1 of 39

Популярные сценарии использования языковых моделей на примере YandexGPT

Анна Лемякина

Директор по стратегическим проектам Yandex Cloud

2 of 39

  1. Обзор сценариев LLM
  2. Кейсы LLM в Яндекс
  3. Кейсы LLM в бизнесе

2

3 of 39

30 ноября 2022 года

OpenAI выпустила ChatGPT, основанный на языковой модели GPT-3,5.

3

4 of 39

2024: мы пользуемся языковыми моделями каждый день

4

5 of 39

ИИ умнеет, всё быстрее

Сравнение лучших моделей по бенчмаркам со «средним» человеческим уровнем

5

1998

2000

2002

2004

2006

2008

2010

2012

2014

2016

2018

2020

2022

2024

Паритет с человеком

Понимание языка

Распознавание рукописного текста

Распознавание голоса

Распознавание изображений

Понимание чтения

Логика

Генерация кода

Школьные предметы

6 of 39

Почему они �такие умные?

И порой кажется, что обладают интеллектом

7 of 39

LLM умеет то же,�что и человек с листом бумаги и ручкой

7

И, как человек, некоторые вещи умеет хуже, чем машины

8 of 39

LLM умеет: Хорошо vs Плохо

8

LLM умеет делать хорошо

      • Генерировать и редактировать тексты
      • Отвечать на вопросы по базе знаний
      • Чатиться, общаться, поддерживая логику беседы
      • Обобщать и интерпретировать данные
      • Классифицировать и определять эмоциональную тональность текста
      • Выделять сущности из текста

Есть решения лучше, чем LLM

      • Ранжирование результатов поиска, рекомендации товаров, услуг и т.д.
      • Решение задач, подразумевающих строгую логику
      • Решение задач с низкой толерантностью к ошибке и высокой стоимостью проверки (медицина)

9 of 39

Основные сценарии использования больших языковых моделей (в бизнесе )

Поддержка

Подсказки

Переформулировка ответа (учитывая контекст)

Суммаризация истории общений

Оценка сервиса

Классификация

Тренажёр оператора

Продажи | Предоставление сервиса

Чат-бот / FAQ на сайте

Индивидуальные письма от менеджеров по продажам

Вычитка/редактура писем клиентам

Автоматизация: follow-ups, заполнение CRM

Аналитика продаж

HR

Анализ CV кандидатов

Персонализированная коммуникация с кандидатом

Мониторинг работы рекрутеров

HR-self-service

Анализ уровня стресса в организации

Маркетинг

Персонализированный маркетинг

Статьи, новости, посты в блоге

Рекламные креативы

Аналитика упоминаний

Общение в SM

10 of 39

  1. Обзор сценариев LLM
  2. Кейсы LLM в Яндекс
  3. Кейсы LLM в бизнесе

10

11 of 39

YandexGPT

11

80+интеграций в продуктах Яндекса

12 of 39

Суммаризация контента

12

475 лет

сэкономлено

за месяц

13 of 39

Суммаризация отзывов на Поиске

13

¢

14 of 39

GPT в Лавке: распознавание по этикетке

14

15 of 39

Формализация данных о товаре / услуге

15

Результаты

Задача

Выявление параметров в оффере на основе данных от продавца

Как это работает

  • Продавец указывает название товара «Milana Men, гель для душа Grass могучий Килиманджаро с маслом лемонграсса (флакон) 750 мл.»
  • Формализатор выявляет из текста параметры�согласно полям карточки товара:

Средство: гель

Пол: мужской

Объём: 750 мл

Масла и экстракты: масло лемонграсса

Сокращение ФОТ �на контент-менеджеров

Сильный рост NPS �у продавцов

до 5%

рост продаж за счет заполненных параметров

Повышение в выдаче

16 of 39

16

Маркет: формализация параметров с помощью YandexGPT

17 of 39

Генерация описания товара

17

Результаты

Задача

Генерация качественного описания товара с помощью YandexGPT в личном кабинете продавца и использование его для любых карточек

52%сгенерированных GPT-описаний сохранено продавцами

+1,1% к заказам

Продавцы меньше тратят времени на заполнение карточек и экономят на копирайтинге (рост NPS)

Как это работает

  1. Продавец заполняет данные о товаре
  2. Нажимает кнопку «Создать с YaGPT»
  3. Получает продающий текст
  4. Публикует товар в магазине

18 of 39

  1. Обзор сценариев LLM
  2. Кейсы LLM в Яндекс
  3. Кейсы LLM в коммерческих и некоммерческих организациях

18

19 of 39

Вопрос-ответные системы

19

20 of 39

Зачем нужны и могут ли заменить человека?

20

Помощник для обработки обращений пользователей (граждане, клиенты, сотрудники, партнеры, контрагенты)

        • Система получает вопросы и отвечает естественным языком, нет необходимости прописывать жёсткие правила.
        • При формировании ответа можно учитывать контекст переписки.
        • Система формирует ответы по базе документов, в которых содержится необходимая информация.
        • Есть возможность получить точные ссылки на источники информации, по которым был дан ответ.
        • При правильном построении можно быстро обновлять данные, по которым работает система.
        • Улучшение существующих чат-ботов.

Основной сценарий

Возможности

21 of 39

Помощник для ответов на вопросы по сайту mos.ru

21

Консультирование по подборке из 10 инструкций «Как оформить быстро»

22 of 39

Чат-бот «пИИрожок»

22

Задача

Маркетинговая кампания по «подсветке» ассортимента готовых блюд

97%

точность распознавания ансамблевой моделью аллергенов в сообщении пользователя

> 15 000пользователей �чат-бота в период акции

> 90%вовлечённость пользователей на первом подборе

Результаты

900+

готовых блюд в каталоге

3 817 669

онлайн-покупателей�за 2023 год

10 с

максимальное время подбора блюд и генерации текста из базы 1000 SKU

3500

пользователей в пике в день

> 10%пользователей перешли по ссылке в каталог

В каталоге так много позиций, что невозможно определиться и понять, чего хочется на самом деле

23 of 39

Автоматизация сервисного центра

23

Задача

Определение тематики обращений в техническую поддержку и подготовка ответов на частые запросы с опорой на базу знаний

13 000

запросов в рамках пилотного проекта

30%

автоматизации удалось достичь

75%

ответов не требуют доработки специалистов

Результаты

24 of 39

Суфлер

24

25 of 39

Суфлёр

Предоставление подсказок при ответе на запрос клиента

Здравствуйте, Мария! Чем я могу быть вам полезен?

Здравствуйте, ко мне приехал�испорченный заказ!

Добрый день, нам очень жаль…

Не могли бы вы прислать фото испорченного товара?

Подсказка: не забудь запросить фото испорченного товара

Добрый день

Вам отправили аудиосообщение

Подсказка: не забудь уточнить, по какому вопросу обращается клиент

Мария, купленный вами билет подлежит обмену. Для того чтобы это сделать…

… идёт расшифровка аудио c помощью Yandex SpeechKit

26 of 39

Тренажёры

Тренировка специалиста клиентской поддержки

26

  • YandexGPT API генерирует вопрос
  • Вопрос озвучивается голосом
  • Ответ специалиста распознаётся
  • Анализируется результат
  • Даются рекомендации

27 of 39

Суммаризация

27

28 of 39

Суммаризация

28

Тема встречи

Использование сервисов �для проведения видеоконференций �и вебинаров

Краткое содержание

На встрече обсуждались вопросы, связанные с использованием сервисов �для проведения корпоративных мероприятий. Представитель компании предложил рассмотреть их продукт для организации корпоративных мероприятий и рассказал о его преимуществах. Также обсуждались вопросы использования сервисов для проведения видеоконференций.

Ключевые моменты

Представитель компании предложил Ивану Иванову рассмотреть их продукт для организации корпоративных мероприятий. Он подчеркнул, что сервис не тарифицируется по количеству участников, а предлагает жёсткие пакеты с определённым набором функций.

Были обсуждены преимущества продукта: возможность запланировать серию мероприятий, интеграция с почтовыми сервисами, возможность совместной работы и демонстрации контента, доступ к мероприятиям без регистрации на платформе. Также обсуждались вопросы использования сервисов для проведения видеоконференций. Представитель компании рассказал о безопасности данных, уникальности ссылок на мероприятия и высокой пропускной способности.

Принятые решения

Иван Иванов и Анар Мамедов обсудили возможность перехода компании на новый сервис �для проведения видеоконференций. Анар Мамедов предложил тестовый доступ к сервису �для оценки его возможностей. Иван Иванов согласился рассмотреть возможность использования сервиса после тестового периода.

Задачи

Анар Мамедов пообещал отправить всю необходимую информацию на почту Ивана Иванова.

29 of 39

СRM

Расшифровка диалогов и заполнение полей CRM

29

1

2

3

Выявление сущностей

Распознавание диалога

Заполнение полей CRM

Процесс

30 of 39

СRM

Суммаризация данных о клиентах / партнерах и коммуникациях с ними

30

Процесс

  1. Завершение диалога
  2. Сбор диалога из разных источников

Текст (чаты, мессенджеры, почта)

Голос (контакт-центр, аудиосообщения в чатах)

  1. Отправка на суммаризацию
  2. Анонимизация данных
  3. Генерация суммаризации
  4. Предоставление результатов
  5. Просмотр в CRM

Тема: доставка карты

Итог: специалист службы поддержки уточнил номер телефона и адрес клиента, чтобы решить вопрос

Тема: отключение платной подписки

Итог: бот предоставил клиенту пошаговую�инструкцию отключения подписки�на онлайн-сервис

Тема: разные номера телефонов�в накладной и в системе

Итог: специалист службы поддержки передал�актуальный номер телефона в отдел доставки, объяснил клиенту, как отслеживать статус доставки

31 of 39

Модерация контента

31

32 of 39

Модерация отзывов

32

Результаты

Задача

Задача заключалась в автоматизации модерации покупательских отзывов для приложения "Магнит: акции и доставка". 

85%точность относительно людей с 90% согласием

Как решали

  1. Сравнивали различные модели (ChatGPT, YandexGPT, GigaChat, LLaMA), пробовали различные подходы (Few-Shot Prompting, мультиагентный подход), анализировали результаты
  2. Сформировали датасет из 800 пар запросов-ответов и дообучили модель. Протестировали дообученную модель через API, увидели стабильные и качественные ответы с точностью 81%.

в 1000 раз

Сократилось среднее время обработки отзыва

в 3 разауменьшились расходы на модерацию 1 отзыва

33 of 39

Обработка документов�и образовательный консультант

33

Результаты

20 тысячобработанных документов за год без значительных затрат на человекоресурсы

значительноеувеличение вовлеченности и конверсии потенциальных студентов

Задача

  1. Помогали абитуриентам выбирать образовательную программу
  2. Разгрузили сотрудников от рутинной обработки документов

Как решали

Для решения задачи была разработана система, основанная на технологии YandexGPT. При работе со студентами система учитывала их личные предпочтения, информацию из внутренних и внешних источников данных об образовательных программах.

34 of 39

Yandex GPT API используетя более года: результаты

34

Система поиска и развития талантов

Формирование описания вакансии под запрос рекрутера с учётом Tone of Voice компании

60 минут → несколько минут

Повышение качества подбора

Увеличение конверсии в отклик

Суммаризация видеоконференций

Внутренняя система для суммаризации видеоконференций по шаблону

Система интеллектуального �анализа отзывов

Выявление и группировка �тем, о которых пользователи рассказывают в своих отзывах

35 of 39

Медицинские сценарии: голосовые AI чат боты

35

36 of 39

AI чат боты в медицине активно применяются

36

До приёма

На приёме

После

Заполнение протокола

(сбор первичного анамнеза)

Электронный больничный

Запись на приём (122)

Подбор услуги

Справка

Вызов врача на дом

Мониторинг пациентов

Обратная связь

Льготные лекарства

37 of 39

«Мозги» бота используют как алгоритмы машинного �обучения, так и doctor-generated правила

37

Данные медицинских карт

Данные справочников

AI-алгоритмы

ML-система

Выделение симптомов �из фраз

Интеллектуальный �подбор вопросов

Маршрутизация �по итогам опроса

База знаний, составленная врачами

Комбинация результатов

Сыпь,�зуд

Нормальная температура

Высокая�температура

Дерматолог

Инфекционист

38 of 39

Удачное внедрение AI

38

Цель: автоматизировать рутину, а не убрать человека

Сначала задача, потом технология

Демократизация использования LLM –буст развития и количество применений

39 of 39

Буду рада обсудить ваши вопросы и инициативы, сомнения…

Анна Лемякина

Директор по стратегическим проектам

Yandex Cloud

annlem@yandex-team.ru