Ringg AI 에이전트 및 OpenAI 통합

Ringg는 음성 및 채팅 에이전트 플랫폼으로, OpenAI의 GPT-5.6 모델 패밀리를 통합하여 고객 서비스 운영을 자동화하고, 인간 개입 없이 최대 65%의 반복적 문의를 해결합니다. GPT-4.1에서 GPT-5.6으로 실시간 워크로드를 마이그레이션함으로써 Ringg는 모델 비용을 약 90% 감소시켰으며, 동시에 필요한 품질과 지연 시간 기준을 유지했습니다.

다중 모델 라우팅 전략

Ringg는 요청의 성능, 지연 시간, 가격 대비 성능 프로파일에 따라 작업을 특정 OpenAI 모델에 할당하는 라우팅 계층을 사용합니다:

• GPT-4.1: 실시간 음성 및 채팅 트래픽의 대부분을 처리합니다.
• GPT-5.6 Luna: 특정 성능 또는 가격 프로파일이 최적화된 실시간 워크로드에 사용됩니다.
• GPT-5.6 Terra: 콜 후 분석(감성 분류 및 요약 포함)에 전용으로 사용됩니다.
• GPT-5.6 Sol: 평가, 프롬프트 개선, 모델-어스-재판(모델을 심판으로 사용하는 워크플로우)에 활용됩니다.

긴 상호작용을 관리하기 위해, 대화 컨텍스트가 약 80,000 토큰에 도달하면 시스템이 구조화된 요약을 생성하여 전체 기록을 다시 전송하지 않고도 상호작용을 계속할 수 있도록 합니다.

에이전트 아키텍처 및 오케스트레이션

Ringg 플랫폼은 GPT-5.6 Luna 및 기타 모델을 사용하여 요청을 해석하고 사용자를 다단계 워크플로우를 통해 안내합니다. 시스템의 오케스트레이션 계층은 내부 API, 결제 시스템, 스케줄링 도구, 티켓 플랫폼, CRM을 통해 작업을 실행합니다.

주요 아키텍처 구성 요소는 다음과 같습니다:

• 지식 시스템: CSV, PDF, 비즈니스 문서, 데이터셋을 across semantic 검색과 구조화된 필터링을 결합합니다.
• 전문 서브에이전트: 검증, 승급, 지원, 자격 평가, 스케줄링에 전념하는 서브에이전트들로 작업을 분담합니다.
• 다중 채널 일관성: 웹, WhatsApp, 채팅, 음성 채널 간에 일관된 대화 상태를 유지합니다.

성능 벤치마크 및 산업 성과

Ringg의 OpenAI 모델 구현은 다양한 분야에서 중요한 운영 개선을 이끌어냈습니다:

• 보험 (Policybazaar): 인간 개입 없이 67%의 전화를 처리했으며, 평균 응답 시간이 8–12분에서 60초 미만으로 감소(88% 향상).
• 의료 (Practo): 1차 전화 해결률 85%를 달성하고 응답 시간은 3초 미만으로, 인간 주도 워크플로우 대비 운영 비용을 70% 감소시켰습니다.
• 투자 (Groww): 옵션, 선물, IPO와 관련된 입고 문의의 72%를 자가 서비스로 해결했으며, 평균 처리 시간은 2분입니다.

평가 및 품질 보증

Ringg는 시뮬레이션된 고객 흐름과 과거 대화에 대한 모델 테스트를 통해 지속적인 개선 루프를 활용합니다. 헤드투헤드 평가에서 GPT-5.6 Terra는 콜 후 분석 및 지역 언어 정확도에서 Gemini 2.5 Flash를 능가하며, 일반적인 지역 언어에서 최대 97%의 정확도를 달성했습니다.

생산 배포는 단계적 접근을 따릅니다: 모델은 오프라인 테스트를 통과한 후 소규모 생산 트래픽에 도입된 후 확장됩니다. 라우팅 계층은 지역별 엔드포인트 상태와 지연 시간을 모니터링하여 임계값을 초과하면 트래픽을 자동으로 전환합니다.

미래 개발: 브라우저 에이전트

Ringg는 OpenAI의 컴퓨터 사용 기능을 활용하여 브라우저 에이전트를 개발하고 있습니다. 이러한 에이전트는 IT 문제 해결, 청구 처리, 온콜 사고 지원, 고객 신원 확인(KYC) 프로세스, 플랫폼 온보딩과 같은 복잡한 워크플로우를 자동화하도록 설계되었습니다. 또한 Ringg는 다양한 채널 간에 정보를 유지하는 컨텍스트 계층을 구축하고 있으며, 사용자가 음성에서 WhatsApp로, 브라우저로 이동할 때 정보를 반복하지 않도록 합니다.