Ringg, Hindistan’daki büyük tüketici şirketlerinin müşteri hizmetlerinde yaşadığı çağrı yoğunluğu ve parçalı sistem sorunlarına çözüm olarak ses, sohbet, WhatsApp ve web kanallarında çalışan kurumsal bir ajan platformu geliştirdi. Uygun gerçek zamanlı iş yüklerinin GPT‑4.1’den GPT‑5.6’ya taşınması, gerekli kalite ve gecikme düzeyi korunurken model maliyetlerini yaklaşık %90 azalttı. Ringg ajanları ayda 7 milyon’dan fazla bağlantılı çağrıyı yönetiyor; müşterilerinin ortalama müşteri memnuniyeti skoru 4.8.
Platform; CRM, biletleme, ödeme ve planlama sistemleriyle dahili API’lerde işlem yapabiliyor, gerektiğinde görüşmeyi bağlam özetiyle bir uzmana aktarıyor. Bilgi sistemi; veri kümeleri, PDF’ler, CSV’ler ve işletme belgelerinde yapılandırılmış filtreleme ile anlamsal aramayı birleştiriyor. İşler yeterlilik, destek, doğrulama, planlama ve eskalasyon gibi uzman alt ajanlara bölünebiliyor. Ringg, OpenAI modellerini kalite, gecikme, talimat izleme, araç kullanımı, çok dilli performans, güvenilirlik ve maliyet açısından değerlendirdi; üretim iş yüklerinde en dengeli sonucu OpenAI’ın verdiğini belirtti.
- GPT‑4.1, gerçek zamanlı ses ve sohbet trafiğinin çoğunu yönetiyor.
- GPT‑5.6 Luna, performans, gecikme veya fiyat-performans açısından uygun taleplerde kullanılıyor.
- GPT‑5.6 Terra, görüşme sonrası özet ve duygu sınıflandırması yapıyor.
- GPT‑5.6 Sol, değerlendirme, istem iyileştirme ve model-as-judge süreçlerinde kullanılıyor.
Yönlendirme sistemi, müşteri girdisini talimatlar, geçmiş, müşteri verileri, bilgi tabanı ve araçlarla birleştirerek modele iletiyor. Bağlam yaklaşık 80,000 token’a ulaştığında yapılandırılmış özet oluşturuluyor. Modeller geçmiş görüşmeler ve simüle akışlarla test ediliyor; GPT‑5.6 Terra, Gemini 2.5 Flash karşılaştırmasında bölgesel dillerde %97’ye kadar doğruluk sağladı. Modeller önce üretim trafiğinin küçük bölümünde deneniyor; gecikme ve uç nokta durumuna göre trafik değiştiriliyor.
Ringg ajanları rutin taleplerin %65’ine kadarını insan desteği olmadan çözüyor. Policybazaar’da 57,000’den fazla talep bağlandı, çağrıların %67’si insansız yönetildi ve yanıt süresi 8–12 dakikadan 60 saniyenin altına indi. Practo’da ilk çağrıda çözüm oranı %85’e, yanıt süresi üç saniyenin altına ulaştı; maliyetler %70 azaldı ve günde 1,000’den fazla randevu tamamlandı. Groww’da IPO, futures ve options sorgularının %72’si self-servis çözüldü. Ringg ayrıca tarayıcı ajanları ve kanallar arasında bağlamı koruyan bir sistem geliştiriyor.
Neden önemli
Bu gelişme, müşteri hizmetlerinde tek bir iletişim kanalına bağlı yapıların yerine farklı kanalları ortak bir işlem ve bilgi katmanında birleştiren bir modelin uygulanabildiğini gösteriyor. Rutin taleplerin önemli bölümünün insan desteği olmadan sonuçlandırılması, çalışanların daha karmaşık görüşmelere ve gerektiğinde devralınan vakalara odaklanmasını sağlayabilecek bir iş bölümü yaratıyor. Model seçiminin talep türü, gecikme, çok dilli performans ve maliyete göre yapılması, yapay zeka kullanımında yalnızca en güçlü modeli seçmek yerine iş yükünü parçalı yönetmenin önemini ortaya koyuyor. Ancak yüksek otomasyon oranlarının farklı müşteri profillerinde ve daha karmaşık işlemlerde korunup korunamayacağı, özellikle ödeme ve planlama gibi sistemlere erişim içeren akışlarda açık bir soru olarak kalıyor.
Arka plan
OpenAI, FikirPilot arşivinde yeni bir ad değil: son 90 günde bu adın geçtiği 74 haber yayımladık; en yenisi 3 Ekim 2026 tarihli.
Terim: ajan
Yapay zekâ ajanı, tek bir yanıt üretmek yerine hedefe ulaşmak için araç çağırıp çok adımlı iş yürüten yazılımdır.