация бележи промяна в начина, по който предприятията подхождат към операциите с клиентите. Подходът на Ringg, който се фокусира върху разрешаването на клиентски заявки чрез комбинация от AI агенти и човешка ескалация, е в съответствие с тази нова парадигма. Тази промяна има потенциала да трансформира индустрията за обслужване на клиенти, като я направи по-ефективна, мащабируема и отзивчива към нуждите на клиентите.
Интерактивен механизъм: как всъщност работи
Разгледайте интерактивно основната технология зад тази разработка.
crm_get_transaction(id='4092').What most distinguishes an AI agent from a basic chatbot?
Какво да гледате след това
Наблюдавайте разширяването на възможностите на агента на браузъра на Ringg за KYC и процесите на включване, както и развитието на неговия междуканален контекстен слой. Освен това проследете дали други корпоративни платформи приемат подобни стратегии за маршрутизиране с множество модели, за да оптимизират разходите и производителността, и наблюдавайте дали тези докладвани печалби от ефективността се възпроизвеждат в различни индустрии и географски пазари.
В момента Ringg разработва агенти на браузъра, използвайки възможностите за използване на компютъра на OpenAI за задачи като интегриране на платформа, процеси на познаване на клиента (KYC), отстраняване на ИТ проблеми и обработка на искове. Успехът на тези браузър агенти ще бъде ключов индикатор за способността на платформата да разшири възможностите си за автоматизация отвъд обслужването на клиенти в други корпоративни операции.
Компанията също така работи върху контекстен слой, който може да запази информацията през каналите и взаимодействията. Тази функция ще позволи на клиентите да започнат заявка чрез глас, да я продължат на WhatsApp и да я завършат в браузър, без да повтарят подробности. Внедряването на този контекстен слой може значително да подобри потребителското изживяване и допълнително да повиши ефективността на обслужването на клиенти, управлявано от AI.
Възприемането на мултимоделната стратегия за маршрутизиране на Ringg от други корпоративни платформи ще бъде важна тенденция за наблюдение. Ако други компании започнат да използват подобни подходи за оптимизиране на своите внедрявания на AI, това може да доведе до по-широка промяна в начина, по който предприятията управляват своята AI инфраструктура, с по-голям фокус върху ефективността на разходите и оптимизирането на производителността.