Оглавление

Пока многие компании только начинают экспериментировать с ИИ-агентами, Booking.com уже несколько лет использует собственную систему рекомендаций, которая оказалась прообразом агентской архитектуры. По сообщению VentureBeat, этот ранний опыт позволил компании избежать массового увлечения модными технологиями и выработать взвешенную стратегию.

Дисциплинированный подход к ИИ

Booking.com выбрала модульный подход к разработке моделей: небольшие специализированные модели для быстрого и дешевого вывода, крупные языковые модели для сложных рассуждений и собственные системы оценки точности для критически важных задач.

Эта гибридная стратегия в сочетании с избирательным сотрудничеством с OpenAI уже принесла ощутимые результаты:

  • Точность ключевых процессов удвоилась
  • Автоматизация высвободила 1.5-1.7X ресурсов человеческих операторов
  • Увеличилось количество обрабатываемых тем, включая сложные запросы

Подход Booking.com напоминает золотую середину между специализацией и универсальностью — они не создают сотню узкоспециализированных агентов, но и не ограничиваются парой универсальных. Это разумная стратегия для компании, где цена ошибки в рекомендациях измеряется реальными деньгами клиентов.

От угадывания к персонализации

Как объяснил Пранав Патак, руководитель разработки AI-продуктов Booking.com, традиционные системы рекомендаций часто работали на уровне догадок, а не реальных предпочтений. Команда изначально сосредоточилась на создании контекстно-зависимых рекомендаций.

Их первоначальная система использовала небольшую языковую модель размером с BERT для определения намерений пользователей. Эта архитектура оказалась удивительно похожей на первые агентские системы с их логикой вызова инструментов.

Эволюция архитектуры

Сейчас система включает:

  • LLM-оркестратор для классификации запросов
  • RAG (retrieval-augmented generation) для доступа к информации
  • API и специализированные языковые модели

Одним из ключевых нововведений стала персонализированная фильтрация. При 200-250 фильтрах на сайте пользователи получили возможность вводить запросы в свободной форме и мгновенно получать релевантные фильтры.

«Это дало нам важные подсказки для персонализации — что люди действительно хотят, выраженное их собственными словами», — отметил Патак.

Баланс между памятью и приватностью

Особое внимание компания уделяет работе с памятью пользователей. Сохранение информации о предпочтениях клиентов (бюджет, категории отелей, специальные потребности) должно происходить с их согласия и без ощущения «слежки».

«Управление памятью гораздо сложнее, чем ее создание, — подчеркнул Патак. — Технологии есть, но мы хотим быть уверены, что запускаемая система памяти уважает согласие пользователей и ощущается естественно».

Стратегия build vs buy

Booking.com сознательно избегает «односторонних решений», которые могут заблокировать архитектуру на годы вперед. Стратегия компании: обобщать там, где возможно, специализировать там, где необходимо.

Ключевые принципы выбора моделей:

  • Использовать самую маленькую модель с достаточной точностью
  • Учитывать требования к задержкам ответа
  • Для критически важных задач применять более медленные, но точные модели

«Мы никогда не стали бы использовать что-то столь тяжелое, как GPT-5, просто для определения темы или извлечения сущностей», — пояснил Патак.

Уроки для других компаний

Оглядываясь на пройденный путь, представитель Booking.com признает, что начинать можно было проще. Его совет другим компаниям:

  1. Начинайте с готовых API — их возможностей часто достаточно
  2. Сначала решите самую простую и болезненную проблему
  3. Найдите product-market fit, прежде чем инвестировать в сложные системы

«Не начинайте со сложных вещей, — рекомендует Патак. — Возьмите самую простую, самую болезненную проблему, которую можете найти, и самое простое, самое очевидное решение для нее».

Этот подход позволяет компаниям быстро получать обратную связь от пользователей и только затем развивать сложные архитектуры, избегая дорогостоящих ошибок на ранних этапах.