60% обращений
«Яндекс Такси» первым в России внедрил в свою службу поддержки технологию, которая сочетает большие языковые модели и ИИ-агента, рассказали Forbes в компании. Нейросети не просто поддерживают 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% всех текстовых обращений пользователей в поддержку сервиса, а в следующем году будет автоматизировано до 70% текстовой работы службы поддержки не только для пользователей, но и для водителей, указывают в компании.
После внедрения технологии скорость ответа пользователю в службе поддержки выросла в полтора раза, делятся наблюдениями в «Яндексе». В неделю нейросети самостоятельно решают в среднем более 450 000 вопросов, не привлекая специалиста к диалогу. Такой подход позволяет значительно перераспределить нагрузку, чтобы специалисты могли быстрее подключаться к сложным вопросам. Автоматизация поддержки позволит сервису в 2026 году сэкономить более 600 млн рублей. «Операторы получают оплату за каждый ответ в диалоге. 600 млн рублей — это экономия благодаря ответам нейросетей. Операторы же в это время будут переключены на более сложные и сенситив-обращения», — поясняют в «Яндексе».
«Такси» — первый сервис, куда интегрирован ИИ-агент, но будет не единственным: в дальнейшем с помощью больших языковых моделей планируется автоматизировать работу поддержки разных сервисов «Яндекс Go» — «Самокатов», «Драйва», «Бери заряд» и др.
В конце октября «Яндекс» открыл ранний доступ к ИИ-агентам в «Алисе AI». Как сообщала компания, с их помощью нейросеть сможет брать на себя повседневные и рабочие задачи: бронировать столик в ресторане или время в салоне красоты, находить товар дешевле, чем по ссылке от пользователя, или проводить подробное исследование с текстовым файлом результата, который можно будет скачать. «Алиса AI» — первая в России нейросеть, способная по запросу пользователя проходить весь путь решения задачи: искать информацию, принимать решения и выдавать готовый результат.
По данным отчетности «Яндекса» за девять месяцев 2025 года, выручка сегмента райдтех, куда, помимо такси, входят также сервисы каршеринга, кикшеринга и аренды пауэрбанков, выросла на 25%, до 202,2 млрд рублей. Райдтех «фокусируется на развитии мультимодальных сценариев передвижения, включающих общественный транспорт, которым в приложении «Яндекс Go» пользуется уже 10 млн человек. Направление также развивает междугородние перевозки и запустило подписку в шеринговых сервисах, объединяющую сервисы «Яндекс Драйв», самокаты и «Бери заряд», следовало из отчетности. Основной бизнес, такси, в III квартале 2025 года продолжил расти с темпом более 20% год к году.
Как это работает
В основе технологии — четыре большие языковые модели, созданные на основе Alice AI LLM, поясняют в «Яндексе». Каждая из них выполняет свою функцию и специально дообучалась на реальных обезличенных диалогах операторов поддержки с пользователями. 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 к другой нейросети, которая использует RAG-подход (Retrieval Augmented 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 тестов ответы нейросети не уступают по качеству ответам оператора благодаря многоступенчатому контролю.
Затраты на внедрение ИИ-агентов в течение трех лет составят более 950 млн рублей для корпораций, 200–300 млн рублей для крупных компаний, 30–60 млн рублей для среднего бизнеса, 5–15 млн рублей для малого, подсчитали исследователи из Axenix и МГУ имени М.В. Ломоносова. Совокупную экономию компаний от внедрения ИИ-агентов они оценили в 15–40% в зависимости от отрасли. Результаты первого исследования изменений организационной модели бизнеса при внедрении ИИ-агентов они представили на конференции AI Journey 20 ноября.
«Следующий этап»
Автоматизация поддержки с помощью ИИ — уже стандарт индустрии. В большинстве своем это чат-боты, которые мгновенно отправляют заготовленный человеком ответ пользователю, а затем подключают нужного специалиста. Более продвинутое решение — копайлоты. Их создают крупные игроки рынка, например Т-Банк, МТС, «Сбер», Альфа-банк. Нейросети собирают нужную информацию по внутренним базам данных и готовят подсказки на основе обращения для операторов. Но решение в «Яндекс Такси» — это следующий этап, настаивают в «Яндексе»: «ИИ-агент способен делать то, что раньше мог делать только человек: самостоятельно оценивать ситуацию, выбирать подходящий внутренний сервис и совершать действие».
Руководитель genAI-проектов Just AI Андрей Грабарник называет применение ИИ-агентов в поддержке клиентов и вообще в клиентском сервисе трендом этого года. Пока это не массовый подход и еще не стало стандартом в системах клиентского сервиса, но, вполне вероятно, в ближайшее время таким и станет, рассуждает он. «Почему это круто? Классические системы чат-ботов и голосовых ассистентов строились на сценариях. А сценарный подход плохо масштабируется: невозможно заранее предусмотреть весь спектр запросов, проблем и формулировок пользователей. Из-за этого высокого процента автоматизации достичь крайне сложно», — поясняет эксперт.
Агентный подход, продолжает Грабарник, решает эту проблему — нет необходимости поддерживать огромные сценарные структуры. «Агенты, опираясь на возможности нейросетей, гораздо проще и точнее разбираются в пользовательских запросах. Кроме того, разработка и поддержка таких систем существенно дешевле. Чтобы обеспечить высокий уровень автоматизации в сценарных ботах, команды вынуждены создавать массивные сценарии, которые долго и дорого разрабатывать, а потом еще дороже поддерживать и расширять, — размышляет он. — При этом всегда есть «потолок», даже идеально проработанный сценарий не покрывает все. Именно поэтому мы постепенно начинаем переводить крупные бот-системы на нейросетевые решения — и уже видим рост доли автоматизации».
Решение «Яндекса» — гибридный конвейер из четырех моделей: первая определяет, должен ли задачу выполнять агент или человек, вторая делает RAG, третья подключает агента с action-функциями и четвертая — проверяет качество, констатирует head of AI red_mad_robot Валерий Ковальский. «600 млн рублей годовой экономии формируются за счет перераспределения нагрузки, а не сокращения персонала. Агент закрывает 60–70% рутинных операций — статус заказа, промокод, перезаказ, а сотрудники переходят к сложным кейсам, где важна эмпатия и креатив. 450 000 диалогов в неделю — примерно 2,3 млн запросов в месяц. При средней стоимости обработки около 50–70 рублей за обращение экономика сходится», — делится расчетами он.
Следующий этап развития — работа с полным клиентским контекстом, указывает Ковальский. «В ближайший год мы увидим гонку за контекстом. Агенты будут переходить от обработки текущего запроса к работе с полным клиентским путем: историей обращений за год, предпочтениям, поведенческим паттернам, — полагает эксперт. — Это значимый прогресс, но не шаг в сторону AGI (Artificial General Intelligence, общий ИИ, то есть развивающий мышление на уровне человека или превосходящий человеческие способности), а обычная инженерия, которая наконец-то работает на практике».