Ringg的AI代理通过OpenAI解决了高达65%的客户电话

OpenAI Blog 产品

摘要

Ringg的AI代理使用OpenAI模型(如GPT-5.6)解决了高达65%的客户电话,将成本降低了90%,并实现了高客户满意度。

通过GPT-5.6,Ringg支持语音、聊天、WhatsApp和网络上的多语言代理,与GPT-4.1相比成本降低了90%。
查看原文
查看缓存全文

缓存时间: 2026/09/23 19:08

# Ringg的人工智能代理借助OpenAI技术解决高达65%的客户通话问题 来源:https://openai.com/index/ringg/ 当通话量上升时,客户服务运营通常通过增加人员来扩展规模,但这会增加每次互动的成本和复杂性。Ringg(在新窗口打开)(https://www.ringg.ai/)作为语音和聊天代理平台,在与印度大型消费类企业合作时亲身体验了这一问题。 这些企业不仅难以应对更多的来电,其客服代表还在为完成从购买保险到预约等客户任务而与碎片化、手动的系统作斗争。 这一经历促使Ringg构建了一个以GPT-5.6等高效模型为核心的智能代理平台,覆盖语音、聊天、WhatsApp和网页。将合适的工作负载从GPT-4.1迁移到GPT-5.6,使模型成本降低了约90%,同时满足了质量和延迟要求。 > “模型质量只是等式的一部分。我们还需要低延迟、可靠的工具调用、强大的指令遵循能力以及在规模上可行的经济模型。OpenAI为我们提供了所需的平衡。” — Ringg联合创始人Siddharth Tripathi Ringg的代理现在每月处理超过700万次连通通话,其客户平均客户满意度(CSAT)评分为4.8。 ## 围绕客户成果构建智能代理平台 为了使代理能够完成客户请求,可能需要检查保单、检索账户记录、预约、更新CRM,或将对话连同完整上下文转接给相关专家。 对于实时交互,Ringg使用GPT-5.6 Luna和其他模型来解读客户请求、选择工具并指导客户完成多步骤工作流程。Ringg的编排层在CRM、工单系统、支付系统、调度工具和内部API之间执行操作,并在需要时将案例连同对话摘要升级给人类客服。 Ringg的知识系统将结构化过滤与跨数据集、PDF、CSV和业务文档的语义检索相结合,帮助代理使用相关的企业信息回答问题。 Ringg还可以将工作分配给负责资格审核、支持、验证、调度和升级的专业子代理。该平台协调这些步骤,同时在语音、聊天、WhatsApp和网页上与客户保持一致的对话。 ## 将每项任务路由到合适的OpenAI模型 在评估OpenAI及替代方案在对话质量、延迟、指令遵循、工具调用、多语言性能、可靠性和成本方面的表现后,Ringg发现OpenAI为生产工作负载提供了最佳的整体平衡。 GPT-5.6和其他OpenAI模型在遵循复杂指令、执行工具调用、维护对话上下文以及在企业规模可靠运行方面也表现得更为一致。 Ringg根据任务需求将工作路由到特定的OpenAI模型。GPT-4.1处理大多数实时语音和聊天流量。GPT-5.6 Luna保留在生产堆栈中,当其性能、延迟或性价比更符合请求需求时使用。GPT-5.6 Terra处理通话后分析,包括摘要和情感分类。而GPT-5.6 Sol支持评估、提示改进和模型作为评判的工作流程。 当客户在语音通话中发言或发送聊天信息时,Ringg的编排系统会将该输入与代理指令、对话历史、客户特定数据、相关知识库上下文以及可用工具相结合。Ringg的路由层随后选择适当的模型和配置。模型的输出通过编排系统传递,并通过客户选择的渠道交付。 对于较长的交互,当上下文接近约80,000个token时,系统会创建结构化摘要。这样对话可以在保留重要信息的情况下继续进行,而无需反复发送整个历史记录。 ## 使用生产评估提高质量和成本效益 Ringg在生产部署前使用历史对话和模拟客户流程测试模型。其评估平台利用这些结果来识别弱点并推荐提示改进,为其代理和配置创建持续改进循环。 一项评估涉及Ringg的通话后分析工作流程。该公司测试了GPT-5.6 Terra与Gemini 2.5 Flash等替代方案,结果Terra胜出。Ringg将摘要和情感分类迁移到GPT-5.6 Terra。Terra在保持摘要和情感分析高准确性的同时,显著改善了单位经济效益。 该公司还在不同语言和地区变体中测试模型,包括在其服务的市场中常见的、在对话中切换语言或将英语与当地语言短语混合的情况。GPT-5.6 Terra优于Gemini 2.5 Flash,在常见地区语言上准确率高达97%,这使得GPT-5.6更适合为Ringg客户服务的代理。 通过离线测试的模型在全面推广前会先引入一小部分生产流量。在生产环境中,Ringg的路由器监控各区域的延迟和端点健康状况,并在端点不可用或超过延迟阈值时转移流量。专用节点、警报和版本化部署有助于隔离问题并限制其影响。 这种方法也帮助Ringg改善了单位经济效益。将某些实时工作负载从GPT-4.1迁移到GPT-5.6 Luna使模型成本降低了约90%。 > “当我们需要在模型迁移方面获得支持时,OpenAI响应非常迅速。专门的Slack支持和核心工程团队的访问权限帮助我们以更少的工程不确定性快速行动、更快交付,并扩展我们代理的能力。” — Ringg联合创始人Siddharth Tripathi ## 在各行各业交付客户成果 对于其客户,Ringg的代理无需任何人工客服参与即可解决高达65%的常规客户咨询。 印度最大的在线保险平台之一Policybazaar使用Ringg连接了超过57,000个客户请求,其中67%的通话无需人工干预即得到处理。Policybazaar的平均响应时间从8-12分钟缩短到60秒以下,改善幅度约为88%。 在全球医疗平台Practo,Ringg的代理帮助客户预约医疗保健服务并完成服务请求。部署后,Practo实现了85%的首次呼叫解决率和低于三秒的响应时间。与之前的人工工作流程相比,运营成本降低了70%,而Ringg现在每天完成超过1,000次预约。 在线投资平台Groww使用Ringg完全通过自助服务解决72%与IPO、期货和期权相关的入站查询,平均处理时间为两分钟。 ## 将智能代理扩展到浏览器中 利用OpenAI的计算机使用能力,Ringg正在开发用于平台入驻、了解您的客户(KYC)流程、IT故障排除、值班事件支持和索赔处理的浏览器代理。 该公司还在开发一个可以跨渠道和交互保留信息的上下文层。客户可以通过语音开始请求,在WhatsApp上继续,然后在浏览器中完成,而无需每次都重复相同的细节。 > “OpenAI的计算机使用能力加速了我们的浏览器代理路线图。它们让我们能够将用户屏幕上的活动与对话上下文相结合,因此代理可以实时指导人们完成复杂的工作流程。” — Ringg联合创始人Siddharth Tripathi 对于Ringg来说,下一代客户运营将通过完成的业务成果和自动化深度来衡量,而不是通话量或人力规模。

相似文章

在 OpenAI 将入站线索转化为客户

OpenAI Blog

# 在 OpenAI 将入站线索转化为客户 来源:[https://openai.com/index/openai-inbound-sales-assistant/](https://openai.com/index/openai-inbound-sales-assistant/) *这是我们分享 OpenAI 如何使用自有技术和 API 的内部案例系列的一部分。这些工具仅在 OpenAI 内部使用,此处分享作为说明前沿 AI 如何支持我们各团队用例的示范。我们还分享了内部工具名称以保持清晰*

Circles 借助 OpenAI 技术实现电信个性化

OpenAI Blog

Circles 正在使用 OpenAI 的 API 构建 AI 原生的电信技术栈,包括 AI Concierge 和多智能体 CareX 架构,实现了 22% 的 ARPU 提升和 65% 的客户支持自主解决率。

企业AI现状

OpenAI Blog

OpenAI发布了2025年企业AI采用报告,显示超过100万商业客户使用OpenAI工具,并呈现显著规模化指标:ChatGPT消息量增长8倍,API推理令牌消耗同比增长320倍。报告强调了可衡量的生产力提升(每天节省40-60分钟)、全球扩张,以及组织中AI领先者与落后者之间日益扩大的差距。

使用 GPT-4 树立新的客户服务标准

OpenAI Blog

Ada 利用 GPT-4 和由 OpenAI API 驱动的多智能体系统来提升客户服务质量,将问题解决率从 30% 提高到 60-80%,同时保持高解决率,建立了超越传统指标的新行业标准。