Ringg, 고객 문의 최대 65% 자동 해결

인도의 음성·채팅 에이전트 기업 Ringg가 오픈AI 모델로 고객 문의의 최대 65%를 사람 상담원 없이 해결하고 있어요. 오픈AI가 9월 23일 공개한 고객 사례에 따르면 Ringg의 에이전트는 매달 700만 건이 넘는 연결 통화를 처리하고, 고객사의 평균 고객 만족도 점수는 4.8이에요. 일부 실시간 업무를 GPT-4.1에서 GPT-5.6 Luna로 옮기자 모델 비용은 약 90% 줄었어요.

Ringg는 인도의 대형 소비자 기업과 일하며 문제를 직접 봤어요. 통화량이 늘면 상담 조직은 사람을 더 뽑는 방식으로 버텼고, 그만큼 한 건 한 건의 비용과 복잡도가 커졌어요. 상담원들은 보험 가입부터 예약까지 고객의 일을 처리하려고 쪼개진 수작업 시스템과 씨름했어요. Ringg는 그 경험을 바탕으로 음성과 채팅, 왓츠앱, 웹을 한 흐름으로 묶는 기업용 에이전트 플랫폼을 만들었어요.

싯다르트 트리파티 Ringg 공동창업자는 모델 선택의 기준을 이렇게 설명했어요. 그는 "모델 품질은 방정식의 일부일 뿐이고, 낮은 지연 시간과 믿을 만한 도구 호출, 강한 지시 이행, 대규모에서 맞는 경제성이 함께 필요하다" 며 "오픈AI가 우리에게 필요한 균형을 줬다" 고 말했어요. Ringg는 대화 품질과 지연 시간, 다국어 성능, 안정성, 비용을 두고 여러 대안과 비교한 끝에 오픈AI를 골랐다고 밝혔어요.

구조의 핵심은 일마다 모델을 나눠 쓰는 라우팅이에요. 실시간 음성과 채팅 트래픽 대부분은 GPT-4.1이 맡고, 성능이나 지연 시간, 가성비가 더 맞는 요청에는 GPT-5.6 Luna를 써요. 통화가 끝난 뒤의 요약과 감정 분류는 GPT-5.6 Terra가, 평가와 프롬프트 개선, 모델이 모델을 채점하는 작업은 GPT-5.6 Sol이 맡아요. 대화가 길어져 맥락이 약 8만 토큰에 가까워지면 시스템이 구조화된 요약을 만들어 전체 기록을 매번 다시 보내지 않고 대화를 이어 가요.

모델을 바꾸는 과정은 평가가 이끌어요. Ringg는 과거 대화와 모의 고객 흐름으로 모델을 먼저 시험하고, 통과한 모델만 실제 트래픽의 작은 몫에 먼저 붙인 뒤 범위를 넓혀요. 통화 후 분석 업무에서는 GPT-5.6 Terra가 Gemini 2.5 Flash를 앞서 요약과 감정 분류를 넘겨받았어요. 여러 언어를 섞어 말하는 대화까지 넣은 지역 언어 시험에서 Terra는 텔루구어 97% 대 72%, 칸나다어 96% 대 78%, 타밀어 93% 대 73%, 말라얄람어 92% 대 75%로 정확도가 더 높았어요.

고객사 숫자도 구체적이에요. 온라인 보험 플랫폼 폴리시바자르는 Ringg로 5만 7천 건이 넘는 고객 요청을 연결했고, 통화의 67%를 사람 개입 없이 처리했어요. 평균 응답 시간은 8~12분에서 60초 미만으로 약 88% 줄었어요. 헬스케어 플랫폼 프랙토는 첫 통화 해결률 85%와 3초 미만 응답을 기록했고, 운영 비용은 사람 중심이던 이전 방식보다 70% 줄었으며 하루 1,000건이 넘는 진료 예약을 Ringg가 처리해요. 투자 플랫폼 그로우는 공모주와 선물·옵션 관련 인바운드 문의의 72%를 셀프서비스로 해결하고 평균 처리 시간은 2분이에요.

회사의 뿌리는 음성 합성이에요. 보도에 따르면 Ringg는 DesiVocal이라는 음성 합성 스타트업으로 출발했지만 자체 음성 모델 학습 비용이 너무 커 기업용 음성 에이전트로 방향을 틀었고, 핀테크 크레드가 첫 고객이었어요. 트리파티는 초기의 발신 통화나 대출 추심 같은 대량·단순 업무를 두고 "끈끈한 사용처가 아니라 결국 가격 싸움이 된다는 걸 빨리 깨달았다" 고 말했어요. Ringg는 8월 Peak XV 파트너스에서 시리즈A 연장 투자 1천만 달러를 받아 이 라운드 총액을 1,550만 달러로 늘렸고, 보도 시점 직원은 40명이었어요.

다음 무대는 브라우저예요. Ringg는 오픈AI의 컴퓨터 사용 기능으로 플랫폼 온보딩과 고객 신원 확인, IT 문제 해결, 당직 장애 대응, 보험금 청구 처리를 맡는 브라우저 에이전트를 만들고 있어요. 고객이 음성으로 시작한 요청을 왓츠앱에서 이어 가고 브라우저에서 끝내도 같은 내용을 다시 말하지 않게 하는 맥락 계층도 개발 중이에요. 트리파티는 "컴퓨터 사용 기능 덕분에 사용자 화면에서 벌어지는 일과 대화 맥락을 합쳐, 에이전트가 복잡한 절차를 실시간으로 안내할 수 있게 됐다" 고 밝혔어요.

메탈이 확인한 오픈AI 사례 페이지의 표현을 빌리면 Ringg는 앞으로의 고객 운영을 통화량이나 인원이 아니라 완결된 업무 결과와 자동화의 깊이로 재겠다고 해요. 메탈은 베이스44가 GPT-5.6으로 토큰을 20% 줄인 사례를 보도한 바 있으며, 같은 날 오픈AI는 하비의 GPT-6 Astra 사례도 냈어요. 최상위 모델이 법률 문서를 맡는 사이, 전화 상담의 현장은 여러 세대의 모델을 일마다 갈아 끼우는 라우팅이 비용을 결정하고 있어요.

기자의 눈으로 보면 이 사례에서 가장 무거운 숫자는 65%보다 90%예요. 상담 자동화의 승부가 모델 한 개의 지능이 아니라, 어떤 일에 어떤 모델을 붙이느냐로 옮겨 갔다는 뜻이기 때문이에요. 트리파티가 대량·단순 업무를 가격 싸움이라 부르고 예약과 신원 확인 같은 복잡한 업무로 옮겨 간 것도 같은 계산이에요. 사람 상담원 없이 끝나는 통화가 늘수록, 에이전트가 사람에게 넘기는 나머지 통화를 얼마나 매끄럽게 넘기느냐가 서비스 품질을 가르게 돼요.