Внедрение GPT-5.6 в клиентский сервис: опыт платформы Ringg и снижение затрат на 90% для части нагрузок
Платформа Ringg перевела часть рабочих нагрузок с GPT-4.1 на GPT-5.6, снизив затраты на 90% и автоматизировав до 65% обращений клиентов.
Суть
Платформа Ringg делает голосовых и текстовых ИИ-агентов для клиентского сервиса и построила их на моделях серии GPT-5.6 от OpenAI. Агенты Ringg закрывают до 65% типовых обращений клиентов без участия человека. Перенос подходящих нагрузок в реальном времени с GPT-4.1 на GPT-5.6 снизил затраты на модель для этих нагрузок примерно на 90%.
Контекст
Традиционно при росте объема обращений компании вынуждены нанимать больше сотрудников, что неизбежно увеличивает затраты и усложняет внутренние процессы. Ringg столкнулась с этой проблемой при работе с крупным потребительским бизнесом в Индии, где операторы тратили огромное количество времени на работу с разрозненными системами для оформления страховок или бронирования встреч. Потребность в эффективном решении привела к созданию корпоративной платформы агентов, способной работать в голосе, чатах, WhatsApp и веб-интерфейсах.
Ringg orchestration diagram showing input flowing through Ringg orchestration, model routing, post-call analysis, and an evaluation loop.
Детали
Сегодня платформа обрабатывает более 7 миллионов звонков ежемесячно, поддерживая средний индекс удовлетворенности клиентов (CSAT) на уровне 4.8. Ключевой особенностью архитектуры Ringg является динамическая маршрутизация задач между разными моделями OpenAI:
- GPT-4.1 обрабатывает основной объем голосового и текстового трафика в реальном времени.
- GPT-5.6 Luna используется там, где требуется оптимальный баланс производительности, задержки и стоимости.
- GPT-5.6 Terra отвечает за анализ после звонков, включая создание резюме и классификацию тональности.
- GPT-5.6 Sol поддерживает процессы оценки, улучшения промптов и выступает в роли модели-судьи (model-as-judge).
Перенос части задач в реальном времени с GPT-4.1 на GPT-5.6 Luna сократил расходы на модель для этих задач примерно на 90%. Есть цифры и по отдельным клиентам. Страховая компания Policybazaar сократила время ответа с 8-12 минут до менее чем 60 секунд. Медицинская платформа Practo достигла 85% решения проблем при первом обращении, снизив операционные расходы на 70% по сравнению с прежней работой операторов.
Dark raised-dot macro texture with the white Ringg.AI wordmark.
Анализ
Агенты Ringg ведут задачу целиком: сами работают с CRM, системами продажи билетов и платежными шлюзами. Модели распределены по этапам: одна ведет разговор, другая разбирает звонок, третья оценивает качество. Так дорогая модель работает только там, где без нее не обойтись, и расходы растут медленнее, чем число обращений.
Перспектива
В будущем Ringg планирует расширить функционал за счет внедрения браузерных агентов, использующих возможности компьютерного управления (computer-use) от OpenAI. Такой агент сможет помогать пользователю прямо на его экране, пока тот заполняет форму или оформляет заказ.
Ringg AI product UI shown over the selected raised-dot texture, illustrating a health insurance renewal agent workflow.
TL;DR
Главное
Если раздавать задачи разным моделям по цене, задержке и качеству, затраты на модель для подходящих нагрузок можно снизить в разы без потери качества ответа.
Ключевые факты
- /Перенос части нагрузок в реальном времени с GPT-4.1 на GPT-5.6 Luna снизил затраты на модель примерно на 90%.
- /Автоматизация до 65% обращений без участия человека
- /Обработка более 7 млн звонков в месяц
- /У Policybazaar среднее время ответа сократилось с 8-12 минут до менее чем 60 секунд.
Инсайт
Следующий этап развития клиентского сервиса — это браузерные агенты, способные видеть экран пользователя и помогать ему взаимодействовать с интерфейсом напрямую.
Читайте также
*Meta признана в РФ экстремистской организацией и запрещена.