Как распознать срочное сообщение на любом языке. Опыт Яндекс.Такси

Сервисы Яндекс.Такси работают в 19 странах мира. Эта компания одна из самых технологически развитых: машинное обучение применяется на всем цикле заказа, в том числе — при работе службы поддержки.

Служба поддержки ежедневно получает большой поток входящих обращений, а ML-модель приоритизирует их так, чтобы самые срочные получили незамедлительную реакцию. Однако модель обучена только на русском, а чтобы она могла понимать и другие языки, применяется Yandex Translate. Так служба поддержки может быстро реагировать на все обращения, на каком бы языке они ни поступали.

Яндекс.Такси — это онлайн-сервис по заказу автомобиля с водителем. К нему подключаются пользователи из разных стран мира. Еженедельно в службу поддержки сервиса поступают сотни тысяч обращений на разных языках. Чтобы быстро обрабатывать такой объем информации, используют ботов. Они отвечают на простые типовые вопросы и призывают сотрудников службы поддержки, если проблема требует реакции человека.

Но что делать, если у пользователя произошла экстренная ситуация, и реакция сотрудника поддержки нужна незамедлительно?

Технологический вызов, стоявший перед командой Яндекс.Такси, состоял в том, чтобы научить алгоритм решать такого рода задачи. Причем независимо от того, на каком языке обратился в поддержку пользователь.

Решением стало использование машинного перевода для ML-модели. Перевод осуществляет Yandex Translate, поддерживающий более 95 языков. Такое применение называется Machine Translation for Machine Learning. Машинный перевод используется не для людей, а для самих машин, которые на основе этого перевода могут обрабатывать мультиязычный контент.

Сначала в Яндекс.Такси составили дерево тематик обращений на русском языке и научили ML-модель в них ориентироваться. Возможных проблем набралось около двухсот: с поездкой (водитель не приехал), с приложением (не получается привязать карту), с автомобилем (грязная машина), с забытыми вещами и др. Например: «Paliko juodą žiebtuvėlis Zippo. Tai dovana. Būčiau dėkingas, jei aš atgal» (лит.) — «Оставил черную зажигалку Zippo. Это подарок. Был бы благодарен, если получу назад».

Сообщениям, которые требуют немедленной реакции, было уделено особое внимание: ML-модель научили распознавать их и приоритезировать для команды поддержки.

Чтобы ML-модель могла понимать обращения на других языках, кроме русского, используется Yandex Translate. Все сообщения на других языках автоматически переводятся на русский, после чего проходят через ML-модель и получают нужный приоритет. Дообучали модель на исторических данных поддержки.

Обучать ML-модель параллельно на других языках было бы очень трудозатратно и экономически неэффективно. В этом случае пришлось бы размножить процесс на все языковые пары, а именно: поиск и сбор релевантных данных на других языках, эксперименты и выбор наилучших моделей, оценка качества (что особенно сложно, если вам нужно найти людей, говорящих на всех этих языках), деплоймент, мониторинг качества, обновление и т. д.

Машинный перевод стал идеальным решением благодаря скорости и полной автономности. Машина взаимодействует с машиной, чтобы сделать жизнь людей лучше — это уже не будущее, а настоящее.

Благодаря тому, что служба поддержки Яндекс.Такси мгновенно понимает обращения на 95+ языках, компания стала значительно быстрее реагировать на них и смогла улучшить качество обслуживания.

Если что-то идет не так, всегда можно обратиться в поддержку: по любому вопросу, проблеме или конфликтной ситуации. Самые срочные кейсы обрабатываются в первую очередь. А благодаря интеграции с Yandex Translate не имеет значения, на каком языке поступил запрос.