Крупнейшие российские интернет-площадки перестраивают свою экономику с учетом искусственного интеллекта. ИИ проверяет номера, ищет царапины на фото и оценивает автомобили с точностью до нескольких тысяч рублей. О том, как нейросети трансформировали Авито Авто рассказал технический директор платформы Артур Щеглов.
Важно разделять: GenAI — это новая волна, а классические технологии — компьютерное зрение, машинное обучение, антифрод, рекомендации, поиск — все это на рынке присутствует давно.
Специализированные ML-модели, каждая из которых решает свою задачу, внедрены в Авито еще с 2014 года и сейчас они есть практически на всех этапах взаимодействия пользователя с площадкой.
Порядка 99% объявлений на платформе модерируется автоматически, и только небольшая часть попадает на ручную проверку. Ежедневно через эти проверки проходит порядка 25 млн объявлений.
Существуют алгоритмы определения рыночной цены автомобиля с пробегом, которые анализируют около 40 параметров машины и внешних факторов, включая состояние рынка, спрос и предложение, информацию о реальных сделках.
То же компьютерное зрение: можно натренировать модель на большом стоке фотографий с ржавчиной, царапинами, трещинами и прочими дефектами. Она учится это распознавать и потом может буквально на изображении показать: вот здесь дефект с вероятностью X, обрати внимание.
Поэтому GenAI скорее стал новым интерфейсом поверх существующего слоя базовых технологий. Генеративный ИИ в авто — это в первую очередь про смену интерфейса и логики выбора машины.
У частного покупателя обычно нет четкого понимания, какое именно авто он ищет — есть набор ограничений и предпочтений. И вот с помощью понятного пользователю языка генеративная модель помогает пройти этот путь.
Для этого на платформе есть Ави — GenAI-ассистент для частных пользователей. Его тестирование запустилось в конце прошлого года во всех вертикалях компании платформы, а в авто выделили отдельный сценарий под задачу выбора автомобиля.
Задача Ави — не просто показать объявления, а помочь с подбором. Параметры можно задать в свободной форме, например, написать: "нужна машина для семьи, бюджет такой-то" — и получить отобранные варианты из тысяч объявлений.
Покупатель все чаще ожидает, что платформа не просто покажет варианты, но и обеспечит высокий уровень безопасности на всех этапах поиска и выбора авто.
Например, изначально на платформе VIN при подаче объявления не был обязательным и нельзя было узнать историю авто. Когда он стал обязательным, начали появляться ситуации, когда в объявлении указывался VIN от другого автомобиля. Пользователь смотрит: о, история чистая, надо брать. Приезжает на осмотр и уже ничего не сверяет.
Поэтому сейчас модель сверяет номер, который видит на фотографии автомобиля, с VIN в объявлении — и если они не совпадают, то такое объявление в принципе не проходит модерацию.
Сервис "Автотека" также отвечает за прозрачность сделки — он собирает данные об истории авто и показывает пользователю полную картину по автомобилю с пробегом.
На платформе используется большая языковая модель для обработки текстовых описаний — например, расчетов ремонта, кузовных работ и других событий, которые поступают из разных источников, включая страховые компании и сервисные центры.
На основе этих данных система автоматически формирует коды повреждений, привязанные к одной из 16 частей автомобиля, и наносит их на интерактивную схему ДТП, тем самым переводя разрозненные данные в структурированную модель повреждений.
В результате пользователь видит визуализированную историю автомобиля — от аварий до последующих ремонтов.
Система, по сути, работает как "светофор". Зеленый — рекомендуется сразу выезжать на осмотр, хороший вариант. Желтый — серьезных ограничений нет, можно ехать смотреть, но стоит обратить внимание на отдельные характеристики или взять с собой профессионала. Красный — подсвечивает риски.
Если в сценариях для частных пользователей ИИ помогает снизить неопределенность при выборе автомобиля, то для дилеров в будущем он будет решать ту же задачу — только на уровне управления складом, ценой и продажами.
Первый сценарий связан с анализом звонков — аудит трафика. Звонки в колл-центр записываются, транскрибируются, обезличиваются и проверяются по чек-листу, а руководитель получает готовый отчет без прослушивания записей.
Второе решение связано как раз с обработкой лидов. Порядка 30% лидов теряются в момент первого звонка. Инструмент "горячие лиды" позволяет с высокой точностью определить, насколько человек действительно был готов к покупке и что ему можно предложить еще.
"Мы стараемся идти не от технологии ради технологии, а от конкретной боли клиентов. В этом смысле генеративный ИИ — это не отдельный продукт на витрине, а следующий слой над существующей инфраструктурой. И дальше, скорее всего, рынок будет двигаться так: не одна универсальная модель "на все случаи жизни", а много специализированных сценариев, поверх которых появляется более удобный интерфейс", — заключает Артур Щеглов.
