Lonely Planet: генерация тревел-маршрутов на Claude в Amazon Bedrock — на 80% дешевле ручной курации

Контекст и масштаб бизнеса

Lonely Planet — самое узнаваемое имя в мире печатных путеводителей. Компания издаёт книги о путешествиях с 1973 года, и за это время выпущено более 150 миллионов путеводителей. За полвека редакция накопила базу из более чем 270 тысяч картографируемых направлений и выстроила сеть из 750+ локальных экспертов, которые проверяют рекомендации на месте. Именно этот массив в компании считают главным активом — «негуглимый» контент: выверенные рекомендации, которых не найти ни в открытой поисковой выдаче, ни на сайтах с пользовательскими отзывами.

При этом бизнес-модель классического издателя путеводителей давно находится под давлением цифровых каналов: путешественник планирует поездку онлайн, ожидает персонализации и мгновенного ответа, а печатная книга по определению статична — она одинакова для всех читателей и начинает устаревать с момента выхода из типографии. Стратегическая задача Lonely Planet формулировалась как превращение книжного контента в живые цифровые продукты — без потери той самой экспертной точности, которая отличает бренд от агрегаторов.

Технологический фундамент к моменту запуска ИИ-проекта уже был готов. Lonely Planet работает полностью в публичном облаке, партнёрство с AWS на момент публикации кейса длилось более шести лет, а компания одной из первых в своём сегменте прошла контейнеризацию и миграцию на Kubernetes. По словам Криса Уайда, старшего вице-президента по инженерии и data science, контейнеризация была «огромным шагом» для компании из-за выраженной сезонности трафика в тревел-индустрии: инфраструктура должна легко масштабироваться под пики спроса и запуски новых книг.

Когда в апреле 2023 года AWS открыла Amazon Bedrock — управляемый сервис доступа к фундаментальным моделям, — Lonely Planet стала одним из самых ранних его пользователей. Уже 23 августа 2023 года, в день анонса Claude 2 в Bedrock, Anthropic процитировала компанию среди первых заказчиков: издатель увидел в генеративном ИИ способ превратить 50 лет накопленного контента в персонализированные цифровые маршруты для каждого путешественника.

Бизнес-проблема и узкие места

Ручная сборка качественного маршрута — работа на дни. Редактору нужно поднять контент из путеводителей по направлению, сопоставить его с геоданными, выстроить логистику переездов, учесть сезонность и предпочтения конкретного путешественника — и всё это для одного-единственного маршрута. Персонализированный маршрут по своей природе не тиражируется: следующий клиент с другими датами, бюджетом и интересами требует такой же ручной работы заново.

Масштабировать такую редакционную курацию на растущий спрос в персонализированном контенте экономически невозможно: штат редакторов пришлось бы увеличивать пропорционально числу запросов, что убивает юнит-экономику цифрового продукта. При этом простые алгоритмические конструкторы маршрутов «из шаблонов» разрушили бы главный дифференциатор бренда — ощущение, что маршрут собран экспертом, знающим место лично.

Отдельное жёсткое требование касалось интеллектуальной собственности. Пятьдесят лет проприетарного контента — это и есть бизнес Lonely Planet; отдавать его во внешние публичные ИИ-сервисы без корпоративных гарантий было неприемлемо. Решение должно было работать в защищённом контуре, где издательский контент не утекает наружу и не используется для обучения чужих моделей. Плюс требования к точности: рекомендации, которые генерирует система, обязаны опираться на проверенный контент издателя, а не на «общие знания» модели — галлюцинированный ресторан или несуществующий маршрут ударил бы по репутации бренда, который путешественники выбирают именно за надёжность.

Наконец, вопрос стоимости самих моделей: генерация тысяч маршрутов — это большой объём инференса, и выбор конкретной LLM напрямую определял, сойдётся ли экономика продукта.

Архитектура и внедрение ИИ-решения

Lonely Planet построила RAG-решение (retrieval-augmented generation) на Anthropic Claude 2 в Amazon Bedrock. Логика конвейера: из контентных библиотек издателя извлекаются геопространственные данные и экспертные рекомендации, релевантные запросу путешественника, и подаются модели как основа для генерации. Claude собирает из этих фрагментов связный персонализированный маршрут — за минуты вместо дней ручной работы. Ключевой принцип архитектуры: модель не «выдумывает» рекомендации, а компонует проверенный контент Lonely Planet, сохраняя, как формулирует AWS, «нюансы и особость негуглимых экспертных рекомендаций» на новых скорости и масштабе.

Выбор модели был прагматичным и экономическим. В интервью IT Pro Крис Уайд назвал конкретную причину: Claude оказался примерно на 78% дешевле других моделей, которые команда рассматривала, — при генерации тысяч маршрутов это напрямую решает судьбу юнит-экономики. Bedrock при этом снял инфраструктурные вопросы: управляемый доступ к модели внутри контура AWS, где издательский контент остаётся под контролем компании, без передачи данных внешним сервисам.

На стороне продукта решение оформлено как планировщик маршрутов: пользователь вводит направление и свои предпочтения, уточняя запрос — по данным IT Pro, доступно до шести фильтров-промптов, — и получает персонализированные рекомендации, собранные из книжного контента. Бета-версия планировщика, по словам Уайда, обрабатывала порядка 1000 поездок в день — то есть система с первых недель работала на объёмах, физически недостижимых для ручной редакционной курации.

Хронология проекта укладывается в несколько месяцев: Amazon Bedrock открылся в апреле 2023 года, Lonely Planet вошла в число самых ранних пользователей сервиса, а уже 23 августа 2023 года компания фигурировала в анонсе Claude 2 на Bedrock с публичной цитатой Уайда о «масштабируемом, надёжном и безопасном» внедрении генеративного ИИ. К марту 2024 года кейс с итоговой цифрой экономии вошёл в программный пост вице-президента AWS по данным и ML Свами Сивасубраманиана.

Важный организационный эффект решения — перераспределение труда редакции. Написание и пересборка маршрутов из существующего контента ушли машине; писатели и локальные эксперты, освободившись от рутинной компоновки, сфокусировались на том, что автоматизации не поддаётся, — исследовании новых направлений и создании нового первичного контента. Именно этот контент затем пополняет библиотеки, из которых RAG-конвейер собирает следующие маршруты: получается самоусиливающийся цикл, где ИИ масштабирует дистрибуцию экспертизы, а люди наращивают саму экспертизу.

“Мы обратились к Claude 2 в Amazon Bedrock, чтобы внедрить генеративный ИИ масштабируемо, надёжно и безопасно — и сделать наш тревел-контент мирового класса доступным клиентам тогда и так, как им удобно. — Крис Уайд, SVP Engineering & Data Science, Lonely Planet

Измеримый результат и экономика

Главная публичная цифра кейса: себестоимость генерации маршрутов снизилась примерно на 80% по сравнению с ручной курацией. Платформа создаёт тысячи уникальных тревел-маршрутов, каждый из которых раньше занимал у команды дни ручной работы, а теперь собирается за минуты; бета-версия планировщика обрабатывала порядка 1000 поездок в день. Пятьдесят лет издательского контента — 150 миллионов путеводителей, 270 тысяч направлений, знания 750+ локальных экспертов — превращены в работающую цифровую платформу с сохранением главного дифференциатора бренда: экспертности рекомендаций.

Важная оговорка о рамках цифры. В трёх источниках она сформулирована по-разному: страница кейсов AWS говорит о «снижении затрат на 80%», сам Уайд в блоге AWS цитируется со словами «мы снизили затраты на генерацию маршрутов почти на 80%», а в интервью IT Pro формулировка обратная — ручная курация «стоила бы примерно на 80% дороже», что математически означает снижение лишь на ~44%, а не в пять раз. Мы показываем это расхождение сознательно: реальная экономика, вероятно, находится между этими интерпретациями, и точная методика расчёта компанией не публиковалась. Отдельная цифра — выбор Claude как модели на ~78% дешевле рассмотренных альтернатив — относится к стоимости инференса, а не к сравнению с ручным трудом.

На наш взгляд, ценность этого кейса не столько в конкретном проценте — цифры из вендорских материалов AWS следует читать как маркетинговые, без независимого аудита, — сколько в чистоте самого паттерна: это один из первых публичных примеров монетизации издательского архива через RAG. Lonely Planet не стала генерировать тревел-контент «с нуля» публичной моделью — она построила продукт, который невозможно повторить промптом к ChatGPT, потому что сырьё (проверенный экспертный контент) есть только у неё. Конкурентный ров здесь — данные, а не модель: сама LLM выбрана по цене и при необходимости заменяема.

Второй вывод редакции: скорость входа. Путь от открытия Bedrock (апрель 2023) до публичной цитаты в анонсе Claude 2 (август 2023) занял у немаленького традиционного издателя считанные месяцы — что, на наш взгляд, стало возможным благодаря заранее сделанной облачной трансформации. Компании, у которых инфраструктура и данные уже в порядке, проходят генеративную волну быстрее, чем те, кто начинает ИИ-проект с миграции.

Уроки для индустрии

Верифицированные первоисточники

1. Lonely Planet — Generative AI Customer Story ↗ — AWS (кейс-стади)
2. Claude 2 on Amazon Bedrock (announcement with Lonely Planet quote) ↗ — Anthropic / Claude · 2023-08-23
3. Lonely Planet Cuts Costs with Bedrock (video) ↗ — AWS TV
4. Lonely Planet taps cloud transformation for a fresh travel experience (интервью Криса Уайда: ~78% дешевле других моделей, бета ~1000 поездок в день) ↗ — IT Pro
5. Unlocking Innovation: AWS and Anthropic push the boundaries of generative AI together (цитата Уайда «nearly 80%») ↗ — AWS Machine Learning Blog (Swami Sivasubramanian) · 2024-03-04