何が起こったのか
エンタープライズ エージェント プラットフォームである Ringg は、インドの大手企業の顧客サービス業務を処理するために、OpenAI モデルを活用した AI エージェントを導入しました。このシステムはマルチモデル アプローチを利用しており、リアルタイムの音声とチャットには GPT-4.1、特定のパフォーマンス ニーズには GPT-5.6 Luna、通話後の分析には GPT-5.6 Terra にタスクをルーティングします。このアーキテクチャにより、Ringg は日常的な問い合わせの最大 65% を自律的に解決することができ、Policybazaar や Practo などの特定のクライアントからは、解決率とコスト効率の大幅な向上が報告されています。
音声およびチャット エージェント プラットフォームである Ringg は、インドの大規模消費者企業向けの顧客サービスを管理するために、OpenAI のモデルに基づいて構築されたエンタープライズ エージェント システムを実装しました。このプラットフォームは、AI を使用して保険の購入や予約などの細分化された手動タスクを処理することで、人間による顧客サービスの拡大に伴う高コストと複雑さに対処します。このシステムは音声、チャット、WhatsApp、Web チャネルにまたがり、GPT-5.6 などの高効率モデルを含むコア アーキテクチャを利用しています。
技術的な実装には、タスク要件に基づいて作業を特定の OpenAI モデルにルーティングする高度なオーケストレーション層が含まれます。 GPT-4.1 はリアルタイムの音声およびチャット トラフィックの大部分を処理しますが、GPT-5.6 Luna は、そのパフォーマンス、遅延、または価格とパフォーマンスのプロファイルがリクエストにより適している場合に使用されます。 GPT-5.6 Terra は、概要や感情分類を含む通話後の分析に特化しており、GPT-5.6 Sol は評価と迅速な改善のワークフローをサポートします。このマルチモデル アプローチにより、Ringg はコストと品質の両方を最適化でき、特定のリアルタイム ワークロードを GPT-4.1 から GPT-5.6 Luna に移行することで、モデル コストを約 90% 削減できます。
Ringg のエージェントは、CRM、発券プラットフォーム、支払いシステム、内部 API と統合することで、複雑な複数ステップのワークフローを実行できます。このシステムは、構造化フィルタリングとさまざまなデータ形式にわたるセマンティック検索を組み合わせた知識ベースを使用して、正確な応答を保証します。より長いインタラクションの場合、システムはコンテキストが 80,000 トークンに近づくと構造化された要約を作成し、履歴全体を繰り返し送信することなく重要な情報を保存します。これにより、さまざまなチャネルやデバイス間で一貫した会話管理が可能になります。
このプラットフォームはいくつかの主要なクライアントに導入されており、大幅な運用改善がもたらされています。オンライン保険プラットフォームである Policybazaar は、Ringg を使用して 57,000 件を超える顧客リクエストを処理し、通話の 67% が人間の介入なしで解決されました。この導入により、平均応答時間が 8 ～ 12 分から 60 秒未満に短縮されました。ヘルスケア プラットフォームである Practo は、以前の人主導のワークフローと比較して、85% の初回相談解決率を達成し、運用コストを 70% 削減しました。投資プラットフォームである Groww は、金融商品に関連する受信クエリの 72% を完全にセルフサービスで解決します。
なぜそれが重要なのか
この導入は、顧客サービスにおける AI エージェントの実用的かつ大規模な適用を実証し、理論上の能力を超えて、測定可能なビジネス成果に到達します。 Ringg は、複数の OpenAI モデルを統合オーケストレーション レイヤーに統合することで、リアルタイム AI インタラクションのコストと遅延の課題に対処します。報告されている特定のワークロードのモデル コストの 90% 削減と、多言語の複雑なワークフローの処理能力は、AI エージェントが従来の人間が常駐するコールセンターに代わる実行可能でコスト効率の高い代替手段になりつつあることを示しています。この変化は企業運営に重大な影響を及ぼし、自動化の深さと完了したビジネス成果が顧客サービスの成功の新しい指標になりつつあることを示唆しています。
Ringg の AI エージェントの展開は、企業の顧客サービスにおける AI の実用化における重要な一歩を表しています。このプラットフォームは、人間の介入なしで高い解決率を達成することで、AI が以前は達成が困難であったレベルの信頼性と効率性で複雑なリアルタイムのインタラクションを処理できることを実証します。これは、Ringg がサービスを提供する市場における多言語と地域の違いを考えると特に注目に値し、GPT-5.6 Terra は一般的な地域言語で最大 97% の精度を達成しました。
このテクノロジーの経済的影響は多大です。特定のワークロードのモデルコストが 90% 削減されたと報告されており、Practo のようなクライアントの運用コストが 70% 削減されたことと合わせて、AI エージェントが従来の人間が常駐するコールセンターよりもコスト効率の高いソリューションを提供できることを示唆しています。このコスト効率は、日常的な問い合わせを自動化する機能と、パフォーマンスと価格の両方を最適化するマルチモデル ルーティング戦略の使用によって促進されます。
顧客サービスの成功を通話量や人員数によって測定することから、完了したビジネスの成果や自動化の深さによって測定することへの移行は、企業が顧客業務に取り組む方法の変化を示しています。 AI エージェントと人間によるエスカレーションを組み合わせて顧客のリクエストを解決することに重点を置いた Ringg のアプローチは、この新しいパラダイムと一致しています。この変化は、顧客サービス業界を変革し、より効率的で拡張性があり、顧客のニーズに対応できるようにする可能性を秘めています。
インタラクティブなメカニズム: 実際にどのように機能するか
この開発の背後にある基盤となるテクノロジーをインタラクティブに探索します。
crm_get_transaction(id='4092').What most distinguishes an AI agent from a basic chatbot?
次に見るべきもの
Ringg の KYC およびオンボーディング プロセスのためのブラウザ エージェント機能の拡張と、クロスチャネル コンテキスト レイヤーの開発を監視します。さらに、他のエンタープライズ プラットフォームがコストとパフォーマンスを最適化するために同様のマルチモデル ルーティング戦略を採用しているかどうかを追跡し、報告された効率の向上がさまざまな業界や地域市場にわたって再現されているかどうかを観察します。
Ringg は現在、OpenAI のコンピューター使用機能を使用して、プラットフォームのオンボーディング、顧客確認 (KYC) プロセス、IT トラブルシューティング、請求処理などのタスク用のブラウザー エージェントを開発しています。これらのブラウザ エージェントの成功は、自動化機能を顧客サービスを超えて他の企業業務に拡張するプラットフォームの能力を示す重要な指標となります。
同社は、チャネルやインタラクション全体で情報を保存できるコンテキスト レイヤーにも取り組んでいます。この機能により、顧客は音声でリクエストを開始し、WhatsApp でリクエストを継続し、詳細を繰り返すことなくブラウザでリクエストを終了できるようになります。このコンテキスト層の実装により、ユーザー エクスペリエンスが大幅に向上し、AI 主導の顧客サービスの効率がさらに向上する可能性があります。
他のエンタープライズ プラットフォームによる Ringg のマルチモデル ルーティング戦略の採用は、注目すべき重要な傾向となるでしょう。他の企業が同様のアプローチを使用して AI 導入を最適化し始めれば、企業の AI インフラストラクチャの管理方法がより広範に変化し、コスト効率とパフォーマンスの最適化に重点が置かれる可能性があります。