Как Онлайн Экспресс запустил AI‑подбор отелей для турагентов
Онлайн Экспресс объединяет бронирование и управление туристическими услугами для профессионалов рынка: отели, авиабилеты, страховки, трансферы. Платформой пользуются более 7 тысяч турагентов, через которых холдинг ежегодно отправляет в поездки сотни тысяч туристов.
TLDR
Онлайн Экспресс вместе с AI-интегратором R77 AI построил AI-ассистента подбора отелей для турагентов. Проект прошел несколько итераций: от жесткого сценарного бота до агентной архитектуры с управляемыми сценариями.
Результат: доступ у более чем 7 тысяч турагентов, 75% диалогов заканчиваются ссылкой на бронирование в Онлайн Экспресс, конверсия в начало бронирования выросла до 25%.
Контекст: подбор отеля съедает больше всего времени турагента
Подбор отеля — самая времязатратная часть работы турагента. На ручной поиск вариантов уходят часы, и хотя задача кажется массовой и понятной, обычные чат-боты с ней не справляются. У этого есть три причины:
Турагенту нужна закрытая B2B-цена. Она должна быть актуальной и доступной для бронирования прямо сейчас. Публичный AI-ассистент этих цифр не видит.
Эксперта сложно удивить банальной подборкой. Турагент сам отлично знает рынок и направления. Когда бот предлагает стандартные варианты, у профессионала в голове уже есть свои ожидания и критерии, которые нейросеть обычно не учитывает.
Слишком высокая цена ошибки. Если турист может не заметить неточность в описании (например, количество бассейнов), то для турагента это непозволительно. Ошибка из описания автоматически уйдет в коммерческое предложение клиенту, а это репутационные и финансовые риски.
Идея команды Онлайн Экспресс была в том, чтобы свести все к одному чат-интерфейсу, куда турагент мог бы скопировать сообщение туриста, проконсультироваться, получить подборку релевантных отелей и моментально перейти к бронированию.
Задача: убрать рутину подбора, не ошибаться в фактах и вырастить объем бронирований
На старте проекта планировали создать AI-ассистента для требовательных экспертов в туризме. Время на сложный индивидуальный запрос должно было сократиться с нескольких часов до минут, ошибки при бронировании свестись к нулю, а сам инструмент усилить экспертизу турагентов с большим опытом в индустрии. Бизнес ждал роста объема бронирований и сокращения рутины. Партнером по разработке стал AI-интегратор R77 AI.
Итерация первая: жесткий сценарий, который загнал пользователей в тупик
За три недели R77 AI собрала сценарный интерфейс: агент ходит в базу Онлайн Экспресс, раскладывает отели по полочкам, проверяет доступность на даты, цену, близость к пляжу. Качество замеряли по трем метрикам: скорость отклика с целевым временем до 10 секунд и жестким лимитом 40 секунд, полнота ответа с минимизацией выдачи, где отелей меньше пяти, и RAG-метрики релевантности найденных отелей первоначальному запросу.
Три причины заметили, когда продукт начали тестировать живые пользователи:
Нужны реальные диалоги. Турагент часто вообще не хотел заполнять детали и отказывался взаимодействовать с инструментом. Набрать достаточное количество диалогов не вышло даже на лояльной аудитории.
Вариативность не предугадать. Разбор десятков тысяч диалогов турагентов с менеджерами показал сценарии, которых никто не закладывал. Сервис задуман, чтобы рекомендовать отели, когда турагент сам не знает, что ищет. Пользователям оказался нужен еще и поиск конкретного отеля по названию.
Контекст не очевиден. Общепринятые термины вроде «люкс» и «первая линия» все понимают по-разному: «тяжелый люкс», «классная Турция», «хорошая пятерка» требуют интерпретации, которой в жестком сценарии нет..
В итоге сервис оказался неудобен даже внутренним экспертам холдинга с десятилетиями опыта в туризме.
Итерация вторая: свободный диалог и четыре новые проблемы
Следующим экспериментом стал гибкий «ChatGPT» с надстройками Онлайн Экспресс. Новый концепт собрали за неделю. Это дало свободу диалога получили, но вместе с ней выявили четыре проблемы:
- Уязвимость. Непредсказуемые ответы вроде «это требует прямого поиска» или уход в подбор авиабилетов. Ассистент мог переключиться на планирование комбинированного тура с экскурсиями, которые нельзя забронировать в системе, и сам об этом не знал.
- Галлюцинации. После долгого диалога ассистент мог выдавать великолепную подборку, из которой ни один отель не был доступен на нужные даты.
- Снижение контроля. Ассистент вел пользователей на сторонние сайты бронирования отелей. Рядом со ссылкой на Онлайн Экспресс мог показывать «цена около $163 за ночь по данным Hotels.com».
- Ошибки матчинга. Отель Park Inn by Radisson в Казани когда-то переименовался в «Космос». Сам «Космос» в базе есть, но ассистент показывал вместо него Park Inn by Radisson в Центральном Китае.
Ошибки матчинга позже легли в основу регулярной проверки качества ответов, по которой оценивали все следующие версии.
Вывод двух итераций: нужно жесткое и гибкое решение одновременно
Требования, проверенные на реальных фокус-группах, звучат как противоречие: турагентам нужно жестко и гибко одновременно. За основу нового решения взяли два главных критерия:
Ответ должен быть всегда
Качественный результат приходит с первого запроса, в режиме zero-shot, без уточняющих кругов. Пустой выдачи не существует: если точного совпадения нет, ассистент предлагает релевантные альтернативы. К ошибкам матчинга отелей толерантность нулевая.
Ответ должен быть экспертным
Фактологическая точность стопроцентная, отель доступен в нужном ценовом диапазоне, сессия заканчивается оформленным бронированием, а выбор конкретного отеля ассистент аргументирует прозрачно.
Решение: свободный диалог для пользователя с жесткими сценариями под капотом
Третьей итерацией стала система на базе AI-агентов. Для пользователя решение выглядело как свободный диалог с живым помощником А внутри заложены управляемые сценарии, которые ведут пользователя к карточкам отелей. Отклонения система обрабатывает сама: сравнивает пляжи, предлагает альтернативные варианты. Разработка ядра заняла около месяца.
Мы взяли гибкий, привычный человеку разговорный интерфейс, а под капотом проложили вариации сценариев, в которых продукт должен работать безупречно. Мы задаем агенту маршрут: иди туда, работай вот так. Агент оркестрирует десятки инструментов, а пользователь просто общается и получает экспертные ответы.
Чтобы снаружи все работало как магия, под капотом в реальном времени идет сложный процесс:
Сборка данных
Синхронизация с базой Онлайн Экспресс, проверка доступности отелей, расчет номерного фонда, конвертация валют, актуализация цен.
Проверка фактов
Сверка с официальными сайтами отелей, расчет расстояния до пляжа по геоданным, анализ отзывов, поиск в сети.
Обработка смысла запроса
Извлечение скрытых критериев, привязка к событиям, многофакторное сравнение отелей.
Четыре месяца доработки: волны раскатки и опросы турагентов
Запуск решения шел волнами. Сначала продукт использовали внутренние эксперты, менеджеры по туризму собственного холдинга. Затем подключилась фокус-группа из 200 турагентов, а ближе к концу волна на 600 турагентов. Осторожность объяснима: турагентов по стране десятки тысяч, аудитория ограниченная и ценная.
К октябрю 2025 года казалось, что решение найдено: три итерации уложились в два месяца. Но после этого было еще четыре месяца технической и продуктовой работы, причем продуктовой. Метрики снимали с самого начала: лайки и дизлайки, скорость ответа, доля нулевых подборок. Быстро выяснилось, что метрики можно починить, сломав сценарий.
Одним из важных открытий стало то, что не все можно замерить и не все сигналы нам адекватно покажут метрики сервиса. Одним из важнейших эвалов ближе к завершению работы над продуктом для нас стал опрос турагентов: они получали подборку отелей и как тестировщики оценивали, насколько она релевантна. С одной стороны, это объективно, с другой стороны, причины, по которым люди ставят „есть ошибка“ или „нет ошибки“, максимально субъективны. И мы не с первого опроса набрали пороговое значение.
Таймлайн раскатки
Результаты: 75% диалогов ведут к ссылке на бронирование
Ассистент запущен и работает как альтернатива поисковой строке на сайте Онлайн Экспресс. Инженерная часть заняла около двух месяцев: три версии продукта, прототипирование, интеграция с API, RAG, десятки инструментов и агентная оркестрация. Остальные четыре месяца заняли аналитика логов, демо для заказчиков, опросы агентов, внутреннее тестирование и доработка бизнес-сценариев.
Успех внедрения AI — это коммуникация, правильная постановка цели и правильная архитектура решения. Написать код и развернуть базовую AI-инфраструктуру можно за несколько недель. Вопрос в том, кто внутри компании возьмет продукт на себя: защитит бюджет, соединит команды и будет честен с самим собой в том, что нужно бизнесу на самом деле.
Ключевые результаты проекта
75%
Диалогов заканчиваются ссылкой на прямое бронирование в Онлайн Экспресс
25%
Конверсия диалога в начало бронирования
7000+
Турагентов имеют доступ к ассистенту
20-30 секунд
Время ответа ассистента при жестком лимите 40 секунд
3 итерации
Продукта за первые два месяца
6 месяцев
От старта разработки до раскатки на пользователей
Главное
Между прототипом за две недели и работающим AI-продуктом у Онлайн Экспресс и R77 AI лежат шесть месяцев. Два ушли на инженерию и три смены архитектуры, еще четыре заняли коммуникация, метрики, волны раскатки и опросы турагентов. Жесткий сценарный агент с отличными метриками и свободный ChatGPT-диалог провалились по очереди, а сработала связка со снаружи свободном общением и управляемыми бизнес-сценариями под капотом. Сегодня 75% диалогов с ассистентом заканчиваются ссылкой на бронирование.
Если вы думаете о внедрении AI-ассистента для клиентов, команда Just AI поможет пройти путь от задачи до первого пилота.