Индийский стартап Ringg привлек $10 млн от Peak XV Partners в качестве расширения раунда серии А. С учетом предыдущих инвестиций в размере $5,5 млн, общий объем раунда составил $15,5 млн. Компания планирует использовать средства для перехода от простых сценариев голосового ИИ к автоматизации сложных бизнес-процессов.
От простых звонков к сложным задачам
Изначально проект развивался как стартап по преобразованию текста в речь под названием DesiVocal. Однако из-за высокой стоимости обучения собственных моделей основатели сменили стратегию и перешли к созданию ИИ-агентов для предприятий. Сейчас Ringg работает как уровень оркестрации, распределяя задачи между различными моделями в зависимости от конкретного кейса.
Если раньше компания фокусировалась на низкосложных задачах — исходящих звонках, квалификации лидов и сборе задолженностей, — то теперь приоритет сместился в сторону более глубокой интеграции. Среди новых направлений: запись на прием в медицинские клиники, восстановление брошенных корзин в e-commerce и прохождение процедур KYC (знай своего клиента) в финтех-приложениях.
Клиенты и масштабирование
Первым клиентом Ringg стал индийский финтех Cred. Сейчас среди пользователей сервиса — Flipkart, Practo, Groww и Policybazaar. Например, голосовой агент уже работает в 1200 клиниках через приложение Practo, помогая пациентам записываться на прием и отслеживать этапы лечения.
Хотя голосовые вызовы составляют более 70% бизнеса, Ringg начинает осваивать другие каналы, включая чаты и WhatsApp. Для таких клиентов, как Shell, компания автоматизирует запросы в поддержке через браузер. При этом стартап не планирует прямые продажи в США, а нацелен на партнерство с глобальными центрами компетенций (GCC) в Индии, которые обслуживают международные корпорации.
Конкуренция на рынке
Рынок голосового ИИ в Индии перенасыщен: здесь конкурируют разработчики моделей (Deepgram, ElevenLabs, Sarvam), оркестраторы (Bolna, Blue Machines) и узкоспециализированные игроки (Gnani, Arrowhead). Ringg делает ставку на владение полным стеком технологий, включая собственную инфраструктуру и модели распознавания и генерации речи, хотя на текущем этапе это остается слишком дорогостоящей задачей.