링그의 AI-agent가 OpenAI를 통해 고객 문의의 65% 이상을 해결합니다.
Ringg는 GPT-5.6을 사용하여 음성, 채팅, WhatsApp, 웹 등 다국어 에이전트를 90% 비용이 덜 들이는 GPT-4.1보다 운영합니다.
고객 문의 해결의 새로운 길
최근 링그의 인공지능 에이전트가 고객 문의의 65% 이상을 해결하는 성과를 거두었습니다. 이는 대규모 언어 모델을 활용하여 다국어 지원을 제공함으로써 가능했습니다. 이를 통해 고객들은 다양한 채널을 통해 효율적으로 문의를 해결할 수 있습니다. 링그의 인공지능 에이전트는 다양한 채널을 지원합니다. 이는 음성, 채팅, وات츠앱, 웹 등 다양한 경로를 통해 고객의 문의를 처리할 수 있음을 의미합니다. 이러한 다채널 지원은 고객의 편의성을 높여주고, 기업은 고객의 만족도를 높일 수 있습니다. 또한, 이러한 시스템은 기존의 시스템보다 90% 이상의 비용을 절감할 수 있습니다.기술적 배경
이러한 성과는 최신 기술을 활용함으로써 가능했습니다. 대규모 언어 모델인 지피티 5.6를 사용하여 다국어 지원을 제공함으로써, 고객의 다양한 문의를 효율적으로 처리할 수 있습니다. 이러한 기술은 고객 문의 처리의 새로운 표준을 설정하고 있습니다. 이를 통해 기업은 고객의 만족도를 높이고, 비용을 절감할 수 있습니다. 이러한 기술의 발전은 고객 문의 처리의 미래를 밝게 합니다.함께 읽으면 좋은 기사
인비디오, GPT-6 Astra를 통해 3배 향상된 컬러 그레이딩
인비디오는 GPT-6 Astra를 통해 편집 계획을 더 정확하게 짤 수 있으며, 컬러 교정과 그레이딩을 3배 향상시켰습니다. 또한 1일 동안 50개의 커스텀 효과를 생성할 수 있습니다. 대규모 언어 모델(LLM) 기술을 활용하여 컬러 그레이딩을 개선하는 방안에 대해 알아보겠습니다.
하비가 GPT-6 아스트라와 함께 법적 맥락을 강화한 판본으로 변환합니다.
GPT-6 아스트라는 더 구조화된 맥락에 대한 법적 문서를 생성하며, 변호사들은 전략에 집중할 수 있게 해줍니다.
노이즈가 있는 경찰 음성 데이터에 대한 미리 학습된 ASR 가짜 레이블링
방송 경찰 통신(Broadcast Police Communication, BPC)에서 노이즈가 많은 상황에서 훈련된 음성 인식 시스템이 나쁜 성능을 보인다. 이를 통해 경찰의 의사 결정이 이해될 수 없게 되고, 이는 경찰의 의사 결정에 대한 연구를 어렵게 만든다. 사용자 레이블을 비용이 많이 들지 않고 pseudo-labeling을 통해 ASR 성능을 개선할 수 있는 방법이 있다. 그러나 매
단백질 확산 모델의 테스트 시점 정렬을 위한 스펙트럴 피드백
Reward 최적화와 일치하는 방법을 위한 분산 확산 모델의 방법론은 대개 역과정의 방향을 조절하기 위해 로짓을 영향받거나 중간 단계에서 선호하는 시퀀스를 선택하는 것을 목표로 합니다. 이러한 접근법은 주로 추론을 단방향적인 과정으로 다루며, 불쾌한 토큰 선택을 재방문하는 메커니즘을 제공하지 못합니다. 우리는 Spectral Feedback 라는 알고리즘을 소개합니다. 이 알고리즘은 feed
3차원 구조 기반의 막통합 단백질의 상위 구조 예측
이 논문은 최신 그래프 신경망(GNN, Graph Neural Network)인 SchNet을 이용한 단백질拓종 추론의 새로운 방법을 제시한다. 모델은 최근 DeepTMHMM 모델을 개발하기 위해 사용된 데이터셋과 동일한 데이터셋을 사용하여 5-분할 교차 검증을 통해 학습되었다. 단백질 서열이나 $\alpha$- 탄소만을 특성으로 사용하는 전통적인 접근법과 달리, 우리는 분류기에서 모든 원자
채팅GPT 광고가 동남아시아와 타이완으로 확장된다.
채팅GPT 광고가 동남아시아와 타이완에 진출하여, 60개국 이상의 사람들과 연결할 수 있는 새로운 방법을 제공할 예정입니다.
관련 콘텐츠 더 보기
다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.