Ringg uz OpenAI rešava do 65% korisničkih poziva
Ringg, platforma za glasovne i čet agente, koristi OpenAI modele GPT-4.1 i GPT-5.6 za komunikaciju preko poziva, četa, WhatsAppa i veba. Njeni agenti mesečno obrađuju više od 7 miliona povezanih poziva i mogu da reše do 65% rutinskih korisničkih zahteva bez uključivanja ljudskog operatera, dok prosečna ocena zadovoljstva korisnika iznosi 4,8.
Kompanija je deo pogodnih radnih opterećenja u realnom vremenu prebacila sa GPT-4.1 na GPT-5.6 Luna. Ringg navodi da su troškovi modela za te tokove rada smanjeni za približno 90%, uz potreban kvalitet i odziv sistema.
Orkestracija više sistema u jednom razgovoru
Za završavanje zahteva agenti mogu da provere polisu, pronađu podatke o nalogu, zakažu termin, ažuriraju CRM ili razgovor proslede stručnjaku zajedno sa sažetkom konteksta. Ringgov orkestracioni sloj izvršava radnje u CRM sistemima, platformama za tikete, platnim sistemima, alatima za zakazivanje i internim API-jima.
Sistem znanja kombinuje strukturisano filtriranje i semantičko pronalaženje informacija iz skupova podataka, PDF dokumenata, CSV datoteka i poslovne dokumentacije. Ringg može da raspodeli rad između specijalizovanih podagenata za kvalifikaciju, podršku, verifikaciju, zakazivanje i eskalaciju, uz održavanje jedinstvenog razgovora kroz različite kanale.
Pri dužim interakcijama platforma pravi strukturisani sažetak kada se kontekst približi nivou od 80.000 tokena. Time razgovor može da se nastavi uz očuvane ključne informacije, bez ponovnog slanja celokupne istorije.
Raspodela zadataka i provera u produkciji
Ringg bira model prema zahtevu konkretnog zadatka. GPT-4.1 obrađuje najveći deo glasovnog i čet saobraćaja u realnom vremenu, dok se GPT-5.6 Luna koristi kada njen odnos performansi, latencije i cene bolje odgovara zahtevu. GPT-5.6 Terra služi za analizu nakon poziva, uključujući sažetke i klasifikaciju sentimenta, a GPT-5.6 Sol za evaluacije, unapređenje promptova i tokove rada u kojima model ocenjuje rezultat.
Pre uvođenja u produkciju, kompanija testira modele na istorijskim razgovorima i simuliranim korisničkim tokovima. Rezultati se koriste za pronalaženje slabosti i preporuke za izmene promptova. Modeli koji prođu vanmrežna testiranja najpre se puštaju na mali deo produkcijskog saobraćaja, dok ruter prati latenciju i dostupnost krajnjih tačaka po regionima.
U testu analize nakon poziva GPT-5.6 Terra nadmašio je Gemini 2.5 Flash, a Ringg navodi do 97% tačnosti za česte regionalne jezike. Kod klijenata su zabeleženi različiti rezultati: Policybazaar je vreme odgovora smanjio sa 8–12 minuta na manje od 60 sekundi, Practo je dostigao stopu rešavanja u prvom pozivu od 85%, a Groww samouslužnim putem rešava 72% dolaznih upita o IPO ponudama, fjučersima i opcijama.
Poslovna mera je završen zahtev
Dalji razvoj uključuje agente u pregledaču za uključivanje korisnika na platformu, KYC procese, IT rešavanje problema, podršku dežurnim timovima i obradu zahteva. Kontekst između kanala zamišljen je tako da korisnik može da počne razgovor glasom, nastavi preko WhatsAppa i završi ga u pregledaču bez ponavljanja podataka.
Za kompanije koje uvode ovakve sisteme, širenje poslovne upotrebe ChatGPT-a pokazuje da se vrednost AI alata ne svodi na pristup modelu, već na njihovo uklapanje u svakodnevne poslovne procese. Ringgov primer potvrđuje da se učinak podrške može pratiti kroz rešene zahteve, odziv sistema, kvalitet odgovora i trošak po interakciji.