Что такое ИИ, как он устроен, как мы обучаем собственные модели и зачем создали Еву — нашего ИИ-кассира. Простыми словами, с примерами и цифрами.

Представьте сотрудника, который прочитал почти весь интернет: книги, переписки, документы, инструкции. Он не «знает правду» — он научился угадывать, какое слово идёт следующим, и делает это так точно, что получается осмысленный ответ.
«Клиент хочет тур в Турцию на двоих в июле…»
→ модель достраивает: «…покажу варианты „всё включено“ у моря с вылетом из Алматы»
Она выбрала продолжение, которое статистически самое уместное — как очень опытный менеджер.
Текст режется на маленькие кусочки. «Алматы» ≈ 1–2 токена. Модель работает не с буквами, а с этими кусочками.
Миллиарды связей, как нейроны в мозге. По ним проходит сигнал и на выходе даёт следующий токен.
Это «опыт» модели — числа, настроенные при обучении. Именно их мы и меняем, когда дообучаем модель под себя.
Размер модели измеряют в параметрах (тех самых «весах»). «B» = миллиард. Чем больше — тем «эрудированнее», но тем дороже и медленнее она работает.
Мы сами сравнили нашу дообученную модель 32B с гигантом 235B на реальных задачах ByFly (поиск туров, рейсов, оформление).
💡 Решает не «размер мозга», а обучение под нашу работу.

Берём сильную базовую модель и доучиваем её на НАШИХ данных: реальные диалоги, наши туры, правила компании, тон общения. Это называется дообучение (fine-tuning).
Каждый пример — это «как правильно ответить и что сделать» в конкретной ситуации: подобрать тур, найти рейс, посчитать накрутку, выставить счёт, не выдумать цену. Чем больше качественных данных — тем умнее Ева.
Обучение и работа ИИ требуют очень мощных видеокарт — GPU NVIDIA H100. Это топовое «железо» для искусственного интеллекта.
Сервер для обучения модели. Один цикл — около 2 часов плотных вычислений.
Боевой сервер, где Ева отвечает клиентам 24/7 в реальном времени.

Специальный процессор, заточенный под обучение и запуск нейросетей. Обычный ПК так не умеет.
На одной карте — больше видеопамяти, чем в 10 игровых ПК вместе. Модель целиком живёт в ней.
Мы соединяем 4–8 таких карт вместе, чтобы они считали одну большую модель одновременно.
Примерные порядки затрат. Главное: обучить свою умную модель — это десятки тысяч тенге, а не миллионы.

Мы создали Еву, чтобы она сама обслуживала клиентов и помогала агентам: подбирала туры и билеты, оформляла заявки, выставляла счета, отвечала голосом по телефону.
Голос → текст, или сообщение в чате
Наша обученная модель понимает запрос
Вызывает нужные функции системы
Текстом и/или живым голосом
Ева работает и в чате кабинета, и как голосовой агент по телефону — отвечает на звонки клиентов.
Главное отличие от «болталки»: Ева реально работает с нашей системой. Поняв запрос, она сама запускает нужные действия:
Живой авиапоиск, в т.ч. сложные маршруты из 4 городов
Спецпредложения и туры под бюджет клиента
Создаёт заявку, выставляет счёт, шлёт SMS-код
Считает наценку агента и его заработок
Находит брони агента, показывает статусы
Проверяет цену и места перед оплатой
Принимает звонок и говорит голосом
Ведёт голосовые курсы для агентов
Мы построили Еве собственную память. Она запоминает, что важно для клиента, и вспоминает это даже в новом разговоре через недели.
В одном разговоре: «Болат, Эмираты, бюджет 800к, с женой, без пересадок».
Через неделю в новом чате Ева сама вспоминает эти детали и продолжает подбор. ✅
Мы не «покупаем чужой ум на разовую задачу» — мы выращиваем собственный: свои данные, свои обученные модели, своя память, своё железо. С каждым циклом Ева становится сильнее, а команда — быстрее.
Своя модель. Свои данные. Своя Ева. И это только начало.
Спасибо за внимание · Вопросы?