Не лише роботаксі: як штучний інтелект уже змінює райд-хейлінг в Україні

Коли мова заходить про штучний інтелект у транспорті, найчастіше згадують роботаксі та безпілотні автомобілі. Але насправді найбільші зміни відбуваються значно непомітніше.

AI уже став частиною інфраструктури сервісів виклику авто. Він допомагає визначати підозрілу поведінку користувачів, прогнозувати, де через 10–20 хвилин буде найбільше замовлень, підбирати пасажира і водія та автоматично обробляти частину звернень до служби підтримки.

Для українського ринку це також стає актуальним. Вітчизняні сервіси поступово інтегрують AI у свої процеси, хоча масштаби такого використання поки що суттєво відрізняються від глобальних платформ.

AI проти фейкових акаунтів: як алгоритми шукають шахраїв

Для райд-хейлінгу шахрайські акаунти — це не просто фінансова проблема. Вони можуть створювати ризики для самих пасажирів і водіїв.

Один зі сценаріїв — створення акаунта з використанням викрадених платіжних даних. Інший — масова реєстрація профілів заради бонусів, промокодів і знижок на першу поїздку.

Є й складніші випадки. Наприклад, заблокований водій може спробувати повернутися на платформу через новий профіль або скористатися чужими даними.

Саме тут у роботу включаються системи машинного навчання.

Алгоритм не обов'язково шукає конкретну ознаку «шахрайства». Він аналізує поведінку користувача та шукає аномалії.

Система може враховувати десятки або сотні сигналів: час реєстрації, IP-адресу, геолокацію, характеристики пристрою, історію поїздок, платіжну інформацію та інші параметри.

Наприклад, якщо новий акаунт створили вночі, використали VPN, додали банківську картку іншої країни, а через хвилину почали замовляти дорогі поїздки, алгоритм може визначити профіль як високоризиковий.

У такому разі користувача можуть попросити пройти додаткову перевірку або обмежити певні операції.

Втім, є і проблема: шахраї також використовують штучний інтелект та швидко змінюють свої методи. Тому антифрод-системи повинні постійно навчатися на нових даних.

AI прогнозує, де пасажири замовлятимуть авто

Ще один важливий напрям — прогнозування попиту.

Підписуйтеся на наші соцмережі

Для сервісу виклику авто критично важливо розуміти, де саме через кілька хвилин знадобиться найбільше машин.

Якщо пасажирів багато, а водіїв недостатньо, збільшується час очікування та кількість скасованих замовлень. Якщо автомобілів занадто багато, водії простоюють і втрачають можливість заробити.

Тому алгоритми намагаються передбачити майбутній попит ще до того, як він виникне.

Для цього можуть використовуватися історія поїздок, дорожня ситуація, погода, час доби, календар подій, розташування громадського транспорту та інші дані.

Уявімо центр Києва у п'ятницю ввечері. AI може спрогнозувати, у яких районах через 15–30 хвилин зросте кількість замовлень, і заздалегідь допомогти водіям переміститися ближче до цих зон.

Фактично місто для алгоритму перетворюється на величезну карту з тисячами зон, у кожній з яких постійно змінюється прогнозований попит.

Хто вирішує, який водій приїде?

На перший погляд, система просто шукає найближчого водія.

Але сучасний matching — підбір водія та пасажира — значно складніший.

Алгоритми можуть одночасно враховувати прогнозований час прибуття автомобіля, дорожню ситуацію, статус водія, навантаження на конкретний район, ймовірність скасування поїздки та очікуваний попит найближчими хвилинами.

Тобто найкращим кандидатом не завжди буде автомобіль, який фізично знаходиться найближче.

Система може врахувати, що один водій за дві хвилини опиниться в заторі, тоді як інший, який зараз трохи далі, зможе швидше дістатися до пасажира.

Для платформи з мільйонами поїздок навіть невелике скорочення середнього часу очікування може мати величезний економічний ефект.

AI бере на себе частину роботи служби підтримки

Щодня сервіси виклику авто отримують величезну кількість однотипних звернень.

«Водій не приїхав». «З мене списали зайві гроші». «Я забув речі в автомобілі». «Мій акаунт заблокували». «Поїздка завершилася неправильно».

Для частини таких ситуацій уже не обов'язково потрібен оператор.

AI може проаналізувати текст звернення, визначити категорію проблеми, оцінити її критичність та запропонувати відповідний сценарій.

Це дозволяє працівникам служби підтримки зосередитися на складніших випадках, де потрібне рішення людини.

Як AI уже використовують в українському райд-хейлінгу

В Україні використання штучного інтелекту в райд-хейлінгу поки що перебуває на етапі активного розвитку.

Водночас окремі приклади вже є.

Зокрема, український сервіс виклику авто OnTaxi використовує AI для аналізу відгуків пасажирів.

Раніше значну частину цієї роботи доводилося виконувати вручну. Тепер алгоритм може самостійно обробляти відгуки та визначати їхню тональність.

Спочатку система розподіляє повідомлення на позитивні та негативні. Негативні відгуки додатково класифікуються за рівнем критичності — високим, середнім або низьким.

Алгоритм також визначає, на що саме скаржиться користувач: автомобіль, водія, застосунок, дорогу або інший аспект поїздки.

Після цього AI може запропонувати подальшу дію: автоматичну відповідь, промокод або передачу звернення співробітнику служби підтримки.

За словами представників OnTaxi, точність роботи такого AI-помічника наразі сягає 98%. Водночас результати його роботи вибірково перевіряють люди, щоб контролювати якість автоматичних рішень.

Чи замінить AI людей у таксі?

Поки що говорити про повну заміну людей штучним інтелектом передчасно.

Найімовірніше, найближчими роками AI не стільки витіснятиме людей, скільки забиратиме на себе найбільш рутинні операції.

Водій залишатиметься водієм, оператор підтримки — оператором, а менеджери платформ продовжать ухвалювати складні рішення. Проте дедалі більше процесів між ними контролюватимуть алгоритми.

І це може стати головною зміною для райд-хейлінгу.

Користувач не обов'язково навіть помітить, що його поїздку допоміг організувати штучний інтелект. Він просто побачить автомобіль, який приїхав за кілька хвилин, точний прогноз часу прибуття та швидку відповідь на скаргу.