«Будущее уже здесь: в наших проектах одна модель ИИ анализирует отзывы, которые дает другая», – рассказывает Виталий Силаев, Head of Delivery в Favbet Tech. Компания разрабатывает беттинговую платформу, где пользователи могут делать ставки на спорт и другие события, а также играть в игры. Сейчас Favbet Tech использует ИИ во многих проектах, в том числе в тех, что делают для помощи ВСУ.
В партнерском материале с Favbet Tech Виталий рассказал MC.today, как трансформировалась команда, которая занимается ИИ-проектами в компании, и над чем работают сейчас.
Содержание
- 1 От первых проектов с машинным обучением до постоянной команды, которая занимается ИИ
- 2 Как работает команда, которая занимается ИИ
- 3 Какие проекты с ИИ сейчас развивают в компании
- 4 Сегментация аудитории
- 5 Проекты для ВСУ
- 6 Работа с заинтересованностью клиентов
- 7 Оценка результата: как понять, что ИИ работает
- 8 Все ли идеи уходят в работу
- 9 Планы на будущее
От первых проектов с машинным обучением до постоянной команды, которая занимается ИИ
Первые проекты с машинным обучением в компании начали внедрять, когда эта сфера еще была не очень развита – в 2012 году. Тогда для клиента построили беттинговую платформу и заложили в нее систему математического анализа, которая является одной из основ ИИ. Технологию использовали для автоматизации операционных задач, например рассчитывать коэффициенты ставок.
С тех пор многое изменилось. Раньше ИИ использовали для определенных продуктов или проектов, решая с его помощью точечные запросы, а с лета в компании начали формировать продуктовый подход к внедрению ИИ.
«Клиенты не всегда понимают, что может дать ИИ: мы смотрим на метрики и можем предлагать новые фичи, возможности, – говорит Виталий. – Так же и внутри компании: те, кто оперирует продуктом, делает каждый день одно и то же, не всегда могут взглянуть на все процессы “сверху”, чтобы понять, что можно ускорить». Поэтому в Favbet Tech выделили команду, которая формирует продуктовый подход и для клиентов, и для людей, которые работают с продуктом. «Мы уже видим, что это намного эффективнее», – подчеркивает Виталий.
Как работает команда, которая занимается ИИ
Сначала это была рабочая группа из разных отделов: устраивали брейнсторминги, где все рассказывали свои идеи. Сейчас это более или менее постоянная команда из 10 человек, которая постоянно занимается R&D
Research and Development. «Мы даем идеи и получаем фидбек от разработчиков и продукт-оунеров, возможно ли что-то сделать, полезно ли это будет», – рассказывает Виталий.
Он говорит, что в Favbet Tech прорабатывают идеи для многих сфер – например, как избегать мошенничества. Раньше некоторые игроки могли объединиться и играть в одни и те же игры: таким образом они специально проигрывали друг другу, а затем распределяли общую сумму выигрышей между собой, получали дополнительные бонусы. Сейчас ИИ достаточно быстро определяет такие сговоры.
А раньше все это вычисляли вручную, с помощью Excel-табличек и уже практически после того, как все вышло. Компания несла убытки.
Виталий Силаев
Head of Delivery в Favbet Tech
В настоящее время рабочая группа по ИИ формирует гипотезы, оценивает их, затем делает начальные модели. Анализирует, какую часть платформы можно изменить, кто из отделов с этим может работать. После этого наработку передают в команды разработки. Иногда сотрудники команды, которая занимается ИИ, наблюдают за тем, как работают другие, чтобы понять, какие процессы можно сократить или откуда можно взять данные для модели ИИ.
В команде по ИИ периодически появляются новые роли: сейчас, например, набирают аннотаторов – людей, которые размечают данные и помогают быстрее обучать модели. От них зависит, будет ли результат качественным. Но здесь также можно совмещать работу людей и ИИ. Например, в Favbet Tech был проект для военных, где нужно было отмечать определенные объекты в определенных ситуациях, погодных условиях. «Массив данных был очень большой и неоднородный, в нем все было перемешано: дождь, туман, ночь и тому подобное. Мы поняли, что даже та команда, которая сейчас работает, будет двигаться очень медленно, – рассказывает Виталий. – Тогда мы сделали модель, которая самостоятельно сортировала погодные условия. И люди уже работали с рассортированными данными».
Проекты уже не начинают с нуля: есть заготовки, которые позволяющие моментально поднимать инфраструктуру под новый проект, быстрый доступ к данным, набор стандартных инструментов, которые помогают работать с этими данными. Виталий подчеркивает, что для ИИ создали отдельную инфраструктуру, отдельные технические решения, data lakeподход, при котором сохраняются неструктурированные данные, то есть большой массив информации в разных форматах. Эти решения могут работать эффективнее всего. Не стоит забывать, что обработка запросов со стороны ИИ – это тоже недешевый процесс. Тот же ChatGPT от OpenAI, вероятно, тратит более полумиллиона киловатт-часов электроэнергии, чтобы ответить на около 200 млн запросов в день.
Также в Favbet Tech много внимания уделяют обучению команды: например, привлекают опытных партнеров, таких как Amazon.
Какие проекты с ИИ сейчас развивают в компании
«Большинство людей думают, что ИИ – это условно “я делаю это в Exsel за три часа, а ИИ будет делать за несколько секунд”, – говорит Виталий. – Это не совсем так. Возможности ИИ гораздо больше». Сейчас в компании разрабатывается около 20 проектов, где применяют ИИ. Все они имеют разный уровень сложности.
Сегментация аудитории
Отдел маркетинга работает с огромным потоком пользователей платформы. Favbet Tech пытается максимально автоматизировать процесс взаимодействия с клиентами. Простая сегментация по бизнес-правилам оказалась недостаточной. Число пользователей в разных бизнес-сегментах не позволяло сделать анализ и понять их потребности.
Поэтому еще один проект, над которым работают в Favbet Tech, – проект сегментации аудитории. С помощью искусственного интеллекта нашли эффективный способ определить сегменты по их поведенческим характеристикам и личным предпочтениям. Это позволяет создавать более персонализированный опыт для каждого клиента.
Раньше в компании оперировали базовым набором из 20–30 сегментов, а с помощью ИИ это разделение можно значительно расширить. «Например, сегмент клиентов, которым все равно, выиграли они или проиграли, – рассказывает Виталий. – Им нравится сам процесс игры». И таким нужны не бонусы, а улучшенный сервис и внимание, рекомендации, что им может понравиться.
Проекты для ВСУ
Для проектов, которые помогают ВСУ, также используют ИИ: это не только технологии для дронов, но и работа с большими массивами данных. «Не уверен, что следует разглашать детали, но отзывы от ребят, которые работают с продуктами, хорошие», – говорит Виталий.
Работа с заинтересованностью клиентов
Помогает ИИ и в направлении, которое занимается подсчетом lifetime valueпожизненная ценность – это предвидение чистого дохода, связанного со всеми будущими отношениями с клиентом клиента: в определенный момент игрок может заскучать или разочароваться и закрыть аккаунт. «Мы работаем над тем, чтобы предсказать, когда человек начнет терять интерес, и заранее предложить что-то интересное для него», – говорит Виталий. Сейчас благодаря моделям ИИ можно спрогнозировать что-то с точностью до нескольких дней. Например, если клиент не получает бонус на спортивные события или игры, которые ему нравятся, то через три дня ему станет неинтересно на платформе. ИИ позволяет работать с узкими сегментами: кто-то любит, чтобы ему отправили сообщение, кому-то больше нравится телефонный звонок.
Также ИИ используют в маркетинге, например при работе с трафиком. Компании нужно знать, что трафик эффективен. Условно говоря, что на сайт заходят не боты. Раньше уходили недели на то, чтобы понять, есть ли потенциальные клиенты в определенном сегменте, на который запускали рекламу. Сейчас с помощью ИИ это можно определить за дни или даже считаные часы.
Оценка результата: как понять, что ИИ работает
Учитывая, что в компании используют продуктовый подход, сначала всегда есть базовые метрики, которые нужно улучшить. Соответственно, команда должна понять, что именно должно измениться. При этом важно понимать, что не все результаты работы с ИИ можно оценить в деньгах. «У нас тоже была такая ошибка: мы пытались смотреть, как модели влияют на прибыль», – делится Виталий. Также в компании поняли, что подход к A/B-тестированию меняется и там тоже можно задействовать ИИ.
А еще мы обнаружили очень интересный нюанс. Когда оцениваем работу с трафиком, который привлекаем, то оказывается, что ИИ оценивает ИИ. ИИ понимает наш сегмент, продукт, кто должен приходить на сайт. И от нас он получает фидбек – пришли нужные нам клиенты или нет. В сущности, две разные модели ИИ общаются между собой и понимают, что им нужно изменить.
Виталий Силаев
Head of Delivery в Favbet Tech
Виталий подчеркивает, что корректировка модели – это постоянный процесс. Иногда бывает, что ее уже меняли множество раз и она не дает желаемого результата, а со 160-й попытки получится то, что нужно. Иногда можно получить результаты с первой или второй модели: это очень зависит от чистоты данных, которые получает определенная модель.
Все ли идеи уходят в работу
Не всегда идея отсекается в начале. Иногда команда видит, что решение нравится клиентам, но оно может не пройти следующий этап. «У нас было “предложение суммы”, – рассказывает Виталий. – ИИ может спрогнозировать, какую сумму обычно клиент тратит в определенных ситуациях или играх, и предлагать пополнить баланс именно на нее, чтобы не приходилось тратить время на несколько пополнений». Тестирование показало, что клиенты хотят использовать эту функцию. Но юристы пока рассматривают, не будет ли это считаться принятием финансового решения за клиента. Потому проект пока на паузе.
А есть еще человеческий фактор. К примеру, можно разработать идеальную модель ИИ, но работники не будут понимать, зачем им ее использовать. Были случаи, когда давали отзывы, что все работает идеально, а потом оказалось, что работники не использовали модель, которую заказал менеджмент.
«Именно поэтому мы начали формировать комьюнити для внедрения идей», – говорит Виталий. По его словам, часть людей все еще воспринимают ИИ как угрозу, которая может забрать работу, поэтому с этим стереотипом нужно работать.
В то же время искусственный интеллект экономит время: например, если раньше работники вручную искали потенциальных мошенников, сейчас за команду из четырех человек практически все делает ИИ. «Они уже выполняют другие задачи, – говорит Виталий. – Мы не стремимся сокращать людей, задач в компании хватает. А ИИ дает возможность заниматься более креативной работой, а не ставить галочки в табличках».
Планы на будущее
«Мы были недавно на международной выставке, где видели много решений по ИИ в гемблинге. Больше внимания обращают на развлекательные моменты, – делится наблюдениями Виталий. – А вот решения для защиты игроков от игровой зависимости и финансовых потерь не так популярны». В компании планируют работать в обоих этих направлениях: второе хотя и не приносит много прибыли, но помогает избежать проблем как для игроков, так и для компании.
Также в Favbet Tech планируется продолжать развивать продуктовый подход и улучшать платформу. «Возможно, будем делать еще отдельный продукт, – говорит Виталий, – решение не только для нашей платформы, а и для других бизнесов».
Визуальное оформление статьи осуществлено командой ITC.UA
