Avito Ads запустил AI‑конвейер для автоматической разметки пользовательского фидбэка
Команда Avito Ads построила систему из специализированных ИИ‑агентов, Python‑помощника и динамичной таксономии, позволяющую быстро и последовательно аннотировать отзывы клиентов.
В статье от команды Avito Ads, опубликованной на Habr ML, Андрей Безруков делится опытом создания полностью автоматизированного конвейера для разметки продуктового фидбэка. Основная задача – не просто собрать комментарий пользователя, а понять его смысл, выделить затронутые темы и применить единые правила разметки.
Для решения этой задачи была построена архитектура из нескольких уровней. На первом этапе входящие отзывы проходят через набор специализированных ИИ‑агентов, каждый из которых отвечает за отдельный аспект: определение тональности, выделение ключевых сущностей, классификация тем и проверка соответствия таксономии. Затем Python‑помощник оркеструет процесс, распределяя задачи между агентами, собирая промежуточные результаты и формируя окончательную разметку.
Ключевым элементом системы стала обновляемая таксономия – набор тем и правил, который можно быстро адаптировать под новые бизнес‑требования без изменения кода. При появлении новых категорий команда просто вносит их в конфигурацию, а ИИ‑агенты автоматически начинают их использовать.
В результате конвейер позволяет обработать до 15 000 отзывов в сутки, сократив ручную работу на 85 %. Точность автоматической разметки достигла 92 % при сравнении с разметкой, выполненной экспертами. Авторы отмечают, что система легко масштабируется и может быть адаптирована под любые типы пользовательского фидбэка.
Ссылка на оригинальную статью: https://habr.com/ru/companies/avito/articles/1085718/
Для разработчиков AI‑решений это пример того, как сочетание LLM‑агентов и гибкой таксономии может превратить рутинную разметку в масштабируемый сервис. Студенты курсов могут взять эту схему за основу при построении собственных пайплайнов для анализа отзывов. Главное – обеспечить возможность быстрой доработки правил без полной переобучения модели.
