Сегодня крупнейшие российские интернет-площадки перестраивают свою экономику с учетом искусственного интеллекта. Раньше о такой технологии больше говорили, чем использовали её в работе. Теперь она проверяет номера, находит царапины на фото и оценивает автомобили с точностью до нескольких тысяч рублей. Вопрос уже не в том, нужен ли ИИ бизнесу, а в том, где заканчивается его компетенция и начинается зона ответственности человека. О том, как нейросети изменили «Авито Авто» в интервью «Ъ-Технологиям» рассказал технический директор платформы Артур Щеглов.
— Сегодня ИИ в автомобильном сегменте обсуждают почти все крупные платформы — и российские, и зарубежные. Где он уже сейчас приносит пользу, а где пока остается скорее ожиданием рынка?
— Хайп вокруг темы сильно разогнался с появлением генеративного ИИ. Но если говорить в целом про искусственный интеллект, то в отрасли он используется давно, еще с 2010-х. То есть тут важно разделять: GenAI — это новая волна, а классические технологии —
компьютерное зрение, машинное обучение, антифрод, рекомендации, поиск — все это
на рынке уже давно работает.
— То есть, строго говоря, ИИ в автоклассифайдах появился не вчера и начался не с
чат-ботов?
— Конечно. До появления генеративных моделей использовались специализированные ML-модели для решения различных задач. В «Авито» мы внедряем такие технологии еще с 2014 года.
Во-первых, это автоматическая модерация. 99 % объявлений модерируются автоматически, и лишь небольшая часть проходит проверку вручную. Ежедневно через эти проверки проходят порядка 25 млн объявлений. В категории авто используется больше моделей, поскольку необходимо верифицировать много параметров: номер, дефекты, комплектацию и отдельные опции. На практике эти модели объединены в единый процесс.
Во-вторых, существуют алгоритмы определения рыночной цены автомобилей с пробегом, которые анализируют параметры машины и внешние факторы. Оценка формируется в несколько этапов: сначала подбираются похожие автомобили, затем рассчитывается базовая цена статистической модели и уточняется ML-алгоритмами на основе расширенного набора признаков.
То же компьютерное зрение существует давно. Можно натренировать модель на большом стоке фотографий с ржавчиной, царапинами, трещинами и прочими дефектами. Она учится это распознавать и подсвечивать эти моменты на изображении.
Поэтому говорить, что все началось с GenAI, было бы неправильно. GenAI скорее стал новым интерфейсом поверх уже существующего слоя базовых технологий.
— Что именно изменилось с приходом генеративного ИИ?
— Изменился способ взаимодействия. Раньше каждая модель жила внутри конкретного продукта и отдавала результат в заранее определенном формате — поле, скоринг, классификация. Сейчас появляется текстовый интерфейс, диалоговый формат, через который можно объяснить задачу естественным языком и получить готовый ответ.
Мы не используем LLM-модель для задач вроде «распознай номер с фотографии», такие задачи эффективнее решаются с помощью классических ML-моделей. Генеративные модели применяются для более сложных задач, таких как выбор, сравнение и интерпретация информации.
— То есть генеративный ИИ в авто — это в первую очередь про новый интерфейс выбора?
— Да. У частного покупателя обычно нет четкого понимания, какую именно машину он ищет — есть набор ограничений и предпочтений. И вот с помощью понятного пользователю языка генеративная модель помогает пройти этот путь, начиная с диалогового интерфейса.
Пользователь может задать вопрос или спросить совета на своём языке. А дальше ассистент уже помогает сузить выбор, структурировать саму задачу и предлагает альтернативы.
— Как у вас этот сценарий реализован сейчас?
— В конце прошлого года мы запустили тестирование «Ави» — GenAI-ассистента для частных пользователей, который помогает с подбором автомобиля. Покупатель может описать свой запрос ы, например: «нужна машина для семьи, в Х бюджете «, и получить подходящие варианты из тысяч объявлений.
В основе — архитектура из разных ИИ-моделей, каждая из которых решает свою часть задачи. Ответ формируется в несколько этапов: система уточняет параметры, подбирает варианты и проверяет результат на корректность.
По первым тестам видно, что пользователи воспринимают ассистента как дополнительный инструмент для проверки выбора, а не как замену решения.
— Автомобиль обычно не импульсивная покупка. Как вообще меняется сценарий выбора машины на платформе?
— Раньше пользователь проходил этот путь вручную: открывал десятки объявлений, сравнивал параметры и постепенно сужал выбор. Сейчас часть этой работы начинают брать на себя платформы. Это можно разделить на два изменения.
Первое — это появление диалоговых интерфейсов. Ожидания от них сейчас большие, поэтому все пытаются встроить такой формат в самых разных местах: для поиска, редактирования текста, консультации. Это широкий фронт экспериментов.
При этом чат не заменит классические фильтры полностью, особенно для старших пользователей. Сейчас более 60 % пользователей чат-ботов — это люди в возрасте от 18 до 35 лет, то есть у категории 35+ они меньше востребованы. Поэтому мы продолжается совершенствование классического поиска.
Второе изменение — это усиление роли доверия в процессе выбора. Покупатель ожидает, что платформа не просто покажет варианты, но и обеспечит безопасность на всех этапах поиска и выбора авто.
Второе — увеличение важности доверия. Покупатели хотят не только увидеть варианты, но и быть уверенными в их безопасности. Например, до того, как VIN стал обязательным, иногда в объявлениях указывался VIN от другого автомобиля, искажая его историю. Теперь система автоматически проверяет VIN на фотографиях, и если данные не совпадают, объявление в принципе не проходит модерацию.
— То есть ИИ здесь работает еще и как защитный слой?
— Да, и это одна из ключевых ролей. Автомобиль — специфичный товар с множеством цифровых следов из разных источников: данные из СТО, страховых компаний, ДТП, пробеги. Всё это требует дополнительной обработки, чтобы быть полезным покупателю. В «Авито Авто» этим занимается «Автотека». Сервис собирает все данные в полную картину автомобиля с пробегом.
Объем данных сам по себе не решает проблему. Непрофессиональный пользователь открывает отчет и не знает, что с ним делать, так как технические детали и аббревиатуры трудно интерпретировать.
— И здесь уже подключается LLM?
— Да. Здесь мы используем большую языковую модель для обработки текста — например, расчетов ремонта, кузовных работ и других событий из разных источников.
На основе этих данных система автоматически формирует коды повреждений и наносит их на интерактивную схему ДТП. В результате пользователь видит визуализированную историю автомобиля — от аварий до последующих ремонтов.
— У вас там еще и цветовая система рекомендаций есть?
— Да, система, по сути, работает как «светофор». Зеленый — рекомендуем 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 — подсвечиваем риски.
Если были мелкие ДТП, это не значит, что автомобиль плохой. И наоборот: если есть юридические риски, это уже история другого порядка. В этом смысле ИИ не заменяет человека, а помогает ему быстрее понять, куда стоит обратить своё внимание.
— Если перейти от частного пользователя к профессиональному продавцу, что для дилеров меняется с приходом генеративных моделей?
— Если частному пользователю ИИ помогает снизить неопределенность при выборе, то для дилеров он решает задачу управления складом, ценой и продажами. Модели помогают анализировать авто на складе, выявляя те, которые долго стоят. Это может помочь в оптимизации убытков.
— Это уже готовый сервис или пока скорее проработка будущего продукта?
— Скорее некоторое будущее. Сейчас мы помогаем продавцу в конкретных сценариях. У нас есть команда, которая анализирует, какую ценность может дать новая функциональность.
Недавно мы запустили два продукта. Первый связан с анализом звонков — аудит трафика. Система записывает звонки, транскрибирует их, обезличивает, анализирует и предоставляет руководителю отчет: что было сделано по стандарту, а что нет. Это помогает фиксировать статус звонков и улучшать выполнение чек-листа. Второй продукт — обработка лидов. Примерно 30 % лидов теряются на первом звонке. Мы внедрили инструмент — «горячие лиды» для определения готовности к покупке.
— Речь идет о чисто текстовом анализе разговора? Или вы смотрите еще и на эмоции, интонацию?
— Текстового анализа достаточно. Схема тут довольно понятная: сначала аудиозапись переводится в текст, а потом уже по словам, по формулировкам, по структуре разговора можно понять, как он прошел в целом.
— То есть в B2B вы пока идете не через большой «универсальный AI-продукт», а через последовательную проверку гипотез?
— Да, именно так. В B2B в принципе плохо работает подход «сразу
сделать универсальный продукт и масштабировать его на всех». Здесь каждый
клиент — это отдельный набор процессов, данных и ограничений. Поэтому мы идем
через проверку конкретных сценариев вместе с дилерами: берем узкую задачу,
интегрируемся в их процесс, смотрим, дает ли это измеримый эффект — по выручке,
конверсии или операционной эффективности.
Обычно такие вещи мы в первую очередь добавляем в «Автохаб». Он, по сути, работает как система управления складом и размещением.
— А для небольших профессиональных продавцов такая логика тоже применима?
— Да, мы видим конкретную проблему и ищем решение для нее. Одна из ключевых на данный момент — отработка трафика со стороны продавцов и как следствие низкая конверсия во встречу или следующий контакт. Мы уже интегрировали LLM-модель для автоответов на типичные вопросы в чатах. И видим тут потенциал для работы с генеративными моделями, которые будут собирать лучшие практики в профессиональном сегменте и на основе их помогать продавцу вести эффективную коммуникацию.
— То есть в ближайшие годы стоит ждать не замены привычного интерфейса, а постепенного наслаивания новых AI-сценариев?
— Да, так и есть. Диалоговые интерфейсы будут расти, ассистенты будут появляться в новых точках, но старые сценарии не исчезнут полностью. Где-то по-прежнему лучше сработает классический фильтр, где-то ассистент, который объяснит тебе на естественном языке, что происходит с выбором, с историей автомобиля или с твоим складом. В конечном счете люди разные, задачи разные — и не все нужно решать через один и тот же интерфейс.