«До 65% обращений без оператора»: Ringg построила голосовых агентов на GPT-5.6

Нагрузка, которую раньше закрывали людьми

Обычный способ масштабировать службу поддержки — нанимать людей, но вместе с числом операторов растут стоимость и сложность каждого обращения. Ringg — платформа голосовых и чатовых агентов — увидела эту проблему в работе с крупными потребительскими компаниями в Индии: им было трудно не только отвечать на большее число звонков, но и проводить клиента через раздробленные ручные системы — от покупки страховки до записи на приём.

Свой продукт Ringg описывает коротко: агенты, которые дают результат в голосе, чате, WhatsApp и вебе. Из этой задачи выросла корпоративная агентская платформа на эффективных моделях вроде GPT-5.6 — она охватывает те же четыре канала.

Масштаб на сентябрь 2026 года: агенты Ringg обрабатывают больше 7 миллионов подключённых звонков каждый месяц, а средняя оценка удовлетворённости клиентов (CSAT) у её заказчиков — 4,8.

«Примерно 90%» экономии на моделях

Ключевое изменение, о котором рассказывает OpenAI: перевод подходящих real-time нагрузок с GPT-4.1 на GPT-5.6 снизил затраты на модели примерно на 90% — при сохранении требуемого качества и задержек.

Модели разведены по задачам. GPT-4.1 обслуживает большую часть real-time голосового и чатового трафика; GPT-5.6 Luna остаётся в продакшене и включается там, где лучше подходит по качеству, задержке или соотношению цены и производительности; GPT-5.6 Terra занимается послеконтактным анализом, включая резюме и классификацию тональности; GPT-5.6 Sol поддерживает оценку, улучшение промптов и сценарии model-as-judge.

Перед внедрением Ringg сравнивала OpenAI с альтернативами по качеству диалога, задержке, следованию инструкциям, вызову инструментов, многоязычности, надёжности и стоимости и выбрала самый сбалансированный для продакшена вариант. Новые модели сначала получают небольшую долю продакшен-трафика, и лишь затем выкат расширяется: роутер компании следит за задержкой и состоянием эндпоинтов в разных регионах и переводит трафик, если эндпоинт недоступен или превышает порог задержки.

Как устроен разговор

Когда клиент говорит или пишет, оркестрация Ringg соединяет запрос с инструкциями агента, историей разговора, данными о клиенте, контекстом базы знаний и доступными инструментами; слой маршрутизации выбирает модель и конфигурацию, а ответ уходит в тот канал, который выбрал клиент.

Действия выходят за пределы ответа: оркестрация выполняет операции в CRM, тикет-системах, платёжных системах, расписаниях и внутренних API, а при необходимости эскалирует обращение человеку вместе с резюме разговора. Система знаний сочетает структурную фильтрацию с семантическим поиском по наборам данных, PDF- и CSV-файлам и бизнес-документам.

Часть работы распределяется между специализированными субагентами — квалификация, поддержка, верификация, расписание и эскалация, — при этом разговор с клиентом остаётся единым во всех каналах. В длинных диалогах система формирует структурное резюме, когда контекст приближается к примерно 80 000 токенов, чтобы не отправлять историю целиком на каждом шаге.

Оценки: Terra против Gemini 2.5 Flash

Качество моделей Ringg проверяет на исторических разговорах и симулированных клиентских сценариях, а платформа оценки подсказывает, какие промпты стоит улучшить.

В одном из тестов сравнивали послеконтактный анализ: GPT-5.6 Terra против альтернатив вроде Gemini 2.5 Flash. Terra вышла вперёд, и на неё перевели резюме и классификацию тональности.

Отдельно проверялись языки и региональные варианты, включая разговоры со сменой языка и смешением английского с местными фразами: GPT-5.6 Terra снова обошла Gemini 2.5 Flash и показала до 97% точности на распространённых региональных языках.

Что это дало заказчикам

У заказчиков Ringg агенты закрывают до 65% рутинных обращений клиентов без участия человека.

Policybazaar, одна из крупнейших онлайн-платформ страхования в Индии, проводит через Ringg больше 57 000 клиентских обращений; 67% звонков обходятся без оператора, а среднее время ответа упало с 8–12 минут до менее 60 секунд — улучшение примерно на 88%.

В Practo агенты помогают записываться на приём и закрывать сервисные запросы: 85% решаются с первого звонка, ответ приходит быстрее трёх секунд, операционные затраты снизились на 70% по сравнению с прежним процессом с людьми, а записей на приём теперь больше 1 000 в день.

Инвестиционная платформа Groww закрывает через Ringg 72% входящих запросов по IPO, фьючерсам и опционам полностью в режиме самообслуживания, при среднем времени обработки две минуты.

Браузерные агенты и следующая метрика

Следующий шаг — работа в браузере: на возможностях OpenAI computer-use Ringg разрабатывает агентов для онбординга на платформах, процедур KYC, IT-диагностики, поддержки инцидентов на дежурстве и обработки требований.

Параллельно компания строит слой контекста, который сохраняет информацию между каналами: запрос можно начать голосом, продолжить в WhatsApp и закончить в браузере, не повторяя те же детали.

«Качество модели — лишь часть уравнения. Нам также нужны низкая задержка, надёжное использование инструментов, следование инструкциям и экономика, работающая в масштабе. OpenAI дала нам нужный баланс», — говорит сооснователь Ringg Сиддхартх Трипатхи.

В OpenAI подчёркивают: для Ringg следующее поколение клиентских операций будет измеряться завершёнными бизнес-результатами и глубиной автоматизации, а не объёмом звонков или числом сотрудников.