A Ringg, plataforma asiática de agentes virtuais para atendimento ao cliente, anunciou que seus agentes de IA, apoiados pelo GPT‑5.6 da OpenAI, já resolvem até 65% dos chamados sem intervenção humana. A startup atende mais de 7 milhões de chamadas conectadas por mês, operando em canais como voz, chat, WhatsApp e web. O movimento resultou em uma redução de custos de cerca de 90% em relação ao uso do GPT‑4.1, sem sacrificar qualidade, segundo dados da própria empresa [fonte].
Automação em escala, com foco em resultado
O setor de atendimento ao cliente costuma responder a picos de demanda com contratação de pessoal, elevando custos e complexidade operacional. A Ringg identificou o problema ao atender grandes empresas de consumo na Índia, onde agentes humanos enfrentavam sistemas fragmentados para tarefas rotineiras, como agendamento e suporte. Com o uso de modelos avançados como o GPT‑5.6, a plataforma passou a orquestrar fluxos completos — desde checagem de dados até transferências para especialistas humanos, sempre mantendo contexto da conversa.
A arquitetura da Ringg utiliza diferentes variantes do GPT‑5.6:
- Luna para interações em tempo real (voz/chat) que demandam baixa latência e instrução precisa;
- Terra para análise pós-chamada, geração de resumos e classificação de sentimento;
- Sol para testes internos, avaliação de prompts e workflows de “modelo-como-juiz”.
A escolha do modelo é feita dinamicamente, segundo a tarefa. O histórico da conversa, dados do cliente e contexto relevante são combinados antes do roteamento para cada modelo. Para conversas extensas, a plataforma gera resumos estruturados quando o contexto se aproxima de 80 mil tokens, evitando a necessidade de reenviar todo o histórico.
Avaliação contínua e adaptação regional
A Ringg adota um ciclo contínuo de avaliação antes de liberar novos modelos em produção. Testes simulam conversas reais e avaliam desempenho em múltiplos idiomas, incluindo cenários de troca rápida entre inglês e línguas locais — prática comum nos mercados asiáticos.
No caso da análise pós-chamada, o GPT‑5.6 Terra superou alternativas como o Gemini 2.5 Flash, alcançando até 97% de acurácia em idiomas regionais relevantes para a base de clientes da Ringg. Modelos aprovados vão para produção gradualmente, com monitoramento ativo de latência e saúde dos endpoints. O sistema isola falhas automaticamente, limitando impactos operacionais e otimizando custos.
Impacto operacional: menos custo, mais satisfação
Os ganhos econômicos são expressivos: workloads migrados do GPT‑4.1 para o GPT‑5.6 resultaram em queda de 90% nos custos de modelo, sem perda de qualidade perceptível. O índice de satisfação do cliente (CSAT) médio está em 4,8, número elevado para operações de alto volume.
A Ringg também divide tarefas entre subagentes especializados em qualificação, suporte, verificação, agendamento e escalonamento, sempre coordenados para manter a experiência fluida ao usuário final.
Por que importa
O caso Ringg mostra que a automação de atendimento via LLMs já atinge escala operacional e qualidade suficiente para substituir parte relevante do trabalho humano em mercados emergentes. A redução de custos muda o patamar de viabilidade para empresas de grande porte, especialmente onde o volume de chamadas é crítico. Para o mercado brasileiro, a estratégia de orquestração e avaliação contínua — aliada à flexibilidade de modelos como o GPT‑5.6 — antecipa um cenário em que a automação não será só complemento, mas núcleo do atendimento ao cliente.