Instacart: внутренний ИИ-ассистент Ava — больше половины сотрудников ежемесячно и сессии по 20+ минут
На момент сентябрьского поста 2023 года Ava пользовалась больше половины сотрудников Instacart ежемесячно и более 900 человек еженедельно; сессии длились 20+ минут, а пользователи «создавали и копировали значительные объёмы кода». Follow-up поста в январе 2024-го добавил конкретики: 43% компании экономят с Ava больше часа в неделю; 60% инженеров генерируют с её помощью порядка 70 000 строк кода ежемесячно; Slack-плагин вызывается более 5000 раз в месяц и суммаризирует свыше 200 тредов и каналов. Все цифры — внутренние данные Instacart без внешнего аудита; отметим также, что «экономия часа в неделю» — самооценка сотрудников из опросов, а не замер по таймтрекингу. На наш взгляд, кейс Ava ценен прежде всего как учебник продуктовых механик адопции. Внутренние инструменты обычно внедряют приказом; Instacart вместо этого прошла классический consumer-путь: старт с аудитории с мгновенной ценностью (инженеры), снижение барьера входа (шаблоны), вирусные петли (шаринг диалогов с превью в Slack), пользовательский контент (Prompt Exchange) и выход в среду, где пользователь уже живёт (Slack-бот). Каждая механика здесь переносима в любую компанию — и, судя по цифрам удержания, вместе они работают лучше любого корпоративного мандата. Второе наше наблюдение касается метрик: Instacart отчиталась не регистрациями, а вовлечённостью — недельная аудитория, длительность сессий, объём сгенерированного кода, частота вызовов в Slack. Для внутренних ИИ-инструментов это редкая дисциплина: «настроили доступ всем» и «половина компании реально пользуется каждый месяц» — принципиально разные утверждения. Наконец, показательна экономика ставки: хакатон-проект получил продуктовую команду и корпоративные гарантии безопасности за месяцы — скорость легализации, которая, вероятно, и объясняет, почему теневое использование ИИ не успело укорениться.
- Scaling Productivity with Ava — Instacart's Internal AI Assistant — tech-at-instacart (Zain Adil, Kevin Lei, Ada Cohen), 2023-09-07
- Unlocking Efficiency: How Ava Became Our AI Productivity Partner (43% экономят час+/нед, 60% инженеров, ~70K строк кода/мес) — tech-at-instacart (Dayle Lyng), 2024-01-31
Контекст
Instacart — крупнейший американский сервис доставки продуктов. История его внутреннего ИИ-ассистента началась не со стратегической программы, а с корпоративного хакатона в начале 2023 года: работая над хакатонными проектами, команда инженеров с помощью ChatGPT (конкретно GPT-4) успела сделать почти вдвое больше фич, чем планировала. Вывод команда сформулировала быстро: если модель настолько ускоряет брейнсторминг, кодинг, отладку и генерацию тестов — доступ к ней нужен всем разработчикам компании, и как можно скорее.
Благоприятным оказался и момент: Instacart тесно работала с OpenAI и имела ранний доступ к GPT-4 с контекстом 32K токенов — через API с корпоративными гарантиями приватности данных, безопасности и квот. Это сняло главный блокер, из-за которого компании запрещают публичные чат-боты: данные не утекают в сторонние сервисы на неконтролируемых условиях. На этой основе команда быстро собрала и запустила Ava — внутреннего ассистента в духе ChatGPT, сначала только для инженеров.
В сентябре 2023 года инженеры Заин Адил, Кевин Лей и Ада Коэн описали в блоге tech-at-instacart путь «от хакатон-проекта до внутреннего инструмента» с честными метриками адопции, а в январе 2024-го последовал второй пост — с данными о том, как Ava прижилась за пределами инженерии. Кейс Instacart стал одним из эталонных публичных описаний жанра «внутренний ChatGPT»: десятки компаний строили похожие инструменты, но мало кто публиковал цифры вовлечённости и механики, которые её разогнали.
Проблема
Публичные ИИ-чаты сотрудникам компании использовать рискованно: код, внутренние документы и данные клиентов не должны утекать в сторонние сервисы без корпоративных гарантий. Но у запрета без альтернативы есть предсказуемая цена — потеря продуктивности и теневое использование: сотрудники всё равно будут носить рабочие задачи в личные аккаунты ChatGPT, только уже без всякого контроля со стороны безопасности.
Значит, нужен внутренний инструмент — и здесь возникает вторая, продуктовая половина проблемы. Корпоративные инструменты печально известны тем, что проигрывают потребительским по удобству: если внутренний ассистент хуже ChatGPT, сотрудники им пользоваться не станут, и инвестиции превратятся в мёртвый портал. Инструмент должен был не уступать ChatGPT по опыту использования — и дать сверху то, чего у публичного сервиса нет: интеграцию с рабочими процессами компании.
Третий вызов — масштабирование за пределы инженерии. Разработчикам ценность очевидна с первого промпта: код, отладка, тесты. Но у рекрутёров, юристов, маркетологов и операционных команд нет привычки формулировать промпты, и пустое текстовое поле — реальный барьер входа. Раскатить ассистента на всю компанию — задача не техническая, а продуктовая: нужны механики, которые переносят экспертизу «умелых» пользователей на всех остальных. И всё это требовалось измерять: не «количество регистраций», которое легко накрутить внутренним пиаром, а реальную вовлечённость и удержание.
Решение
Ava — веб-ассистент в духе ChatGPT на GPT-4 (включая модель с контекстом 32K) и GPT-3.5. Для первого запуска — только для инженеров — команда приоритизировала фичи с мгновенной ценностью для разработчика: удобные клавиатурные шорткаты, копирование кода в один клик и автоматический апгрейд между моделями GPT-4 по мере роста контекста диалога — пользователю не нужно думать, какая модель ему нужна. С самой большой контекстной моделью разработчики работали с целыми файлами кода: создавали, отлаживали, ревьюили — и суммаризировали документы.
Адопция пошла быстрее ожиданий, и пост-запусковые интервью показали спрос за пределами инженерии — от операций и рекрутинга до бренд-маркетинга и HR. Для нетехнических пользователей команда снизила барьер входа «пустого поля» готовыми шаблонами промптов, добавила полнотекстовый поиск по диалогам и шаринг разговоров. Ключевая деталь шаринга: ссылки на диалоги разворачиваются в Slack в превью (unfurling), чтобы коллеги видели содержание до перехода, — команда прямо отмечает, что это заметно ускорило адопцию и узнаваемость продукта.
Следующим шагом стала Prompt Exchange — внутренняя биржа промптов. Логика показательна: большая доля диалогов начиналась с шаблонов, но маленькая команда Ava физически не обладала доменной экспертизой, чтобы писать хорошие шаблоны для каждого отдела. Вместо этого возможность публиковать и «старить» промпты отдали самим сотрудникам — лучшие практики стали распространяться горизонтально, без участия центральной команды.
Четвёртый шаг — прийти туда, где сотрудники уже работают: Slack-приложение. Упоминание @Ava в треде даёт суммаризацию и ответы прямо в переписке — «как будто спрашиваешь коллегу». К этому моменту почти треть организации уже пользовалась Ava ежемесячно, и Slack-канал снял последнее трение — необходимость открывать отдельную страницу и вставлять контекст руками.
В планах, описанных в посте, — retrieval по внутренним знаниям Instacart и выполнение кода (команда называет данные «ахиллесовой пятой LLM»), а также открытие API Ava всем командам компании, чтобы те строили собственные ИИ-инструменты поверх ассистента.
Результат
На момент сентябрьского поста 2023 года Ava пользовалась больше половины сотрудников Instacart ежемесячно и более 900 человек еженедельно; сессии длились 20+ минут, а пользователи «создавали и копировали значительные объёмы кода». Follow-up поста в январе 2024-го добавил конкретики: 43% компании экономят с Ava больше часа в неделю; 60% инженеров генерируют с её помощью порядка 70 000 строк кода ежемесячно; Slack-плагин вызывается более 5000 раз в месяц и суммаризирует свыше 200 тредов и каналов. Все цифры — внутренние данные Instacart без внешнего аудита; отметим также, что «экономия часа в неделю» — самооценка сотрудников из опросов, а не замер по таймтрекингу.
На наш взгляд, кейс Ava ценен прежде всего как учебник продуктовых механик адопции. Внутренние инструменты обычно внедряют приказом; Instacart вместо этого прошла классический consumer-путь: старт с аудитории с мгновенной ценностью (инженеры), снижение барьера входа (шаблоны), вирусные петли (шаринг диалогов с превью в Slack), пользовательский контент (Prompt Exchange) и выход в среду, где пользователь уже живёт (Slack-бот). Каждая механика здесь переносима в любую компанию — и, судя по цифрам удержания, вместе они работают лучше любого корпоративного мандата.
Второе наше наблюдение касается метрик: Instacart отчиталась не регистрациями, а вовлечённостью — недельная аудитория, длительность сессий, объём сгенерированного кода, частота вызовов в Slack. Для внутренних ИИ-инструментов это редкая дисциплина: «настроили доступ всем» и «половина компании реально пользуется каждый месяц» — принципиально разные утверждения. Наконец, показательна экономика ставки: хакатон-проект получил продуктовую команду и корпоративные гарантии безопасности за месяцы — скорость легализации, которая, вероятно, и объясняет, почему теневое использование ИИ не успело укорениться.
Уроки для индустрии
- Внутренний ChatGPT с корпоративными гарантиями — самый быстрый способ легализовать ИИ в компании: сотрудники получают инструмент, безопасность — контроль данных.
- Адопцию делают продуктовые механики, а не приказы: Prompt Exchange и шаринг диалогов со Slack-превью превращают удачные промпты коллег в вирусный канал распространения.
- Пустое текстовое поле — барьер для нетехнических пользователей: готовые шаблоны промптов открыли Ava операциям, рекрутингу, маркетингу и HR.
- Идите туда, где пользователь уже работает: Slack-бот @Ava снял трение отдельной страницы — 5000+ вызовов в месяц это подтверждают.
- Мерьте вовлечённость, а не регистрации: сессии 20+ минут, 900+ еженедельных пользователей и 70 000 строк кода в месяц — признаки реальной пользы, а не любопытства.
- Центральная команда не обязана быть экспертом во всех доменах: отдайте создание шаблонов и промптов самим пользователям — как в Prompt Exchange.
- Хакатон — легитимный источник корпоративной ИИ-инфраструктуры: главное — быстро дать проекту продуктовую команду и гарантии безопасности.
Частые вопросы
Сколько сотрудников Instacart пользуются ИИ-ассистентом Ava?
По данным блога tech-at-instacart (сентябрь 2023), ежемесячно Ava используют больше половины сотрудников компании, более 900 человек — еженедельно, а сессии длятся 20+ минут. К январю 2024-го 43% компании экономили с Ava больше часа в неделю.
На каких моделях работает Ava?
На OpenAI GPT-4 (включая версию с контекстом 32K токенов, к которой Instacart имела ранний доступ) и GPT-3.5 — с автоматическим переключением моделей по мере роста диалога и корпоративными гарантиями приватности данных, безопасности и квот на уровне API.
Что помогло разогнать адопцию Ava внутри компании?
Продуктовые механики: старт с инженеров (мгновенная ценность — код и отладка), готовые шаблоны промптов для нетехнических команд, шаринг диалогов с превью в Slack, биржа промптов Prompt Exchange и Slack-бот @Ava для суммаризации тредов прямо в переписке.
Как Ava используется за пределами инженерии?
После открытия всей компании ассистентом пользуются операции, рекрутинг, бренд-маркетинг, юристы и HR: улучшение коммуникаций, суммаризация документов и Slack-тредов (200+ в месяц), обучение и брейнсторминг. Slack-плагин вызывается более 5000 раз в месяц.
Насколько надёжны цифры адопции Ava?
Это внутренние данные Instacart без внешнего аудита; «экономия часа в неделю» — самооценка сотрудников из опросов. Сильная сторона отчёта в том, что компания публикует метрики вовлечённости (сессии, недельная аудитория, объём кода), а не только количество регистраций.