Что случилось
Ringg, платформа корпоративных агентов, внедрила агентов искусственного интеллекта на базе моделей OpenAI для управления операциями по обслуживанию клиентов крупных индийских предприятий. Система использует многомодельный подход, перенаправляя задачи на GPT-4.1 для голосовой связи и чата в реальном времени, на GPT-5.6 Luna для конкретных потребностей в производительности и на GPT-5.6 Terra для анализа после звонка. Эта архитектура позволяет Ringg решать до 65% рутинных запросов автономно, при этом отдельные клиенты, такие как Policybazaar и Practo, сообщают о существенном улучшении скорости разрешения и экономической эффективности.
Ringg, платформа голосовых и чат-агентов, внедрила систему корпоративных агентов, построенную на моделях OpenAI, для управления обслуживанием клиентов крупных потребительских предприятий в Индии. Платформа решает проблему высоких затрат и сложности масштабирования обслуживания клиентов с помощью искусственного интеллекта для выполнения фрагментированных ручных задач, таких как покупка страховок и запись на прием. Система охватывает голосовую связь, чат, WhatsApp и веб-каналы, используя базовую архитектуру, включающую высокоэффективные модели, такие как GPT-5.6.
Техническая реализация включает в себя сложный уровень оркестрации, который направляет работу на конкретные модели OpenAI в зависимости от требований задачи. GPT-4.1 обрабатывает большую часть голосового трафика и чат-трафика в реальном времени, а GPT-5.6 Luna используется, когда его профиль производительности, задержки или соотношения цены и качества лучше подходит для запроса. GPT-5.6 Terra предназначен для анализа после звонка, включая сводки и классификацию настроений, а GPT-5.6 Sol поддерживает рабочие процессы оценки и оперативного улучшения. Такой многомодельный подход позволяет Ringg оптимизировать как стоимость, так и качество, а миграция определенных рабочих нагрузок реального времени с GPT-4.1 на GPT-5.6 Luna снижает затраты на модель примерно на 90%.
Агенты Ringg способны выполнять сложные, многоэтапные рабочие процессы за счет интеграции с CRM, платформами продажи билетов, платежными системами и внутренними API. Система использует базу знаний, которая сочетает структурированную фильтрацию с семантическим поиском в различных форматах данных для обеспечения точных ответов. Для более длительных взаимодействий система создает структурированные сводки, когда контекст приближается к 80 000 токенов, сохраняя важную информацию без повторной отправки всей истории. Это позволяет единообразно управлять разговорами по разным каналам и устройствам.
Платформа была развернута у нескольких крупных клиентов, что привело к значительным улучшениям в работе. Policybazaar, онлайн-платформа страхования, использует Ringg для обработки более 57 000 запросов клиентов, при этом 67% обращений разрешаются без вмешательства человека. Благодаря этому развертыванию среднее время ответа сократилось с 8–12 минут до менее 60 секунд. Платформа здравоохранения Practo достигла 85 % уровня разрешения проблем при первом обращении и сократила эксплуатационные расходы на 70 % по сравнению с предыдущим рабочим процессом, управляемым людьми. Инвестиционная платформа Groww решает 72% входящих запросов, связанных с финансовыми продуктами, исключительно посредством самообслуживания.
Подробности об источнике: openai.com ↗
Почему это важно
Это развертывание демонстрирует практическое и широкомасштабное применение агентов ИИ в обслуживании клиентов, выходя за рамки теоретических возможностей к измеримым бизнес-результатам. Интегрируя несколько моделей OpenAI в единый уровень оркестрации, Ringg решает проблемы стоимости и задержки при взаимодействии ИИ в реальном времени. Сообщаемое о 90-процентном сокращении затрат на модели для определенных рабочих нагрузок и способности обрабатывать сложные многоязычные рабочие процессы указывают на то, что агенты ИИ становятся жизнеспособной и экономичной альтернативой традиционным колл-центрам, укомплектованным людьми. Этот сдвиг имеет серьезные последствия для операций предприятия, предполагая, что глубина автоматизации и завершенные бизнес-результаты становятся новыми показателями успеха обслуживания клиентов.
Развертывание ИИ-агентов Ringg представляет собой значительный шаг в практическом применении ИИ в сфере обслуживания корпоративных клиентов. Достигая высокого разрешения без вмешательства человека, платформа демонстрирует, что ИИ может обрабатывать сложные взаимодействия в реальном времени с уровнем надежности и эффективности, которого ранее было трудно достичь. Это особенно примечательно, учитывая многоязычность и региональные различия на рынках, которые обслуживает Ringg, где GPT-5.6 Terra достигла точности до 97% на распространенных региональных языках.
Экономические последствия этой технологии значительны. Сообщаемое о 90-процентном сокращении затрат на модели для определенных рабочих нагрузок в сочетании с 70-процентным снижением эксплуатационных расходов для таких клиентов, как Practo, предполагает, что агенты ИИ могут предоставить более экономичное решение, чем традиционные колл-центры, укомплектованные людьми. Такая экономическая эффективность достигается за счет возможности автоматизировать рутинные запросы и использования стратегии многомодельной маршрутизации, которая оптимизирует как производительность, так и цену.
Переход от измерения успеха обслуживания клиентов по количеству вызовов или численности персонала к измерению его по завершенным бизнес-результатам и глубине автоматизации знаменует собой изменение в подходе предприятий к работе с клиентами. Подход Рингга, который фокусируется на решении запросов клиентов посредством сочетания агентов искусственного интеллекта и человеческой эскалации, соответствует этой новой парадигме. Этот сдвиг может трансформировать индустрию обслуживания клиентов, сделав ее более эффективной, масштабируемой и способной реагировать на потребности клиентов.
Интерактивный механизм: как он на самом деле работает
Изучите технологию, лежащую в основе этой разработки, в интерактивном режиме.
crm_get_transaction(id='4092').What most distinguishes an AI agent from a basic chatbot?
Что посмотреть дальше
Следите за расширением возможностей браузерного агента Ringg для процессов KYC и адаптации, а также за развитием межканального контекстного уровня. Кроме того, отслеживайте, применяют ли другие корпоративные платформы аналогичные стратегии многомодельной маршрутизации для оптимизации затрат и производительности, и наблюдайте, реплицируется ли указанный рост эффективности в различных отраслях и географических рынках.
В настоящее время Ringg разрабатывает браузерные агенты, используя возможности использования компьютера OpenAI для таких задач, как подключение к платформе, процессы «Знай своего клиента» (KYC), устранение ИТ-неисправностей и обработка претензий. Успех этих браузерных агентов станет ключевым индикатором способности платформы расширять свои возможности автоматизации за пределы обслуживания клиентов и включать их в другие корпоративные операции.
Компания также работает над контекстным слоем, который сможет сохранять информацию по каналам и взаимодействиям. Эта функция позволит клиентам начать голосовой запрос, продолжить его на WhatsApp и завершить его в браузере, не повторяя детали. Реализация этого контекстного уровня может значительно улучшить взаимодействие с пользователем и еще больше повысить эффективность обслуживания клиентов на основе искусственного интеллекта.
Принятие стратегии многомодельной маршрутизации Ringg другими корпоративными платформами станет важной тенденцией, за которой стоит следить. Если другие компании начнут использовать аналогичные подходы для оптимизации развертывания ИИ, это может привести к более широкому сдвигу в том, как предприятия управляют своей инфраструктурой ИИ, с большим упором на экономическую эффективность и оптимизацию производительности.