Умный поиск, чат-бот для ретейлера и AI-поддержка: сценарии применения нейросетей с понятным KPI
Несмотря на растущую популярность искусственного интеллекта (ИИ), результаты его использования не всегда оправдывают ожидания бизнеса. По данным американской некоммерческой исследовательской организации Rand Corporation, более 80% проектов в области ИИ оказываются неудачными. Этот показатель в два раза выше, чем в проектах в области информационных технологий, не связанных с ИИ. Авторы исследования опросили десятки ученых и инженеров, чтобы выяснить, почему так происходит. В результате эксперты выделили пять основных причин, мешающих компаниям эффективно использовать ИИ:
- не понимают или неправильно понимают, какую проблему необходимо решить с помощью технологии;
- отсутствуют необходимые данные для обучения модели;
- больше сосредоточены на использовании новейших технологий, чем на решении реальных проблем;
- нет нужной инфраструктуры для управления данными и развертывания готовых моделей;
- технология применяется для проблем, которые слишком сложны для ИИ.
Рассказываем, как компании побороли сложности, запустили реальные проекты с YandexGPT и ищут новые сценарии.
«Технопарк» и умный поиск «Иннова»
Сейчас в каталоге интернет-магазина насчитывается более 30 тыс. товаров в разных категориях. Также на сайте есть техноблог, где публикуются экспертные статьи о технике и новых технологиях. С расширением ассортимента у компании появился запрос на упрощение процесса выбора техники, чтобы покупатели могли фокусироваться на важных для них характеристиках.
Перед покупкой человек, как правило, ищет информацию о выбранном товаре не только на сайте магазина. Он обращается за помощью и к другим поисковым системам. В «Технопарке» мы хотели создать такие условия, чтобы клиент подбирал товар внутри сайта, не обращаясь к внешним источникам. Решением стало внедрение умного поиска «Иннова». Теперь разобраться в сложных функциях гаджетов или сравнить несколько вариантов техники стало еще проще: экспертизу онлайн-консультантов дополняет искусственный интеллект.
С «Инновой» на базе технологий Yandex Search API и большой языковой модели YandexGPT клиенты могут использовать интернет-магазин technopark.ru не только как инструмент для быстрой покупки, но и как источник информации и возможность лучше разобраться в технике и электронике. Достаточно ввести свой запрос, кратко или с подробностями. Нейропоиск поможет быстро уточнить важные детали и определиться с выбором техники, используя всю информацию, содержащуюся на сайте.
Реализация — от идеи до MVP — заняла всего два месяца. Во время проверки идеи выявилось несколько сложностей. Во-первых, мы как e-com стремимся уменьшить количество шагов клиента, которые он совершает до принятия решения о покупке товара. Когда мы только начали внедрять эту технологию, заметили, что, выдавая много полезной информации о нюансах выбора того или иного товара, мы как бы подталкиваем пользователя продолжать поиск с «полученными знаниями» самостоятельно, тем самым мы не выполняли задачу по сокращению количества шагов до принятия решения о покупке конкретного товара. Для устранения этой проблемы мы тщательно прорабатывали интерфейс и подход к отображению рекомендуемых к покупке товаров. Вторая сложность: функция генеративного ответа поднимала из недр сайта буквально все, что было проиндексировано за последние несколько лет. Некоторое время ушло на то, чтобы скрыть неактуальную информацию от пользователя и оставить только свежие данные.
У клиентов, которые используют функционал «Инновы», конверсия по добавлению в корзину в разы выше, чем у тех, кто этого не делает. Также покупатели задают уточняющие вопросы о моделях, которые показал генеративный ответ. Наше решение было нацелено именно на удобство ведения вот такого диалога.
В ближайших планах «Технопарка» развивать использование генеративного ответа. Мы планируем внедрять эту функциональность на различных страницах сайта. Хотим создать умного помощника на всем клиентском пути. Например, при выборе подарка, изучении карточки товара и не только. То есть расширять присутствие генеративного ответа на сайте «Технопарка» и в мобильном приложении.
«Вкусвилл» и выбор блюд с помощью чат-бота
Разнообразие товаров на полках розничных и интернет-магазинов иногда затрудняет выбор. Клиенты теряются в таком разнообразии продуктов, что негативно сказывается на их покупательском опыте.
Чтобы решить эту проблему, «Вкусвилл» создал в Telegram чат-бот под названием «пИИрожок». С помощью наводящих вопросов он помогает покупателю выбрать блюдо с учетом предпочтений и ограничений. Уникальность бота — умение генерировать обоснования. Модель получает персональные особенности пользователя и на их основе делает выбор. С момента запуска чат-ботом воспользовалось около 15 тыс. человек.
Идея создания «пИИрожка» родилась в рамках брейншторма креативной команды «Вкусвилла» во время проработки спецпроектов для рекламной кампании «Готовая еда», направленной на подсветку разнообразия кулинарии. Во время брейншторма команда пришла к выводу, что во «Вкусвилле» представлено много позиций готовой еды (более тысячи, включая ассортимент «Сгоряча»). Покупателям бывает сложно разобраться и выбрать то, что им хочется именно сегодня.
Внутри «Вкусвилла» также ведется разработка новых проектов с использованием системы рекомендации продуктов покупателям. Компания планирует это использовать как в процессе развития системы персональной лояльности, так и с целью продвижения отдельных категорий.
ВШЭ и чат-бот для подбора профессии
На сайте Высшей школы экономики (ВШЭ) насчитывается не менее 1 млн страниц, где можно найти информацию об учебных программах, курсах, исследованиях. Однако пользователи зачастую терялись в этом объеме данных и не всегда с первого раза находили нужную им страницу. Чтобы облегчить поиск, мы использовали стандартные веб-способы: создавали новые каталоги и улучшали навигацию, занимались поисковой оптимизацией контента, внедряли различные калькуляторы (например, ЕГЭ). Но эти меры ситуацию кардинально не меняли.
Решением стала интеграция YandexGPT в чат-бот на сайте вуза. Чат-бот разработали специалисты ВШЭ и архитекторы Yandex Cloud. В процессе разработки команда столкнулась и с трудностями. Первая — актуализация данных. YandexGPT прочитала и помнила всю информацию о «Вышке». Но не знала тех изменений, которые происходят в вузе, или узнавала о них позже. Поэтому для обучения модели использовался метод RAG (retrieval-augmented generation). Это подход, при котором дополнительная информация в виде контекста передается нейросети из внешних источников. Вторая трудность — ограничение ответов модели таким образом, чтобы они соответствовали требованиям университета, в том числе законодательным.
Сейчас бот помогает абитуриентам подобрать подходящую учебную программу на основе их интересов. Пользователь делится с ним информацией о себе в свободной форме, письменно или голосовым сообщением. Нейросеть анализирует эти данные и дает рекомендацию. Главная задача чат-бота — не просто предложить какую-то образовательную программу по запросу, а еще убедиться в том, что рекомендация не навредит пользователю. Чат-бот был запущен летом 2024 года, когда началась активная фаза приемной кампании, с 20 июня до конца августа. С момента запуска сервисом воспользовались около 5% от общего количества посетителей страниц, а свыше 70% из них оставили положительную оценку.
Команда также использует YandexGPT для создания «нулевой линии» технической поддержки. Ежедневно в техподдержку вуза обращаются сотни пользователей с разными проблемами, от выдачи доступов до сообщений об ошибках, требующих вовлечения специалистов нескольких смежных подразделений. Поэтому нужна была система, которая позволяла бы на типовые вопросы давать автоматические ответы и только в сложных случаях передавать задачу от пользователя в техническую поддержку, где бы с ней уже разбирались персонально. Нюанс заключается в том, что в данном случае у вуза нет готовой базы знаний. Чтобы обучить модель, мы применяем YandexGPT. Те запросы, которые были накоплены, отработаны и получили высокую оценку за последние несколько лет, становятся основой для импровизированной базы знаний. «Нулевая линия» технической поддержки пока находится на стадии разработки.
Советы по внедрению «генеративок» от экспертов Yandex Cloud
- Лучше начинать внедрение генеративного ИИ в компании с простых сценариев. Это позволяет быстро получить первые результаты и продемонстрировать возможности новых технологий, чтобы заручиться поддержкой для более сложных проектов.
- Важно правильно регулировать ожидания от технологий ИИ. GPT-модели не стоит применять в задачах, где лучше работают классические ML-алгоритмы, например для оптимизации цен или прогнозирования спроса.
- Технологии развиваются очень быстро. Необходимо работать с надежным партнером, который понимает сложности и риски, которые могут возникнуть при внедрении LLM в реальные бизнес-процессы.
- Один из самых частых сценариев для работы с моделями — вопросно-ответные системы и чат-боты. При реализации таких проектов следует планировать большую часть работы на разметку и оценку качества аналитиками или асессорами. Это важно, чтобы оценить качество решения.
