Voice-агенти Ringg закривають 65% дзвінків без людей
Індійська платформа Ringg перевела реал-тайм дзвінки з GPT-4.1 на GPT-5.6 і скоротила вартість моделі приблизно на 90%. Зараз агенти обробляють понад 7 млн дзвінків на місяць, закривають до 65% звернень без оператора, середній CSAT — 4.8.
У клієнтів Ringg це відчутно: Policybazaar скоротив час відповіді з 8–12 хв до менше хвилини, Practo знизив витрати на підтримку на 70% при 85% вирішень з першого дзвінка, а Groww закриває 72% запитів по IPO самообслуговуванням.
Як влаштована оркестрація дзвінка
Коли клієнт говорить під час дзвінка або пише в чат, система Ringg об'єднує це повідомлення з інструкціями агента, історією розмови, даними конкретного клієнта, релевантним контекстом з бази знань і списком доступних інструментів. Маршрутизатор вибирає модель і конфігурацію під конкретне завдання, а відповідь моделі проходить через оркестрацію назад у той канал, де клієнт спілкується — голос, чат, WhatsApp чи веб.
Платформа не використовує одну модель на все. GPT-4.1 обробляє більшість трафіку реального часу. GPT-5.6 Luna лишається в продакшн-стеку і підключається, коли її швидкість, затримка або співвідношення ціна/якість краще підходять під конкретний запит. GPT-5.6 Terra відповідає за постобробку дзвінка — резюме розмови і класифікацію тональності. GPT-5.6 Sol використовується для оцінки якості, покращення промптів і як модель-суддя для інших моделей.
Для довгих розмов система формує структуроване резюме, коли контекст наближається приблизно до 80 000 токенів. Далі розмова продовжується з уже збереженою суттю, без повторної відправки всієї історії — це і швидше, і дешевше.
База знань агентів поєднує структурну фільтрацію з семантичним пошуком по датасетах, PDF, CSV і бізнес-документах. Крім того, платформа ділить роботу між спеціалізованими субагентами — на кваліфікацію запиту, підтримку, верифікацію, запис на прийом і ескалацію, — координуючи їх так, щоб клієнт бачив одну послідовну розмову незалежно від каналу.
Як Ringg перевіряє моделі перед впровадженням
Компанія тестує моделі на історичних розмовах і симульованих сценаріях ще до продакшену. Evaluation-платформа за результатами тестів знаходить слабкі місця і пропонує покращення промптів — це працює як постійний цикл доопрацювання агентів.
Один такий тест стосувався постобробки дзвінків: Ringg порівняв GPT-5.6 Terra з альтернативами, включно з Gemini 2.5 Flash. Terra показала кращий результат, і компанія перевела резюме розмов і класифікацію тональності саме на неї — точність лишилась високою, а економіка на одиницю обробки суттєво покращилась.
Окремо перевіряють мовну специфіку: розмови, де клієнт перемикається між мовами або змішує англійську з локальними фразами — типова поведінка на ринках, де працює Ringg. На таких кейсах GPT-5.6 Terra обійшла Gemini 2.5 Flash, показавши до 97% точності на поширених регіональних мовах.
Моделі, що пройшли офлайн-тестування, спершу отримують невелику частку продакшн-трафіку і лише потім масштабуються далі. У проді роутер стежить за затримкою і станом ендпоінтів у різних регіонах і перемикає трафік, якщо ендпоінт стає недоступним або перевищує поріг затримки; спеціалізовані ноди, алерти й версійні деплої допомагають ізолювати проблему, щоб вона не зачепила весь сервіс.
Результати у клієнтів — детальніше
У Policybazaar, однієї з найбільших онлайн-платформ страхування в Індії, Ringg обробляє понад 57 000 звернень клієнтів, з яких 67% закриваються без участі людини. Середній час відповіді скоротився з 8–12 хвилин до менш ніж 60 секунд — приблизно 88% покращення.
У Practo, глобальній платформі охорони здоров'я, агенти Ringg допомагають клієнтам записуватись на прийом і оформлювати сервісні запити. Після впровадження компанія досягла 85% вирішень з першого дзвінка, часу відповіді менше трьох секунд і щодня оформлює понад 1000 записів на прийом.
Groww, інвестиційна платформа, використовує Ringg для закриття 72% запитів про IPO, ф'ючерси й опціони повністю через самообслуговування, із середнім часом обробки звернення близько двох хвилин.
Що далі
Використовуючи можливості computer use від OpenAI, Ringg розробляє браузерні агенти для онбордингу на платформі, процедур KYC (верифікації клієнта), ІТ-підтримки, супроводу інцидентів на чергуванні та обробки страхових претензій.
Паралельно компанія будує контекстний шар, який зберігатиме інформацію про клієнта між каналами: людина зможе почати звернення голосом, продовжити його в WhatsApp і завершити в браузері, не повторюючи ті самі деталі щоразу.