DoorDash: голосовой ИИ на Claude обрабатывает сотни тысяч звонков курьеров в день

• Building a Generative AI Contact Center Solution for DoorDash Using Amazon Bedrock, Amazon Connect, and Anthropic's Claude — AWS (case study)
• DoorDash successfully leverages Claude in Amazon Bedrock (one-sheeter) — Anthropic
• Deploy generative AI agents in your contact center for voice and chat using Amazon Connect, Amazon Lex, and Amazon Bedrock Knowledge Bases — AWS Machine Learning Blog

Контекст

DoorDash — крупнейшая платформа локальной коммерции и доставки в США, основанная в 2013 году. К концу 2023 года у сервиса было более 37 миллионов активных потребителей в месяц и свыше 2 миллионов активных дашеров — курьеров, которые выполняют доставки. Именно дашеры — главные клиенты контакт-центра компании: помощь им нужна прямо в процессе доставки, когда возникает вопрос по заказу, адресу, регистрации или выплатам.

У этой аудитории есть жёсткая особенность, которая определила весь проект: дашеры за рулём. Они предпочитают звонить, а не переписываться в чате, — и не могут ждать. Каждая секунда ожидания ответа — это курьер, стоящий у двери ресторана или припаркованный у обочины. Задержка ответа в голосовом канале здесь не «метрика качества», а физическое время, вычитаемое из заработка человека.

Контакт-центр DoorDash работает на Amazon Connect — облачной платформе AWS — и обрабатывает суммарно сотни тысяч звонков в день. Важная особенность кейса, которую часто теряют пересказы: к моменту запуска генеративного ИИ у DoorDash уже была продвинутая голосовая автоматизация на Amazon Connect и Amazon Lex, и она давала измеримые результаты. Задача стояла не «заменить тоновое меню», а пробить потолок того, что умеет классический NLU-бот, — и сделать это без деградации скорости, к которой дашеры привыкли.

Проблема

Бейзлайн у DoorDash был сильный — и это делает кейс честнее большинства. Существовавший self-service IVR на Amazon Connect и Amazon Lex уже снизил переводы на живых операторов на 49%, поднял решение с первого обращения на 12% и экономил 3 миллиона долларов операционных затрат год к году. Это результаты классической, до-генеративной автоматизации — важно атрибутировать их правильно.

Проблема была в потолке: несмотря на эти результаты, большинство звонков всё равно перенаправлялось живым операторам. Классический NLU-бот уверенно ведёт пользователя по заранее спроектированным сценариям, но не умеет отвечать на разнообразные вопросы «своими словами» по базе знаний: всё, что выходит за рамки сценария, уходит человеку. На объёме в сотни тысяч звонков в день каждый процент эскалаций — это десятки операторов на линии.

Генеративный ИИ обещал закрыть именно этот разрыв, но выставлял три жёстких требования. Первое — задержка: голосовой диалог разваливается, если модель думает пять секунд; для водителей за рулём это неприемлемо вдвойне. Второе — надёжность: модель, отвечающая курьерам про выплаты, не имеет права галлюцинировать, поддаваться prompt injection или пропускать оскорбительный контент. Третье — тестирование на масштабе: до проекта команде приходилось снимать живых операторов с линии, чтобы вручную прогонять считанные тестовые кейсы в час, — так качество голосового ИИ на сотнях тысяч звонков не проверить.

Решение

DoorDash построила решение вместе с AWS Generative AI Innovation Center (GenAIIC) — программой, в которой эксперты AWS работают с командой заказчика. За 8 недель команды спроектировали, собрали и довели решение до готовности к продакшен-A/B-тестированию; по оценке из кейса, Bedrock как managed-платформа вдвое сократил время разработки генеративного ИИ-приложения.

Основа — модели Claude от Anthropic в Amazon Bedrock. Выбор Claude в кейсе объясняется тремя свойствами, критичными для голосовой поддержки: способность снижать галлюцинации, устойчивость к prompt injection и детекция оскорбительного контента. А с выходом Claude 3 Haiku — самой лёгкой и быстрой модели семейства — DoorDash получила нужное сочетание точности и скорости: задержка ответа 2,5 секунды и меньше. Показателен сам выбор: для голосового канала компания взяла не самую мощную модель, а самую быструю из достаточно точных.

Знания системы построены по RAG-схеме: в качестве источника используется публичный help-центр DoorDash для дашеров, а индексацию и весь конвейер «извлечение → обогащение промпта» взял на себя Knowledge Bases for Amazon Bedrock — managed-сервис, избавивший команду от самописных интеграций. Принципиальное ограничение безопасности: генеративному контуру не передаются персональные данные; данные шифруются и изолированы внутри приложения DoorDash. «Использование ИИ-ответов в телефонной поддержке поставило уникальные задачи по скорости и качеству ответов. Amazon Bedrock идеально подошёл под наши требования и позволил сосредоточиться на доводке деталей решения», — говорит Врадж Шах, ведущий инженер проекта в DoorDash.

Незаметная снаружи, но решающая часть проекта — тестовый контур. На Amazon SageMaker команда построила фреймворк автоматического тестирования и оценки: тысячи автоматических тестов в час — 50-кратный рост ёмкости тестирования против ручных прогонов — с семантической оценкой ответов против эталонных данных. Именно этот контур позволил гонять A/B-тесты на живом трафике и доказать качество до полной раскатки. Без него довести голосовой ИИ от дизайна до продакшена за 8 недель было бы невозможно.

Архитектурно решение встроено в существующий стек Amazon Connect: генеративный слой усиливает работающий IVR, а не заменяет канал — сложные и нетиповые случаи по-прежнему уходят живым операторам.

Результат

После успешного тестирования в начале 2024 года DoorDash раскатала новые self-service-возможности на всех дашеров. Голосовой ИИ обрабатывает сотни тысяч звонков курьеров ежедневно с задержкой ответа 2,5 секунды и меньше. По формулировке кейса, решение дало «большое и существенное» снижение объёма звонков по темам поддержки дашеров, сократило эскалации к живым операторам на тысячи в день и уменьшило число задач, которые операторы выполняют для решения обращений. Рутинные вопросы закрывает ИИ, а операторы высвобождены под сложные случаи, где нужен человек.

Важно удержать рамку атрибуции — и здесь стоит поправить распространённый пересказ этого кейса (включая нашу собственную раннюю версию): цифры «−49% переводов, +12% решений с первого обращения, $3 млн экономии в год» относятся к предыдущему поколению автоматизации DoorDash на Amazon Connect и Amazon Lex — это бейзлайн, поверх которого строился генеративный слой. Для самого Claude-решения AWS и DoorDash публикуют метрики скорости и масштаба (2,5 с; сотни тысяч звонков в день; 50× ёмкость тестирования; −50% времени разработки) и качественные оценки эффекта («тысячи эскалаций в день»), но не проценты и не доллары. Это типичная и честная практика для свежего внедрения — точные финансовые эффекты требуют года наблюдений.

Команда уже анонсировала следующий шаг: расширение баз знаний и интеграция с событийным логистическим workflow-сервисом DoorDash, чтобы ассистент не только отвечал на вопросы, но и выполнял действия за пользователя. «С помощью AWS и Claude от Anthropic мы построили решение, которое даёт дашерам надёжный и понятный доступ к нужной информации именно тогда, когда она нужна. Это даёт каскадный положительный эффект для пользователей и всей платформы», — говорит Чайтанья Хари, продакт-лид контакт-центра DoorDash.

На наш взгляд, переносимых уроков здесь три. Первый: для голосового ИИ скорость — продуктовое требование номер один, и выбор лёгкой модели (Haiku) вместо флагманской — правильная инженерная экономика, применимая в любом realtime-сценарии. Второй: тестовая инфраструктура важнее «умности» модели — 50-кратный рост ёмкости тестирования и есть причина, по которой проект дошёл до прода за 8 недель. Третий: генеративный слой стоит строить поверх работающей автоматизации, а не вместо неё — DoorDash дополняла сильный IVR-бейзлайн, и именно поэтому смогла честно измерить добавленную ценность через A/B.

Уроки для индустрии

1. Для голосовых сценариев скорость — продуктовое требование: DoorDash выбрала лёгкую модель (Claude 3 Haiku) ради задержки ≤2,5 секунды, а не самую мощную в линейке.
2. Атрибутируйте метрики честно: знаменитые «−49% переводов и $3 млн экономии» — результат до-генеративного IVR на Connect/Lex; ценность Claude-слоя измеряется отдельно, поверх этого бейзлайна.
3. Автоматизированный тестовый контур — незаметная, но ключевая часть внедрения: 50× ёмкости тестирования (тысячи прогонов в час с семантической оценкой) — то, что позволило дойти до прода за 8 недель.
4. Генеративный слой усиливает работающую автоматизацию, а не заменяет канал: сложные случаи по-прежнему уходят людям, и добавленную ценность можно честно замерить A/B-тестом.
5. Безопасность закладывается в архитектуру: в генеративный контур не передаются персональные данные, а модель выбрана в том числе за устойчивость к prompt injection и детекцию оскорбительного контента.
6. Первая аудитория — курьеры, а не клиенты: внутренняя аудитория даёт быстрый цикл обратной связи при меньшем репутационном риске.
7. Managed-платформа (Bedrock + Knowledge Bases) вдвое сократила время разработки — на старте скорость итераций важнее тонкой оптимизации собственной инфраструктуры.

Частые вопросы