Бот из машины. Как алгоритмы позволяют Яндексу автоматизировать сервис каршеринга

Москва — мировой лидер по темпам развития услуги каршеринга. Ни в одном городе мира не работает столько компаний как здесь, а суммарный московский автопарк насчитывает уже более 11 500 автомобилей — и это далеко не предел емкости рынка. Для сравнения, в крупнейших столицах Европы этот показатель достигает 3 000 автомобилей, которые управляются несколькими компаниями. Два мировых лидера этой услуги — car2go и DriveNow — совместно управляют парком из 20 000 автомобилей в более чем 20 городах Европы, Северной Америки и Азии.

Руководитель маркетинга «Яндекс.Драйва» Диана Попова рассказывает о том, как однажды разработчики Яндекса решили взять в аренду несколько сотен автомобилей и применить новые подходы, чтобы эффективно управлять быстрорастущим парком.

C момента запуска Драйва пользователи совершили больше четырех миллионов поездок. В распоряжении сервиса 4 300 автомобилей, обслуживанием которых занимаются не только технические специалисты, но и большой штат роботов. Каждый робот или бот — это совокупность алгоритмов, которые в режиме реального времени обрабатывают огромные потоки данных от автомобилей: расположение машин, скорость движения, состояние внутренних датчиков, историю каждого контакта с автомобилем и т.д. На основании этих данных он принимает решение, что сейчас нужно автомобилю. И пока одни роботы управляют автопарком, другие отвечают за общение с пользователями и обработкой от них обратной связи.

Драйв первый на рынке предложил пользователям пройти регистрацию в режиме диалога с роботом. Робот в чате проводит пользователя по процедуре регистрации, звонит с контрольным вопросом, с помощью многофакторного анализа осуществляет проверку документов и в итоге принимает решение о регистрации и допуску к классам автомобилей. Другими словами, все, что требуется от нового пользователя, — сфотографировать документы и дождаться push-сообщения о результате проверки. Все процессы автоматизированы и допуск к сервису можно получить в любое время дня и ночи.

Мы хотим, чтобы передвижение на автомобилях Драйва было максимально безопасным как для окружающих, так и для наших водителей. От бережной эксплуатации машины выигрывают все: компания тратит меньше средств на восстановительные работы, а пользователи получают доступные тарифы и автомобили полностью готовые к эксплуатации. Автоматизация принятия решения о допуске к классам снижает субъективизм, в отличие от ситуации, когда на месте робота человек. В большинстве случаев этот подход оправдывает себя, что подтверждается нашей статистикой по аварийности и размеру причиненного парку ущерба.

В сервисе есть робот, который отвечает за безопасность на дорогах и уберегает водителя от получения штрафа. Он отслеживает скорость автомобиля в дороге в режиме реального времени, которая поступает напрямую с бортового компьютера автомобиля, сравнивает её с ограничением на данном участке дороги и, в случае значительного превышения, просит оператора (человека) оповестить об этом водителя.

Если водителю все-таки выписан штраф, бот собирает и направляет ему электронное письмо со всей необходимой информацией о совершенном нарушении и производит автоматическое списание средств с банковской карты. В задачи робота входит не просто верно определить нарушителя, но и сделать это оперативно, чтобы водитель получил 50% скидку на оплату штрафа.

Помимо безопасности, есть отдельные зоны, связанные с эксплуатацией автомобилей.

Роботы Драйва основаны на тех разработках, которые уже есть у Яндекса. В этом и состоит преимущество экосистемы IT-компании: можно использовать существующие наработки и адаптировать их под разные задачи. Платформа работы с данными телематики и сигналами пользователей Драйва, сервис коммерческой маршрутизации, геоплатформа Яндекс.Карт — все это значительно экономит ресурсы, а благодаря использованию проверенных технологий новые сервисы запускаются в кратчайшие сроки и не требуют написания базовых компонент с нуля. Тотальная автоматизиция позволяет экономить на службе диспетчеров, которой попросту нет, а рентабельность повышается за счет мгновенного обнаружения проблем, что не дает машинам простаивать без дела. Но кроме экономии, мы снижаем субъективность в принятии решений и уменьшаем вероятность человеческой ошибки — и это важнее всего.