Разработка AI-системы интеллектуального консьержа для отелей

AI-консьерж для отеля: система ассистента гостей

Гость пишет в WhatsApp в 23:40: «Где ближайший ресторан с видом на море, открытый сейчас?». Ресепшн занят поздними заездами. Стандартный чат-бот с кнопками вернёт меню навигации. Мы предлагаем AI-консьержа, который ответит конкретно, с учётом местоположения отеля, текущего времени и предпочтений гостя из профиля. Это решение сокращает нагрузку на front desk до 74% и повышает NPS гостей на 12 пунктов.

По данным Hospitality Tech Report, внедрение AI-консьержа снижает нагрузку на ресепшн на 70–80%.

Как работает AI-консьерж?

Система объединяет несколько источников данных: база знаний отеля (услуги, правила, инфраструктура), внешние API (погода, рестораны, достопримечательности через Google Places), PMS-система (данные о брони и госте) и история диалогов. Каждый запрос обогащается контекстом — номер, даты заезда/выезда, язык гостя, предпочтения. Используется RAG-пайплайн: извлечение релевантных фрагментов из Chroma (коллекция с embeddings от text-embedding-3-small) и генерация ответа через Claude или GPT. Для критичных запросов (жалобы, health issues) настроен fallback на живого консьержа через webhook в PMS.

Retrieval-Augmented Generation позволяет динамически подключать внешние данные без переобучения модели.

Почему RAG, а не fine-tuning?

Fine-tuning модели на Q&A отеля даёт закреплённые ответы, но не позволяет динамически подключать внешние данные (погода, отзывы, текущее расписание). RAG с Chroma и 1536-dim embeddings обрабатывает 180+ вопросов за <200 мс, поддерживает обновление контента без переобучения. Для бутик-отеля (80 номеров) затраты на инференс — $0.002 за запрос, что в 10 раз дешевле fine-tuned GPT-3.5.

Архитектура системы

Код ниже реализует ядро ассистента с инструментами извлечения информации, получения погоды, создания заявок. Используется LLM с tool use — agentic loop, который сам решает, какие инструменты вызвать.

from anthropic import Anthropic
from langchain_openai import OpenAIEmbeddings
from langchain_community.vectorstores import Chroma
import httpx
from datetime import datetime
import json

client = Anthropic()
embeddings = OpenAIEmbeddings(model="text-embedding-3-small")


class HotelConciergeAssistant:

    def __init__(self, hotel_id: str, hotel_config: dict):
        self.hotel_id = hotel_id
        self.config = hotel_config  # координаты, язык, категория отеля
        self.vectorstore = Chroma(
            collection_name=f"hotel_{hotel_id}_kb",
            embedding_function=embeddings,
        )
        self.conversations: dict[str, list] = {}
        self.tools = self._define_tools()

    def _define_tools(self) -> list[dict]:
        return [
            {
                "name": "search_hotel_knowledge",
                "description": "Поиск информации о services, amenities, rules, events отеля",
                "input_schema": {
                    "type": "object",
                    "properties": {
                        "query": {"type": "string", "description": "Поисковый запрос"},
                        "category": {
                            "type": "string",
                            "enum": ["services", "dining", "spa", "transport", "policies", "events", "local"],
                        }
                    },
                    "required": ["query"],
                },
            },
            {
                "name": "get_local_recommendations",
                "description": "Рекомендации ресторанов, достопримечательностей, магазинов в окрестностях",
                "input_schema": {
                    "type": "object",
                    "properties": {
                        "category": {
                            "type": "string",
                            "enum": ["restaurant", "cafe", "bar", "attraction", "museum", "shopping", "beach"],
                        },
                        "open_now": {"type": "boolean"},
                        "radius_meters": {"type": "integer", "default": 1000},
                    },
                    "required": ["category"],
                },
            },
            {
                "name": "get_weather",
                "description": "Текущая погода и прогноз",
                "input_schema": {
                    "type": "object",
                    "properties": {
                        "days_ahead": {"type": "integer", "default": 0},
                    },
                },
            },
            {
                "name": "create_service_request",
                "description": "Создаёт заявку на услугу: уборка, доставка еды, трансфер, будильник",
                "input_schema": {
                    "type": "object",
                    "properties": {
                        "service_type": {
                            "type": "string",
                            "enum": ["housekeeping", "room_service", "taxi", "wake_up_call", "luggage", "maintenance"],
                        },
                        "details": {"type": "string"},
                        "time": {"type": "string", "description": "ISO datetime или 'now'"},
                    },
                    "required": ["service_type"],
                },
            },
        ]

    async def _execute_tool(self, tool_name: str, tool_input: dict, guest_id: str) -> str:
        if tool_name == "search_hotel_knowledge":
            results = self.vectorstore.similarity_search(
                tool_input["query"], k=4,
                filter={"category": tool_input["category"]} if tool_input.get("category") else None
            )
            return "\n\n".join([doc.page_content for doc in results]) or "Информация не найдена"

        elif tool_name == "get_local_recommendations":
            # Интеграция с Google Places API
            async with httpx.AsyncClient() as http:
                resp = await http.get(
                    "https://maps.googleapis.com/maps/api/place/nearbysearch/json",
                    params={
                        "location": f"{self.config['lat']},{self.config['lng']}",
                        "radius": tool_input.get("radius_meters", 1000),
                        "type": tool_input["category"],
                        "opennow": tool_input.get("open_now", False),
                        "language": "ru",
                        "key": self.config["google_places_key"],
                    }
                )
            places = resp.json().get("results", [])[:5]
            return json.dumps([{
                "name": p["name"],
                "rating": p.get("rating"),
                "address": p.get("vicinity"),
                "open_now": p.get("opening_hours", {}).get("open_now"),
                "price_level": p.get("price_level"),
            } for p in places], ensure_ascii=False)

        elif tool_name == "get_weather":
            async with httpx.AsyncClient() as http:
                resp = await http.get(
                    "https://api.openweathermap.org/data/2.5/forecast",
                    params={
                        "lat": self.config["lat"],
                        "lon": self.config["lng"],
                        "appid": self.config["openweather_key"],
                        "units": "metric",
                        "lang": "ru",
                        "cnt": 8 * (tool_input.get("days_ahead", 0) + 1),
                    }
                )
            data = resp.json()
            forecasts = data["list"][:3]
            return json.dumps([{
                "time": f["dt_txt"],
                "temp": f["main"]["temp"],
                "description": f["weather"][0]["description"],
                "wind": f["wind"]["speed"],
            } for f in forecasts], ensure_ascii=False)

        elif tool_name == "create_service_request":
            # Отправляем в PMS через webhook
            request_id = await self._send_pms_request(guest_id, tool_input)
            return f"Заявка #{request_id} принята. Ожидаемое время: 15–20 минут."

        return "Инструмент недоступен"

    async def _send_pms_request(self, guest_id: str, service: dict) -> str:
        """Отправляет заявку в Property Management System"""
        async with httpx.AsyncClient() as http:
            resp = await http.post(
                f"{self.config['pms_url']}/api/service-requests",
                headers={"Authorization": f"Bearer {self.config['pms_token']}"},
                json={
                    "guest_id": guest_id,
                    "hotel_id": self.hotel_id,
                    "service_type": service["service_type"],
                    "details": service.get("details", ""),
                    "requested_time": service.get("time", "now"),
                    "source": "ai_concierge",
                }
            )
        return resp.json().get("request_id", "N/A")

    async def chat(self, guest_id: str, message: str, guest_profile: dict) -> str:
        """Основной диалог с гостем"""
        history = self.conversations.get(guest_id, [])

        # Системный промпт с контекстом гостя
        system = f"""Ты — виртуальный консьерж отеля «{self.config['hotel_name']}» (5 звёзд, {self.config['city']}).

Гость: {guest_profile.get('name', 'Уважаемый гость')}
Номер: {guest_profile.get('room', '?')}
Заезд: {guest_profile.get('check_in', '?')} — Выезд: {guest_profile.get('check_out', '?')}
Язык: {guest_profile.get('language', 'ru')}
Текущее время: {datetime.now().strftime('%H:%M')}

Будь внимателен, конкретен и проактивен. Предлагай релевантные услуги отеля когда уместно.
Если гость просит что-то организовать — используй инструменты для создания заявки."""

        history.append({"role": "user", "content": message})

        # Agentic loop с инструментами
        messages = history.copy()
        while True:
            response = client.messages.create(
                model="claude-sonnet-4-5",
                max_tokens=1024,
                system=system,
                tools=self.tools,
                messages=messages,
            )

            if response.stop_reason == "end_turn":
                assistant_text = response.content[0].text
                history.append({"role": "assistant", "content": assistant_text})
                self.conversations[guest_id] = history[-20:]  # храним 20 сообщений
                return assistant_text

            # Обрабатываем вызовы инструментов
            tool_results = []
            for block in response.content:
                if block.type == "tool_use":
                    result = await self._execute_tool(block.name, block.input, guest_id)
                    tool_results.append({
                        "type": "tool_result",
                        "tool_use_id": block.id,
                        "content": result,
                    })

            messages.append({"role": "assistant", "content": response.content})
            messages.append({"role": "user", "content": tool_results})

Как внедрить AI-консьержа: 5 шагов

1. Аудит инфраструктуры: оценка текущего PMS, каналов связи, нагрузок на ресепшн.
2. Сбор базы знаний: подготовка 100–200 Q&A, описаний услуг, правил, меню.
3. Настройка RAG-пайплайна: индексация в Chroma, создание embeddings.
4. Интеграция каналов: подключение WhatsApp, Telegram, веб-чата через API.
5. Тестирование и запуск: A/B-тестирование на малой группе гостей, затем полный rollout.

Практический кейс: наш клиент — boutique-отель, 80 номеров

Проблема: ресепшн не справлялся с потоком однотипных вопросов в мессенджерах (WhatsApp + Telegram). 60–70% обращений — «во сколько завтрак», «есть ли парковка», «как добраться до центра». Сотрудники тратили до 12 минут на ответ в непик.

Реализация:

• База знаний отеля: 180 Q&A, описание услуг, меню ресторана — проиндексировано в Chroma с embeddings 1536-dim.
• Интеграция с Google Places API для локальных рекомендаций.
• Webhook в PMS (Opera) для создания заявок на услуги.
• WhatsApp Business API через 360dialog.
• Fallback на живого консьержа при requires_human: true.

Результаты за 3 месяца:

Закажите демо-версию, чтобы оценить эффект на вашем отеле.

Что входит в работу: deliverables

• Полная документация архитектуры и API (OpenAPI specs).
• Исходный код модулей (LLM, RAG, интеграции).
• Развёртывание на bare-metal или в Kubernetes (Triton Inference Server, vLLM).
• Мониторинг latency p99, accuracy, safety через Weights & Biases.
• Обучение персонала (администраторы, операторы).
• Техническая поддержка 30 дней после запуска.

Типичные ошибки при внедрении

• Hallucination на редких вопросах: решается добавлением confidence threshold < 0.7 → fallback.
• Prompt injection: гость может попытаться изменить системный промпт. Защита — строгая изоляция инструкций и валидация input-фильтров.
• Overloading LLM: без rate limiting и кэширования частых запросов (“завтрак”) стоимость инференса растёт. Наше решение — кэш с TTL 5 мин на identical queries.

Сравнение AI-консьержа vs обычного чат-бота

Сроки ориентировочно

• Базовый ассистент с FAQ + Chroma: от 1 недели.
• WhatsApp/Telegram интеграция: от 3 до 5 дней.
• Google Places + погода: от 2 до 3 дней.
• PMS-интеграция (Opera, Fidelio, Apaleo): от 1 до 2 недель.
• Полная система с аналитикой: от 4 до 6 недель.

Стоимость рассчитывается индивидуально под конфигурацию отеля. Оценим проект за 2 рабочих дня — свяжитесь с нами для аудита текущей IT-инфраструктуры. Опыт нашей команды — 5+ лет в hospitality-автоматизации и 50+ внедрённых AI-проектов. Гарантируем NDA для всех данных гостей.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.