Chuyện gì đã xảy ra
Ringg, một nền tảng đại lý doanh nghiệp, đã triển khai các đại lý AI được hỗ trợ bởi các mô hình OpenAI để xử lý các hoạt động dịch vụ khách hàng cho các doanh nghiệp lớn của Ấn Độ. Hệ thống sử dụng phương pháp tiếp cận đa mô hình, định tuyến các tác vụ tới GPT-4.1 để trò chuyện và thoại trong thời gian thực, GPT-5.6 Luna cho các nhu cầu hiệu suất cụ thể và GPT-5.6 Terra để phân tích sau cuộc gọi. Kiến trúc này cho phép Ringg giải quyết tới 65% các câu hỏi thông thường một cách tự động, với các khách hàng cụ thể như Policybazaar và Practo báo cáo những cải thiện đáng kể về tỷ lệ giải quyết và hiệu quả chi phí.
Ringg, nền tảng đại lý thoại và trò chuyện, đã triển khai hệ thống đại lý doanh nghiệp được xây dựng trên mô hình của OpenAI để quản lý dịch vụ khách hàng cho các doanh nghiệp tiêu dùng lớn ở Ấn Độ. Nền tảng này giải quyết chi phí cao và độ phức tạp của việc mở rộng quy mô dịch vụ khách hàng của con người bằng cách sử dụng AI để xử lý các tác vụ thủ công, rời rạc như mua bảo hiểm và đặt lịch hẹn. Hệ thống bao gồm các kênh thoại, trò chuyện, WhatsApp và web, sử dụng kiến trúc cốt lõi bao gồm các mô hình hiệu quả cao như GPT-5.6.
Việc triển khai kỹ thuật bao gồm một lớp điều phối phức tạp định tuyến hoạt động đến các mô hình OpenAI cụ thể dựa trên yêu cầu nhiệm vụ. GPT-4.1 xử lý phần lớn lưu lượng trò chuyện và thoại theo thời gian thực, trong khi GPT-5.6 Luna được sử dụng khi hồ sơ hiệu suất, độ trễ hoặc hiệu suất giá của nó phù hợp hơn với yêu cầu. GPT-5.6 Terra dành riêng cho phân tích sau cuộc gọi, bao gồm tóm tắt và phân loại cảm tính, còn GPT-5.6 Sol hỗ trợ đánh giá và cải thiện quy trình làm việc nhanh chóng. Cách tiếp cận đa mô hình này cho phép Ringg tối ưu hóa cả chi phí và chất lượng, với việc di chuyển một số khối lượng công việc thời gian thực nhất định từ GPT-4.1 sang GPT-5.6 Luna giúp giảm chi phí mô hình khoảng 90%.
Các đại lý của Ringg có khả năng thực hiện các quy trình công việc phức tạp, gồm nhiều bước bằng cách tích hợp với CRM, nền tảng bán vé, hệ thống thanh toán và API nội bộ. Hệ thống sử dụng cơ sở kiến thức kết hợp tính năng lọc có cấu trúc với truy xuất ngữ nghĩa trên nhiều định dạng dữ liệu khác nhau để đảm bảo phản hồi chính xác. Để tương tác lâu hơn, hệ thống sẽ tạo các bản tóm tắt có cấu trúc khi ngữ cảnh đạt tới 80.000 mã thông báo, lưu giữ thông tin quan trọng mà không cần gửi đi gửi lại toàn bộ lịch sử. Điều này cho phép quản lý cuộc trò chuyện nhất quán trên các kênh và thiết bị khác nhau.
Nền tảng này đã được triển khai với một số khách hàng lớn, mang lại những cải tiến đáng kể về hoạt động. Policybazaar, một nền tảng bảo hiểm trực tuyến, sử dụng Ringg để xử lý hơn 57.000 yêu cầu của khách hàng, với 67% cuộc gọi được giải quyết mà không cần sự can thiệp của con người. Việc triển khai này đã giảm thời gian phản hồi trung bình từ 8-12 phút xuống dưới 60 giây. Practo, một nền tảng chăm sóc sức khỏe, đã đạt được tỷ lệ giải quyết cuộc gọi đầu tiên là 85% và giảm 70% chi phí vận hành so với quy trình làm việc do con người chỉ đạo trước đây. Groww, một nền tảng đầu tư, giải quyết 72% truy vấn gửi đến liên quan đến các sản phẩm tài chính hoàn toàn thông qua dịch vụ tự phục vụ.
Tại sao nó quan trọng
Việc triển khai này thể hiện ứng dụng thực tế, quy mô lớn của các tác nhân AI trong dịch vụ khách hàng, vượt xa khả năng lý thuyết để đạt được kết quả kinh doanh có thể đo lường được. Bằng cách tích hợp nhiều mô hình OpenAI vào một lớp điều phối thống nhất, Ringg giải quyết các thách thức về chi phí và độ trễ của các tương tác AI trong thời gian thực. Báo cáo cho thấy chi phí mô hình giảm 90% đối với một số khối lượng công việc nhất định và khả năng xử lý các quy trình công việc phức tạp, đa ngôn ngữ cho thấy rằng các tác nhân AI đang trở thành một giải pháp thay thế khả thi, tiết kiệm chi phí cho các trung tâm cuộc gọi truyền thống có nhân viên. Sự thay đổi này có ý nghĩa quan trọng đối với hoạt động của doanh nghiệp, cho thấy rằng chiều sâu tự động hóa và kết quả kinh doanh hoàn thiện đang trở thành thước đo mới cho sự thành công của dịch vụ khách hàng.
Việc triển khai các tác nhân AI của Ringg thể hiện một bước tiến quan trọng trong việc ứng dụng thực tế AI vào dịch vụ khách hàng doanh nghiệp. Bằng cách đạt được độ phân giải cao mà không cần sự can thiệp của con người, nền tảng này chứng tỏ rằng AI có thể xử lý các tương tác phức tạp, thời gian thực với mức độ tin cậy và hiệu quả mà trước đây khó đạt được. Điều này đặc biệt đáng chú ý do có sự khác biệt về đa ngôn ngữ và khu vực trong các thị trường mà Ringg phục vụ, trong đó GPT-5.6 Terra đạt được độ chính xác lên tới 97% đối với các ngôn ngữ phổ biến trong khu vực.
Ý nghĩa kinh tế của công nghệ này là rất lớn. Báo cáo cho thấy chi phí mô hình giảm 90% đối với một số khối lượng công việc nhất định, kết hợp với mức giảm 70% chi phí vận hành cho các khách hàng như Practo, cho thấy rằng các đại lý AI có thể cung cấp giải pháp tiết kiệm chi phí hơn so với các trung tâm cuộc gọi truyền thống có nhân viên. Hiệu quả chi phí này được thúc đẩy bởi khả năng tự động hóa các yêu cầu thông thường và việc sử dụng chiến lược định tuyến đa mô hình nhằm tối ưu hóa cả hiệu suất và giá cả.
Sự chuyển đổi từ đo lường sự thành công của dịch vụ khách hàng bằng số lượng cuộc gọi hoặc số lượng nhân viên sang đo lường bằng kết quả kinh doanh đã hoàn thành và độ sâu tự động hóa đánh dấu sự thay đổi trong cách doanh nghiệp tiếp cận hoạt động của khách hàng. Cách tiếp cận của Ringg, tập trung vào việc giải quyết các yêu cầu của khách hàng thông qua sự kết hợp giữa các tác nhân AI và sự leo thang của con người, phù hợp với mô hình mới này. Sự thay đổi này có tiềm năng biến đổi ngành dịch vụ khách hàng, làm cho ngành này trở nên hiệu quả hơn, có khả năng mở rộng và đáp ứng nhu cầu của khách hàng.
Cơ chế tương tác: Nó thực sự hoạt động như thế nào
Khám phá công nghệ cơ bản đằng sau sự phát triển này một cách tương tác.
crm_get_transaction(id='4092').What most distinguishes an AI agent from a basic chatbot?
Xem gì tiếp theo
Giám sát việc mở rộng khả năng tác nhân trình duyệt của Ringg cho KYC và các quy trình triển khai, cũng như sự phát triển của lớp ngữ cảnh đa kênh của nó. Ngoài ra, hãy theo dõi xem các nền tảng doanh nghiệp khác có áp dụng chiến lược định tuyến đa mô hình tương tự để tối ưu hóa chi phí và hiệu suất hay không, đồng thời quan sát xem những mức tăng hiệu quả được báo cáo này có được nhân rộng trên các ngành và thị trường địa lý khác nhau hay không.
Ringg hiện đang phát triển các tác nhân trình duyệt sử dụng khả năng sử dụng máy tính của OpenAI cho các tác vụ như triển khai nền tảng, quy trình Biết khách hàng của bạn (KYC), khắc phục sự cố CNTT và xử lý khiếu nại. Sự thành công của các tác nhân trình duyệt này sẽ là chỉ số chính cho thấy khả năng của nền tảng trong việc mở rộng khả năng tự động hóa ngoài dịch vụ khách hàng sang các hoạt động khác của doanh nghiệp.
Công ty cũng đang nghiên cứu một lớp ngữ cảnh có thể lưu giữ thông tin trên các kênh và tương tác. Tính năng này sẽ cho phép khách hàng bắt đầu yêu cầu qua giọng nói, tiếp tục yêu cầu trên WhatsApp và hoàn thành yêu cầu đó trong trình duyệt mà không cần lặp lại chi tiết. Việc triển khai lớp ngữ cảnh này có thể cải thiện đáng kể trải nghiệm người dùng và tăng thêm hiệu quả của dịch vụ khách hàng do AI điều khiển.
Việc các nền tảng doanh nghiệp khác áp dụng chiến lược định tuyến đa mô hình của Ringg sẽ là một xu hướng quan trọng cần theo dõi. Nếu các công ty khác bắt đầu sử dụng các phương pháp tương tự để tối ưu hóa việc triển khai AI của họ, điều đó có thể dẫn đến sự thay đổi lớn hơn trong cách các doanh nghiệp quản lý cơ sở hạ tầng AI của mình, tập trung nhiều hơn vào hiệu quả chi phí và tối ưu hóa hiệu suất.