Yandex Go встроил ИИ в ключевые этапы заказа такси — от выбора адреса до прогноза назначения машины и подбора тарифа. Это меняет не только пользовательский сценарий, но и операционную модель last mile: платформа все точнее управляет спросом, входными данными заказа и распределением ресурса.
Yandex Go добавил в приложение несколько ИИ-функций, которые работают прямо в процессе заказа такси. Сервис предлагает вероятные адреса на основе частых поездок, показывает прогноз времени поиска машины, подсказывает готовые комментарии к месту подачи и рекомендует подходящий тариф или опцию по тексту запроса пользователя. Фактуру по этим изменениям дал сам сервис.
Это не история про удобство интерфейса, а про управление сервисным потоком. В такси качество исполнения зависит не только от числа машин на линии, но и от точности адреса, качества комментария к подаче, скорости принятия решений и способности платформы направлять спрос еще до назначения водителя. Когда эти действия берет на себя алгоритм, интерфейс становится частью диспетчеризации.
Сдвиг происходит в самом механизме заказа. Платформа стандартизирует входные данные: предлагает наиболее вероятный адрес, помогает точнее описать точку подачи, заранее оценивает время назначения машины и подталкивает к смене тарифа, если ожидание затягивается. Это сокращает число ошибок на стыке пассажира и водителя, снижает лишние коммуникации и делает исполнение заказа более предсказуемым.
После обновления активные пассажиры стали на 15% чаще выбирать предложенные адреса. Около 1,5 млн поездок в месяц сопровождаются комментариями для водителей, и теперь сервис суммаризирует типовые формулировки для конкретной точки подачи — например, указывает на арку, ворота или номер въезда. Прогноз времени назначения строится с учетом ситуации в районе, текущего спроса и количества доступных водителей. Если ожидание растет, приложение предлагает другой тариф, чтобы сократить время до поездки.
Для бизнеса это сигнал шире рынка такси. Такие инструменты не меняют товарные запасы напрямую, но меняют логику управления последней милей: спрос становится более направляемым, ресурс — точнее распределяемым, а клиентский интерфейс — частью операционной системы. Для e-commerce, delivery-платформ и сервисов on-demand это рабочая модель, в которой часть неопределенности снимается еще до начала исполнения заказа. Чем меньше ошибок в адресе, комментарии и выборе услуги, тем ниже нагрузка на исполнителя и выше управляемость потока.
Конкуренция в last mile все заметнее смещается из цены и скорости в качество алгоритмического управления заказом. Платформа, которая лучше управляет спросом и входными данными до начала исполнения, получает более устойчивую операционную модель.
