Lyft внедрил мультиагентный ИИ для 70% запросов в поддержку с точностью 85–90%

Lyft перевел 70% запросов в службу поддержки на мультиагентную систему искусственного интеллекта, работающую в промышленной эксплуатации. Точность обработки достигает 85–90%, а показатели удовлетворенности клиентов растут. Это не пилотный проект или концепт — агенты функционируют автономно в масштабе производства.

Архитектура мультиагентного ИИ

Шри Элапролу, директор Центра генеративного ИИ AWS, рассказал, как команда Lyft перестроила поддержку с использованием «агентного ИИ». В отличие от традиционных моделей, отвечающих на запросы, агентный ИИ получает цель и самостоятельно определяет способ её достижения.

«Вы ставите агенту задачу, и он сам решает, как её выполнить», — пояснил Элапролу. Система использует способности фундаментальных моделей к рассуждению: создаёт план, выполняет шаги и обращается к инструментам и данным для достижения цели.

Решение Lyft включает два специализированных агента. Первый выполняет классификацию намерений — определяет, что на самом деле нужно водителю или пассажиру, даже если запрос сформулирован нечётко. Второй агент реализует решение: от маршрутизации до предоставления налоговой информации. Такая оркестровка позволяет обрабатывать неструктурированные запросы на естественном языке.

Инструменты AWS для промышленного внедрения

На конференции AWS re:Invent в декабре 2024 года (65 000 участников в Лас-Вегасе) AWS представила возможности для перехода агентных систем от прототипа к промышленной эксплуатации. В Amazon Bedrock добавлено 18 новых фундаментальных моделей и два ключевых компонента для Bedrock AgentCore.

Bedrock AgentCore Policy позволяет задавать жёсткие границы поведения агентов. Например, агент закупок может одобрять запросы только до 1 млн долларов — политика принудительно ограничивает полномочия. Bedrock AgentCore Evaluations решает задачу непрерывной оценки качества агентов при разработке или интеграции от партнёров.

Применение в России

Мультиагентные системы ИИ актуальны для российских компаний с большим объёмом клиентской поддержки: агрегаторов такси, маркетплейсов, логистических операторов и банков. Локальные платформы, такие как Yandex Cloud и VK Cloud, уже предлагают инструменты для развёртывания подобных решений. Однако для промышленного использования потребуется адаптация под регуляторные требования, включая хранение данных на территории РФ. Внедрение агентного ИИ в России может дать до 50% снижения нагрузки на операторов при сохранении качества сервиса.