Интегрируем ИИ и развиваем продажи

В прошлой статье я рассказывал о разработке внутренних информационных систем. За последнее время появилось еще одно большое направление — сервисы на базе искусственного интеллекта.

Идея была простой. На Клерке огромное количество сервисов, курсов, рекламных продуктов и предложений. Новому пользователю бывает непросто разобраться во всем этом. Захотелось сделать максимально понятную точку входа — небольшой чат, которому можно задать вопрос обычным языком.

Так появились два проекта: Бизнес-бот и Бот-консультант.

Когда только начинаешь работать с ИИ, кажется, что решение очевидно: подключил языковую модель, передал ей список продуктов — и готово.

Но практика быстро возвращает в реальность.

Модель может перепутать продукты, придумать несуществующие возможности, потерять контекст разговора или вообще начать отвечать на вопросы, которые никак не относятся к сайту.

Поэтому довольно быстро стало понятно: нельзя просто дать ИИ данные и надеяться, что он все сделает правильно.

В итоге мы построили систему, где нейросеть отвечает только за понимание человека, а все остальное делают алгоритмы и обычный программный код. Получается своеобразный каркас: поиск информации, проверки, ограничения и только потом — красивый ответ, который видит пользователь.

Первый проект помогает посетителям разобраться в рекламных возможностях Клерка.

Бот объясняет различия между форматами размещения, помогает подобрать подходящий вариант и отвечает на большинство типовых вопросов.

При этом он не может придумать цену или услугу. Все данные берутся только из каталога. Если информации недостаточно или вопрос выходит за рамки его компетенции — бот честно предлагает обратиться к менеджеру.

Попробовать его можно здесь: Клерк.Бизнес.

Второй проект оказался намного интереснее.

Здесь уже нужно не просто ответить на вопрос, а подобрать человеку подходящее обучение.

Пользователь редко знает название курса. Обычно он пишет что-то вроде: «Хочу разобраться в налогах» или «Хочу перейти из бухгалтера в финансового директора».

Обычный поиск с такой задачей справляется плохо.

Поэтому сначала система анализирует запрос, затем подбирает наиболее подходящие программы обучения и только после этого формирует готовую рекомендацию.

И здесь снова работает тот же принцип: ИИ ничего не выбирает самостоятельно. Он понимает намерение пользователя, а подбор выполняют алгоритмы.

Если интересно посмотреть, как это работает на практике, бот уже доступен в Клерк.Школе.

Самое интересное, что современные ИИ-системы строятся далеко не только на нейросетях.

В основе поиска используются вполне классические алгоритмы. Мы применяем BM25 для поиска наиболее релевантных материалов и дополняем его векторным поиском, который позволяет понимать смысл запроса, даже если пользователь использует совсем другие слова.

После этого ИИ получает уже проверенные данные и превращает их в понятный человеческий ответ.

Если совсем коротко, получается так:

• алгоритмы ищут информацию;

• система проверяет результат;

• искусственный интеллект объясняет его пользователю.

За время работы с языковыми моделями я пришел к неожиданному выводу.

Самая сложная часть разработки — вовсе не интеграция ИИ.

Самое сложное — правильно его ограничить. Не дать придумать факты, сохранить контекст разговора, проверить информацию перед ответом и не позволить выйти за рамки поставленной задачи.

Получается интересный парадокс: чем качественнее сделана система, тем меньше свободы остается у самого искусственного интеллекта.

Многие думают, что современная разработка — это заменить программиста нейросетью. На практике все оказалось наоборот. Чем больше в проекте искусственного интеллекта, тем больше вокруг него приходится писать самого обычного кода. И, пожалуй, именно это стало для меня самым интересным открытием последних лет.