Ringg nói giảm 90% chi phí mô hình cho một số tác vụ thời gian thực bằng GPT-5.6

TL;DR: Ringg cho biết việc chuyển một số tác vụ thời gian thực từ GPT-4.1 sang GPT-5.6 Luna đã giảm khoảng 90% chi phí mô hình, trong khi nền tảng tác tử thoại và chat của họ đang xử lý hơn 7 triệu cuộc gọi kết nối mỗi tháng.

Ringg là nền tảng xây dựng tác tử AI cho chăm sóc khách hàng qua cuộc gọi, chat, WhatsApp và web. Công ty tập trung vào các quy trình không chỉ dừng ở trả lời câu hỏi, như tra cứu hợp đồng, lấy dữ liệu tài khoản, đặt lịch, cập nhật CRM hoặc chuyển ca cho nhân viên với đầy đủ ngữ cảnh hội thoại.

Theo Ringg, thách thức của doanh nghiệp lớn không đơn thuần là nhận nhiều cuộc gọi hơn, mà là xử lý các yêu cầu trên những hệ thống nội bộ phân mảnh. Vì vậy, hiệu quả của tác tử AI phụ thuộc vào chất lượng hội thoại, tốc độ phản hồi, khả năng gọi công cụ và chi phí vận hành, thay vì chỉ phụ thuộc vào một mô hình ngôn ngữ.

Image credit: OpenAI

Hệ thống điều phối tác tử hoạt động ra sao

Khi khách hàng gọi điện hoặc gửi tin nhắn, hệ thống của Ringg kết hợp nội dung mới với hướng dẫn dành cho tác tử, lịch sử trò chuyện, dữ liệu riêng của khách hàng, thông tin từ kho tri thức và các công cụ có thể sử dụng. Sau đó, lớp điều phối chọn mô hình và cấu hình phù hợp trước khi trả kết quả qua đúng kênh mà khách đang dùng.

Để trả lời dựa trên dữ liệu doanh nghiệp, Ringg kết hợp lọc dữ liệu có cấu trúc với semantic retrieval, tức tìm kiếm theo ý nghĩa thay vì chỉ khớp từ khóa. Nguồn dữ liệu có thể gồm cơ sở dữ liệu, PDF, CSV và tài liệu nội bộ.

Nền tảng cũng có thể chia quy trình cho các tác tử chuyên biệt, chẳng hạn tác tử xác minh, hỗ trợ, đặt lịch hoặc chuyển tiếp. Nếu cần nhân viên can thiệp, hệ thống chuyển kèm tóm tắt hội thoại để hạn chế việc khách hàng phải giải thích lại từ đầu.

Ringg phân tuyến công việc giữa các mô hình

Ringg cho biết GPT-4.1 vẫn xử lý phần lớn lưu lượng thoại và chat thời gian thực. GPT-5.6 Luna tiếp tục được dùng trong hệ thống sản xuất khi phù hợp hơn về hiệu năng, độ trễ hoặc tương quan giữa chi phí và chất lượng cho từng yêu cầu cụ thể.

Với các tác vụ sau cuộc gọi, Ringg dùng GPT-5.6 Terra để tạo tóm tắt và phân loại cảm xúc. GPT-5.6 Sol được dùng cho đánh giá chất lượng, cải thiện hướng dẫn cho mô hình và quy trình “mô hình làm giám khảo”, trong đó một mô hình chấm hoặc so sánh đầu ra của hệ thống AI khác.

Công ty nói họ kiểm thử bằng hội thoại lịch sử và các luồng khách hàng mô phỏng trước khi triển khai. Những mô hình đạt yêu cầu sẽ được đưa vào một phần nhỏ lưu lượng thực tế trước khi mở rộng. Router của Ringg theo dõi độ trễ và tình trạng endpoint theo khu vực, rồi tự chuyển lưu lượng nếu một điểm truy cập gặp lỗi hoặc vượt ngưỡng phản hồi.

Với các phiên hội thoại dài, hệ thống tạo bản tóm tắt có cấu trúc khi ngữ cảnh gần 80.000 token. Cách làm này nhằm giữ lại thông tin quan trọng mà không phải gửi toàn bộ lịch sử hội thoại lặp lại trong các lượt xử lý tiếp theo.

Kết quả triển khai do Ringg công bố

Ringg cho biết các tác tử của họ có thể giải quyết tới 65% yêu cầu khách hàng phổ biến mà không cần nhân viên. Công ty cũng nêu điểm hài lòng khách hàng trung bình của các khách hàng đang sử dụng là 4,8, nhưng không cung cấp quy mô mẫu, phương pháp khảo sát hay khoảng thời gian đo lường.

Trong các ví dụ do Ringg đưa ra, Policybazaar đã kết nối hơn 57.000 yêu cầu khách hàng qua nền tảng này; 67% cuộc gọi được xử lý không cần người can thiệp. Thời gian phản hồi trung bình được cho là giảm từ 8 đến 12 phút xuống dưới 60 giây.

Practo được Ringg báo cáo đạt tỷ lệ giải quyết ngay trong cuộc gọi đầu tiên là 85%, thời gian phản hồi dưới ba giây và chi phí vận hành giảm 70% so với quy trình trước đó do con người dẫn dắt. Ringg nói nền tảng hiện hoàn tất hơn 1.000 lượt đặt lịch khám mỗi ngày cho Practo. Với Groww, công ty cho biết 72% truy vấn đầu vào về IPO, hợp đồng tương lai và quyền chọn được khách tự xử lý, với thời gian xử lý trung bình hai phút.

Đây là các số liệu do Ringg công bố về khách hàng của mình, nên chưa thể hiện một đánh giá độc lập về hiệu quả ở các ngành, quy mô doanh nghiệp hay điều kiện triển khai khác nhau.

Hướng tới tác tử dùng trình duyệt và ngữ cảnh xuyên kênh

Ringg đang phát triển tác tử trình duyệt dựa trên năng lực computer-use của OpenAI. Các trường hợp mà công ty nhắm đến gồm onboarding trên nền tảng, quy trình KYC, hỗ trợ xử lý sự cố IT, hỗ trợ sự cố on-call và giải quyết yêu cầu bồi thường.

Mục tiêu khác là duy trì ngữ cảnh giữa nhiều kênh. Theo mô tả của Ringg, khách hàng có thể bắt đầu một yêu cầu qua cuộc gọi, tiếp tục trên WhatsApp và hoàn tất trong trình duyệt mà không phải nhập lại cùng thông tin. Công ty chưa nêu thời điểm phát hành rộng rãi các tính năng này.

Vì sao đáng chú ý?

Trường hợp của Ringg cho thấy bài toán triển khai AI trong doanh nghiệp đang chuyển từ chọn một mô hình “mạnh nhất” sang thiết kế hệ thống biết phân loại tác vụ, kết nối dữ liệu nội bộ và kiểm soát độ tin cậy khi vận hành. Với các kênh chăm sóc khách hàng có lưu lượng lớn, mức chi phí cho từng tương tác, khả năng chuyển việc sang người thật đúng lúc và việc giữ ngữ cảnh qua nhiều kênh có thể quan trọng không kém chất lượng câu trả lời.

• Nguồn chính thức: Ringg’s AI agents resolve up to 65% of customer calls with OpenAI, OpenAI, 23/09/2026