Штучний інтелект в Uklon
Як ШІ в Uklon допомагає вираховувати оптимальну ціну та шукати водія, аналізує звернення у колцентр та допомагає оптимізувати роботу продуктової команди, а також створює підказки для райдерів, аналізуючи коментарі до поїздки.
SPEKA поспілкувалась з Романом Петриком, CPO Uklon, та дізналася про те, як український райдхейлінг-сервіс застосовує АІ-рішення.
Повне інтерв'ю з Романом читайте за посиланням.
Про новий функціонал для людей із порушенням зору читайте у новині.
Як штучний інтелект використовується в Uklon?
На перших етапах ми почали використовувати штучний інтелект у сервісі Uklon для того, щоб він допомагав нам правильно розраховувати вартість замовлення. Потім
з часом ми масштабувалися і впроваджували AI-рішення як для мобільного
застосунку, так і до всього сервісу. У межах організаційної структури є
окрема команда — Data Science.
І якщо для нас, звичайних користувачів, R&D — це щось
нереальне і вони створюють інновації, то для них це операційна робота.
R&D-фахівці завжди шукають, як і де можна використовувати AI, щоб покращити наш сервіс.
ШІ у застосунку передбачає ймовірність скасування замовлення райдером та прийняття замовлення водієм — як саме це працює?
Модель розподілу замовлень на базі штучного інтелекту ми плануємо масштабувати на всю Україну. Наразі ми знаходимося на етапі запуску і тестування функціоналу в кількох містах. Пілотний запуск відбувся в Одесі у травні 2025 року. Сьогодні алгоритм успішно працює в 73% наших міст, а до кінця осені ми підключимо решту. Зазначу, що основна мета алгоритму — знаходити водія, який з найбільшою ймовірністю успішно виконає замовлення.
З 2018 року Uklon впроваджує елементи штучного інтелекту в роботу, зокрема, для динамічного ціноутворення і прогнозування попиту. Чи є прогрес у застосуванні штучного інтелекту в Uklon? А великі прориви?
Підписуйтеся на наші соцмережі
Якщо порівняти 2018 рік і поточний, то прорив, звісно, є. Зараз в Uklon 16 застосувань (сервісів, фіч і тд) LLM та ML моделей. Завдяки цьому, ми мінімізували ручну взаємодію з динамічним ціноутворенням наших прайсинг-спеціалістів.
Плюс зараз ми можемо в онлайн-режимі розуміти поточну ситуацію — співвідношення попиту і пропозиції. У нас завжди є дані про кількість водіїв і райдерів, і на їхній основі за допомогою AI-рішення з динамічного ціноутворення визначається ціна, яка дозволяє райдеру здійснити поїздку.
Крім того, ми активно впроваджуємо AI-інструменти не лише в продукти, а й всередині компанії. Цього року ми запустили внутрішнього асистента UklonAI, якого створила наша R&D команда спеціально під потреби тіммейтів, щоб розвантажити їх від рутинних завдань. Також для тіммейтів Uklon вже представили та впровадили політики використання AI-інструментів.
Штучний інтелект застосовується у колцентрі Uklon, він слухає 100% звернень, аналізує їх і дає фідбек для продуктової команди. Як це працює і наскільки вдалося покращити роботу як продуктової команди, так і колцентру після впровадження ШІ?
Це лише один із механізмів застосування AI у колцентрі. Якщо говорити саме про нього, то всі дзвінки записуються і транскрибуються.
Далі, як і в ChatGPT чи Gemini, можна зайти й поставити запитання. У нашому випадку використовується Notebook LM: туди завантажуються дзвінки, і можна запитати, наприклад: «Опиши мені топ-5 основних скарг водіїв за минулий тиждень». Система, проаналізувавши записи, видає структуровану відповідь, а за бажання можна прослухати основні дзвінки для глибшого розуміння.
Як це використовується? Умовний кейс: ми будемо покращувати «Автопідмогу» в майбутньому й запускаємо у ньому новий розділ. Уже за тиждень можемо перевірити, чи надходили звернення від користувачів по цьому сервісу. Для цього не потрібно просити колцентр фіксувати такі дзвінки, щоб згодом їх прослухати й проаналізувати, — ми за потреби самостійно знайдемо необхідні кейси.
Це суттєво знижує операційне навантаження на колцентр і робить продуктову команду більш незалежною. У межах тестових запусків це дозволяє не лише відстежувати метрики, а й розуміти головні проблеми користувачів на основі живих відгуків.
У колцентрі вже давно застосовується штучний інтелект?
Функція прослуховування звернень у колцентрі за допомогою AI запустилась у травні 2025-го.
Ми починали у 2022-2023 роках з автоматизації фідбеків, основним завданням було полегшити життя агентів колцентру. Зараз, виконуючи поїздку, кожен користувач може залишити зворотний зв'язок: що сподобалося чи не сподобалось.
За допомогою AI 90% таких фідбеків обробляться в автоматичному режимі і лише 10% залишається на опрацювання агенту. Причому вони ще пріоритизуються на основі тегів, які розпізнає АІ. Таким чином ми розуміємо, який фідбек треба розібрати в ручному режимі з першим пріоритетом, а який можна опрацювати пізніше.
Це власна AI-розробка Uklon чи ви працюєте з готовими моделями?
Зазвичай ми використовуємо Open Source рішення, але потім ми їх вдосконалюємо під наші вимоги. Зрештою вони стають рішеннями, які працюють у межах екосистеми Uklon.
Я б хотів додати, що останнім часом у нас вийшли кльові фічі, які можна зайти потестити.
В мобільному застосунку Uklon користувач може обрати додаткову послугу, серед них «Я їду з домашнім улюбленцем» та «Я можу розмістити з собою додатковий багаж». Ми аналізували, що від водіїв є скарги про те, що клієнти не зазначають наявність додаткових послуг. Спочатку ми дали райдеру можливість у межах активного замовлення додати ці послуги.
А потім, аналізуючи, побачили, що користувачі просто вказують в коментарях: «Їду з псом Джеком» або ще якісь дані. Ми впровадили AI, який розуміє коментарі користувачів і якщо в рамках цих коментарів є додаткові послуги, ми одразу райдеру пропонуємо додати цю послугу. Це рішення допомогло збільшити відсоток використання додаткових послуг та актуалізувати замовлення для водіїв — під час прийняття замовлення вони одразу розуміють, буде пасажир з домашнім улюбленцем чи ні.
Так само водій може зазначити, що не бажає виконувати замовлення з домашніми улюбленцями, тоді він не буде отримувати такі замовлення. Це дозволяє нам попередити ситуації, коли водій приїжджає до клієнта, а той не вказав, що їде з тваринкою, водій не готовий його везти, йде відміна і клієнт стоїть на вулиці й заново розміщує замовлення.