NUSA TENGGARA BARAT — Ringg, startup yang mengembangkan agen kecerdasan buatan (AI) bersuara untuk kebutuhan enterprise, baru saja mengumumkan perolehan dana segar. Pendanaan sebesar US$10 juta ini datang dari Peak XV Partners, menambah total putaran Seri A mereka menjadi US$15,5 juta setelah sebelumnya mengantongi US$5,5 juta di awal tahun.
Perusahaan yang bermula dengan nama DesiVocal ini menggarap pasar yang cukup besar. Berdasarkan studi Truecaller, lebih dari 76% konsumen di India masih lebih memilih berkomunikasi dengan bisnis melalui panggilan telepon. Celah inilah yang coba diisi Ringg dengan otomatisasi layanan pelanggan dan penjangkauan (outreach) bertenaga AI.
Perjalanan Ringg tidak singkat. Awalnya, mereka adalah startup text-to-speech yang melatih model suara sendiri. Namun, biaya pelatihan yang mahal membuat pendirinya, Siddharth Tripathi, mengubah arah bisnis ke level yang lebih tinggi: membangun agen AI bersuara untuk perusahaan.
Keputusan itu membuahkan hasil. Fintech Cred menjadi pelanggan pertama, disusul nama-nama besar seperti Flipkart, Practo, Groww, dan PolicyBazaar. Tripathi mengakui bahwa kasus penggunaan awal mereka seperti panggilan keluar (outbound calling) dan kualifikasi prospek memang kurang "lengket" dan rawan perang harga.
"Pada awalnya, kami mengerjakan kasus penggunaan bervolume tinggi dan kompleksitas rendah seperti panggilan keluar, kualifikasi prospek, dan penagihan pinjaman. Kami segera menyadari ini bukan kasus penggunaan yang lengket, jadi ini akan selalu menjadi permainan harga," ujar Tripathi kepada TechCrunch.
Kini, Ringg mengalihkan fokus pada pekerjaan yang lebih rumit. Agen suara mereka sudah beroperasi di 1.200 klinik untuk aplikasi kesehatan Practo, membantu pasien memesan janji temu atau menindaklanjuti perawatan pasca-kunjungan. Mereka juga menangani pemulihan keranjang belanja yang ditinggalkan (abandoned-cart) untuk e-commerce dan pemeriksaan KYC untuk aplikasi fintech.
Meski panggilan suara masih menyumbang lebih dari 70% bisnis, Ringg mulai merambah kanal lain seperti chat dan WhatsApp. Untuk klien seperti Shell, mereka bahkan mengotomatisasi permintaan dukungan berbasis browser. "Kami mencoba memposisikan diri sebagai platform untuk agen yang memberikan hasil atau menyelesaikan pekerjaan, bukan sekadar agen suara untuk enterprise," jelas Tripathi.
Sebagian besar pelanggan Ringg berada di India, dengan beberapa di Timur Tengah dan AS. Namun, mereka tidak berniat menjual langsung ke perusahaan AS. Strateginya adalah bermitra dengan Global Capability Centers (GCC) di India—pusat offshoring yang banyak digunakan perusahaan multinasional untuk pekerjaan back-office dan dukungan—untuk menjual kapasitas otomasi di samping dukungan manusia.
Dari sisi teknologi, Ringg membangun model pengenalan dan generasi suara sendiri. Meski bercita-cita memiliki seluruh tumpukan suara (voice stack) termasuk infrastruktur, saat ini biayanya masih terlalu mahal. Produk mereka beroperasi sebagai lapisan orkestrasi yang merutekan tugas ke berbagai model sesuai kebutuhan.
Rishen Kapoor, Principal di Peak XV, menilai kedalaman teknis Ringg menjadi pembeda. "Karena kemampuan teknisnya, mereka benar-benar dapat mengerjakan alur kerja enterprise yang sulit dari awal hingga akhir. Mereka dapat menyelesaikan tugas bernilai tinggi seperti onboarding merchant dan dukungan L1 dan L2 dengan kualitas dan konsistensi," kata Kapoor.
Pasar voice AI di India memang ramai. Pembuat model seperti Deepgram, ElevenLabs, Cartesia, serta pemain lokal Sarvam dan Smallest.ai saling berebut posisi. Startup fokus orkestrasi seperti Bolna dan Blue Machines juga memburu lapisan yang sama dengan Ringg, sementara pemain sektor seperti Gnani dan Arrowhead berkonsentrasi di bidang keuangan.
Persaingan ini menunjukkan bahwa nilai dan daya tahan (defensibility) ada pada siapa yang memegang hubungan pelanggan dan hasil akhir. Saat ini Ringg memiliki 40 karyawan, dengan lebih dari 15 orang direkrut dalam tiga bulan terakhir. Mereka sedang mencari insinyur yang ditempatkan di lapangan (forward-deployed engineer) yang menggabungkan kemampuan teknis dengan manajemen produk, serta peneliti untuk menekan biaya operasional model.