Где мы сознательно не используем ИИ (и почему)?
1. Модерация отзывов.
Наш подход основан на четкой логике и правилах. Ежемесячно на платформе публикуется свыше 100 000 отзывов. Вместо запуска ИИ-моделей мы используем простую, но эффективную систему: заранее определенный список запрещенных слов и словосочетаний. Отзывы, содержащие их, автоматически блокируются.
Это позволяет нам отсеивать около 98% нежелательного контента, не требует постоянных вычислительных мощностей, легко поддерживается без привлечения ИИ.
2. Чат-боты поддержки клиентов и ресторанов-партнеров.
Здесь мы также избегаем ИИ. На частые стандартные вопросы (например, «Где мой заказ?») у нас есть готовые ответы, которые автоматически срабатывают по запрограммированной логике («если это, то вот это»). Как только поступает нестандартный запрос, к диалогу мгновенно подключается живой оператор. Такой гибридный подход (логика + человек) гарантирует высокую скорость в рутинных случаях и обеспечивает качественное, эмпатичное обслуживание, когда нужны экспертиза и понимание контекста.
Мы тестировали ИИ в других сценариях, но столкнулись с ограничениями, которые сделали внедрение нецелесообразным.
3. Сравнение цен на блюда.
Мы проверили возможности ИИ при сравнении стоимости блюд на «Чиббис», у других агрегаторов и на сайтах ресторанов.
При использовании внешних моделей ИИ (например, ChatGPT) возникло несколько проблем. Во-первых, часто срабатывает базовая защита сайтов, которая блокирует таких ботов, и они не могут получить доступ к данным. Во-вторых, даже при успешном доступе ИИ не способен корректно распознать цены в сложных интерфейсах, например, во всплывающих окнах с выбором диаметра пиццы или весового товара. Наконец, ключевая проблема — ИИ часто «галлюцинирует». В наших тестах на простых одностраничных сайтах, где все цены открыты, модель в 8 случаях из 10 выдавала неверную стоимость.
Это означает, что для решения задачи потребовалась бы глубокая доработка модели, что экономически нецелесообразно.
4. Оптимизация рекламных запросов.
Мы сталкивались с ситуацией, когда при настройке рекламы в Яндкекс директ, например, по запросу «доставка еды Самара», система Яндекса могла показывать ее по совершенно нерелевантным запросам, вроде «гастроэнтеролог Самара».
Мы тестировали сторонние ИИ-модели (ChatGPT, Qwen и др.) для автоматической фильтрации таких запросов. Однако при работе через API с миллионами запросов модели демонстрировали низкую и нестабильную точность — они сильно ошибались в оценке смысловой схожести, что создавало двоякий риск: ИИ либо пропускал «мусорные» запросы, либо, наоборот, отсеивал полезные. В итоге ручная настройка осталась надежнее.
