Сервис такси внедрил в свою службу поддержки технологию, которая сочетает большие языковые модели и ИИ-агента. Нейросети, которые отвечают на запросы клиентов Яндекс Такси, не просто поддерживают
Сервис такси внедрил в свою службу поддержки технологию, которая сочетает большие языковые модели и ИИ-агента. Нейросети, которые отвечают на запросы клиентов Яндекс Такси, не просто поддерживают контекст и диалог с пользователем, но и могут принимать решения и действовать самостоятельно - например, заново заказать такси или сообщить водителю о забытых в салоне вещах. Уже сейчас они решают без участия оператора 60 процентов всех текстовых обращений пользователей в поддержку сервиса. Такой подход позволяет значительно перераспределить нагрузку, чтобы специалисты могли быстрее подключаться к сложным вопросам. Автоматизация поддержки позволит сервису в 2026 году сэкономить более 600 миллионов рублей.
После внедрения технологии скорость ответа пользователю в службе поддержки выросла в полтора раза. В неделю нейросети самостоятельно решают в среднем более 450 тысяч вопросов, не привлекая специалиста к диалогу. Оператор подключается к чату по сложным и чувствительным обращениям или если нейросеть не уверена в своем ответе - такие запросы переводятся на специалиста автоматически.
В основе технологии - четыре большие языковые модели, созданные на основе Alice AI LLM. Каждая из них выполняет свою функцию и специально дообучалась на реальных обезличенных диалогах операторов поддержки с пользователями. Разработала технологию команда Техплатформы городских сервисов Яндекса, которая создает решения для высоконагруженных систем компании.
Когда в службу поддержки приходит запрос от пользователя, первая нейросеть решает, нужно ли передавать его человеку или на него может ответить модель. Если она определяет, что вопрос может быть решен без участия специалиста, то отправляет его другой нейросети, которая использует RAG-подход (RetrievalAugmented Generation - генерация, дополненная поиском). Она обрабатывает информацию и обращается в специальную базу знаний, где находит похожие кейсы и документацию, релевантную ситуации.
Далее процесс переходит к третьей модели - ИИ-агенту, который непосредственно готовит ответ пользователю. Он способен не только сгенерировать текст, но и самостоятельно исходя из контекста принять решение, что необходимо сделать в конкретной ситуации, какой из внутренних сервисов подключить. Агент может, например, вернуть деньги за заказ, перезаказать машину или отправить промокод.
За качество отвечает четвертая нейросеть - модель-критик. Ее задача - проверить ответ на соответствие эталонным кейсам и корректность всей информации. По результатам внутренних замеров side-by-side и АВ-тестам, ответы нейросети не уступают по качеству ответам оператора благодаря многоступенчатому контролю.
Сервис планирует в 2026 году автоматизировать до 70 процентов текстовой работы службы поддержки не только для пользователей, но и для водителей. Кроме того, будут развиваться решения в сфере голосовой поддержки. В дальнейшем с помощью больших языковых моделей планируется автоматизировать работу поддержки других сервисов компании.
Мариуполь, бульвар Шевченко
