Ringg ha sviluppato una piattaforma enterprise di agenti operativa sui canali vocali, chat, WhatsApp e web, per risolvere i problemi legati all’elevato volume di chiamate e ai sistemi frammentati nel servizio clienti delle grandi aziende consumer indiane. Il trasferimento dei carichi di lavoro in tempo reale appropriati da GPT-4.1 a GPT-5.6 ha ridotto di circa il 90% i costi dei modelli, mantenendo il livello di qualità e latenza richiesto. Gli agenti Ringg gestiscono più di 7 milioni di chiamate connesse al mese; il punteggio medio di soddisfazione dei clienti dei suoi clienti è pari a 4,8.
La piattaforma è in grado di eseguire operazioni nei sistemi CRM, di ticketing, di pagamento e di pianificazione, nonché nelle API interne, e trasferisce la conversazione a uno specialista con un riepilogo del contesto quando necessario. Il sistema di conoscenza combina la ricerca semantica con un filtraggio strutturato di set di dati, PDF, CSV e documenti aziendali. Le attività possono essere suddivise tra sotto-agenti specializzati in qualificazione, assistenza, verifica, pianificazione ed escalation. Ringg ha valutato i modelli OpenAI in termini di qualità, latenza, rispetto delle istruzioni, utilizzo degli strumenti, prestazioni multilingue, affidabilità e costi; ha dichiarato che OpenAI ha fornito il risultato più equilibrato nei carichi di lavoro in produzione.
- GPT-4.1 gestisce la maggior parte del traffico vocale e delle chat in tempo reale.
- GPT-5.6 Luna viene utilizzato per le richieste per le quali è più adatto in termini di prestazioni, latenza o rapporto qualità-prezzo.
- GPT-5.6 Terra esegue riepiloghi post-conversazione e la classificazione del sentiment.
- GPT-5.6 Sol viene utilizzato per la valutazione, il miglioramento dei prompt e i processi model-as-judge.
Il sistema di instradamento combina l’input del cliente con istruzioni, cronologia, dati del cliente, base di conoscenza e strumenti, quindi lo trasmette al modello. Quando il contesto raggiunge circa 80.000 token, viene creato un riepilogo strutturato. I modelli vengono testati con conversazioni precedenti e flussi simulati; nel confronto con Gemini 2.5 Flash, GPT‑5.6 Terra ha raggiunto una precisione fino al 97% nelle lingue regionali. I modelli vengono prima provati su una piccola parte del traffico di produzione; il traffico viene modificato in base alla latenza e allo stato dell’endpoint.
Gli agenti Ringg risolvono fino al 65% delle richieste di routine senza il supporto umano. In Policybazaar sono state collegate più di 57.000 richieste, il 67% delle chiamate è stato gestito senza operatori e il tempo di risposta è sceso da 8–12 minuti a meno di 60 secondi. In Practo, il tasso di risoluzione alla prima chiamata ha raggiunto l’85% e il tempo di risposta è sceso sotto i tre secondi; i costi sono diminuiti del 70% e sono stati completati più di 1.000 appuntamenti al giorno. In Groww, il 72% delle richieste relative a IPO, futures e options è stato risolto tramite self-service. Ringg sta inoltre sviluppando un sistema che conserva il contesto tra gli agenti browser e i diversi canali.
Perché è importante
Questo sviluppo dimostra che, al posto di strutture legate a un unico canale di comunicazione nel servizio clienti, è possibile applicare un modello che unisce canali diversi in un livello comune di elaborazione e informazioni. Il fatto che una parte significativa delle richieste di routine venga risolta senza il supporto umano crea una divisione del lavoro che può consentire ai dipendenti di concentrarsi su conversazioni più complesse e sui casi presi in carico quando necessario. La scelta del modello in base al tipo di richiesta, alla latenza, alle prestazioni multilingue e ai costi evidenzia l’importanza di gestire il carico di lavoro in modo distribuito, invece di scegliere semplicemente il modello più potente nell’uso dell’intelligenza artificiale. Tuttavia, resta aperta la questione se gli elevati tassi di automazione possano essere mantenuti con profili di clientela diversi e in operazioni più complesse, soprattutto nei flussi che prevedono l’accesso a sistemi di pagamento e pianificazione.
Contesto
OpenAI non è un nome nuovo nell’archivio di FikirPilot: negli ultimi 90 giorni abbiamo pubblicato 74 notizie in cui compare questo nome; la più recente è del 3 ottobre 2026.
Termine: agente
Un agente di intelligenza artificiale è un software che, invece di generare una singola risposta, invoca strumenti e svolge attività in più passaggi per raggiungere un obiettivo.