Snapchat: мультимодальный Gemini в чат-боте My AI — вовлечённость в США выросла более чем в 2,5 раза

• Snap Partners with Google Cloud to Power Multi-Modal Generative AI Experiences Within My AI — Snap Inc. (newsroom), 2024-09-24
• Gemini at Work: how customers use Google Cloud AI products (Thomas Kurian) — Google (blog), 2024-09-24
• Snap Inc. Partners with Google Cloud to Power Multi-Modal Generative AI Experiences Within its My AI Chatbot — Google Cloud Press Corner, 2024-09-24
• Snapchat taps Google's Gemini to power its chatbot's generative AI features — TechCrunch, 2024-09-24

Контекст

Snap Inc. — компания-разработчик Snapchat, одного из крупнейших мессенджеров мира: по данным пресс-релиза Google Cloud, приложение охватывает более 850 миллионов пользователей в месяц, преимущественно молодую аудиторию. My AI — встроенный чат-бот Snapchat и, по формулировке самой Snap, «один из крупнейших потребительских чат-ботов на сегодня». Запущен он был в феврале 2023 года — и, что важно для понимания кейса, изначально работал на ChatGPT от OpenAI.

Отношения Snap с Google Cloud куда старше генеративного ИИ: Snapchat запустился на инфраструктуре Google Cloud ещё в 2011 году, то есть партнёрству больше десяти лет. 24 сентября 2024 года компании объявили о его расширении: мультимодальные возможности Gemini на Vertex AI легли в основу нового поколения My AI. Анонс вышел синхронно с блог-постом CEO Google Cloud Томаса Куриана «Gemini at Work», приуроченным к одноимённому глобальному событию Google. В посте Куриан раскладывает почти 50 клиентских примеров по шести типам ИИ-агентов — клиентские, сотрудницкие, дата-агенты, агенты безопасности и творческие, — и Snap фигурирует в разделе «customer agents», агентов для работы с клиентами, с видео-демо в программе события. Иначе говоря, для Google это не рядовая интеграция, а один из главных публичных примеров потребительского Gemini.

Особенность кейса, которая делает его интереснее большинства «подключили LLM к чат-боту»: камера — главный интерфейс Snapchat. Пользователи этого приложения общаются снимками и видео, а не абзацами текста. Поэтому мультимодальность здесь — не фича из маркетингового списка, а естественное продолжение продукта: бот, который понимает снапы, встраивается в существующее поведение аудитории, а не требует нового.

История смены моделей — отдельный сюжет. За полтора года My AI прошёл путь от ChatGPT (запуск в феврале 2023-го) до Gemini (сентябрь 2024-го) — наглядная иллюстрация того, как крупные B2C-платформы относятся к выбору моделей: не «навсегда женимся на вендоре», а «подбираем модель под конкретную возможность». Для Google этот кейс стал одним из витринных: он показывает Gemini в работе на потребительском масштабе, где счёт взаимодействий идёт на миллионы в день.

Проблема

Текстовый чат-бот в приложении, построенном вокруг камеры, — половинчатое решение. Пользователи Snapchat выражают себя снимками и видео; заставлять их печатать длинные текстовые запросы — значит вырывать бота из родного для приложения способа общения. Чтобы My AI был полезен именно этой аудитории, ему нужно понимать изображения и видео так же свободно, как текст: от фотографии уличного знака на чужом языке до видео с полки со снеками.

Вторая часть проблемы — масштаб и экономика. My AI — один из крупнейших потребительских чат-ботов в мире, а Snapchat охватывает более 850 миллионов пользователей в месяц. На таком масштабе каждое улучшение модели умножается на миллионы ежедневных взаимодействий — но точно так же умножаются задержки и стоимость инференса. Сервису нужны были мультимодальные ответы с низкой латентностью и приемлемой ценой за запрос, иначе юнит-экономика фичи не сходится.

Третий слой — доверие и безопасность. Аудитория Snapchat молода, и вокруг My AI с самого запуска шла общественная дискуссия о потенциальных рисках для пользователей, особенно детей, — это отмечал и TechCrunch в материале о переходе на Gemini, подчёркивая, что с ростом возможностей бота растут и ставки. Для Snap это означало, что новое поколение My AI должно было опираться на модель со встроенными механизмами точности и безопасности, а не просто на самую мощную из доступных.

Решение

Snap развернула Gemini на Vertex AI внутри My AI. Формулировка из анонса точна и стоит того, чтобы привести её целиком: компания задействует «сильные мультимодальные возможности Gemini на Vertex AI, в частности способность технологии понимать и оперировать разными типами информации — текстом, аудио, изображениями, видео и кодом, — чтобы предлагать сообществу Snapchat более вовлекающие и инновационные функции через My AI».

На практике это выглядит как сценарии, встроенные в привычный жест «сфотографируй и отправь». Пользователь может сфотографировать уличный знак в путешествии и попросить My AI перевести его. Может снять видео разных снеков и спросить, какой из них полезнее. То, что раньше требовало отдельного приложения-переводчика или поисковой сессии, происходит внутри переписки с ботом — тем же движением, каким пользователь отправляет снап другу. Мультимодальные возможности при этом раскатаны на всех пользователей Snapchat в США.

Выбор Vertex AI как платформы — продолжение инфраструктурной истории: Snapchat работает на Google Cloud с 2011 года, и для компании это был путь наименьшего сопротивления с точки зрения интеграции, эксплуатации и масштабирования. Пресс-релиз Google Cloud отдельно подчёркивает, что модели Gemini обеспечивают «встроенные механизмы точности и безопасности» и обслуживают миллионы мультимодальных взаимодействий ежедневно — для продукта с молодой аудиторией и историей общественных вопросов к My AI это был значимый аргумент выбора.

Важно и то, чего Snap не сделала: компания не переписала My AI «под Google целиком» и не отказалась от мультивендорной стратегии. My AI запускался на ChatGPT в феврале 2023 года, с сентября 2024-го мультимодальные сценарии работают на Gemini — Snap исторически комбинирует модели разных провайдеров в разных частях продукта. Кейс, таким образом, фиксирует не «переход в лагерь Google», а точечное решение: для мультимодальности на потребительском масштабе выбрана модель, которая на тот момент лучше всего сочетала возможности, латентность, цену и безопасность.

Со стороны Google кейс встроен в более широкую рамку: в блог-посте «Gemini at Work» Томас Куриан классифицирует My AI как пример «customer agent» — агента, который помогает делать рекомендации и отвечать на вопросы клиентов. CEO Snap Эван Шпигель, по сообщению TechCrunch, описал партнёрство как «укрепляющее всё то, что так важно для служения нашему сообществу»: пользователи могут «узнавать гораздо больше о мире, и делать это быстро, прямо в моменте». В пресс-релизе Google Cloud Шпигель добавляет рамку миссии: Snap помогает людям выражать себя, жить моментом, узнавать мир и веселиться вместе — и мультимодальный ассистент в этой логике не отдельный продукт, а усилитель каждой из четырёх задач. Куриан со своей стороны называет Snap «ранним лидером цифровой коммуникации», который теперь «на переднем крае использования генеративного ИИ для создания агентов, приносящих новую ценность его сообществу».

Результат

По данным Snap и Google Cloud, после развёртывания Gemini в My AI вовлечённость (engagement within Snapping to My AI) в США выросла более чем в 2,5 раза. Формулировка Куриана в блоге Google: «Snap развернула мультимодальные возможности Gemini в чат-боте My AI и с тех пор увидела более чем 2,5-кратный рост вовлечённости в Snapping to My AI в США».

Рамки, которые важно видеть. Это единственная опубликованная метрика кейса. Замер сделан в узком окне 27 августа — 2 сентября 2024 года — это прямо указано в сноске анонса Snap, с пометкой «внутренние данные Snap Inc.». «Snapping to My AI» — отправка снимков боту, то есть метрика измеряет рост именно мультимодального использования, а не всей активности My AI. Абсолютные значения аудитории бота не раскрыты: «2,5 раза» от неизвестной базы может означать и взрывной рост, и скромные абсолютные числа. Влияние на выручку, удержание или время в приложении не публиковалось.

Редакционный анализ. Первое: величина эффекта здесь менее интересна, чем его механика. Рост в 2,5+ раза случился не потому, что модель стала «умнее отвечать текстом», а потому что бот научился принимать вход в том формате, в котором аудитория Snapchat уже общается, — снимками. Это редкой чистоты подтверждение принципа «модальность должна совпадать с интерфейсом продукта»: та же самая LLM-функциональность, упакованная в текстовое поле, почти наверняка не дала бы такого скачка. Второе: недельное окно замера сразу после запуска — классический «всплеск новизны»; устойчивый уровень вовлечённости мог оказаться и выше, и заметно ниже, но компании его не публиковали ни в конце 2024-го, ни позже — само по себе молчание после громкого анонса тоже информация для того, кто оценивает кейс.

Третье: стратегически кейс иллюстрирует позицию платформ масштаба Snap на рынке моделей — они мигрируют между вендорами (ChatGPT в 2023-м, Gemini в 2024-м) быстрее, чем корпоративный сегмент, потому что их интеграции тоньше, а мотивация — конкретная возможность, а не экосистемная лояльность. Для поставщиков моделей это означает, что потребительские флагманы — завоёвываемый и теряемый сегмент; для продуктовых команд — что заложенная в архитектуру заменяемость модели окупается при каждом таком переходе.

Наконец, стоит зафиксировать асимметрию раскрытия: в анонсе есть цифра вовлечённости, но нет ни слова про стоимость инференса, латентность или влияние мультимодальных запросов (заметно более дорогих, чем текстовые) на экономику фичи — при том, что именно эти параметры на масштабе 850+ млн месячной аудитории определяют, будет ли функция жить. Публичная часть кейса отвечает на вопрос «взлетело ли», но не «сходится ли». Для читателя, который примеряет кейс на себя, это значит: сценарии и механику переносить можно, а вот финансовую модель придётся строить с нуля на собственных данных.

Уроки для индустрии

1. Модальность должна совпадать с интерфейсом продукта: в camera-first приложении именно мультимодальность, а не качество текстовых ответов, разблокировала рост использования.
2. Читайте сноски: эффектная цифра 2,5x измерена в недельном окне сразу после запуска — это сигнал раннего всплеска, а не доказанный устойчивый уровень; отсутствие последующих публикаций метрики — тоже сигнал.
3. Относительные метрики без абсолютных значений (сколько пользователей, сколько сессий) — стандартный приём вендорских кейсов; для решений о своём продукте требуйте базу.
4. Потребительский ИИ-ассистент растёт на конкретных сценариях (перевести знак, сравнить снеки), а не на абстрактном «поговорить с ботом» — сценарии должны ложиться в существующий жест пользователя.
5. Большие B2C-платформы выбирают модель под возможность, а не под бренд: My AI прошёл путь от ChatGPT до Gemini за полтора года — закладывайте заменяемость модели в архитектуру.
6. Инфраструктурная история имеет вес: 10+ лет Snapchat на Google Cloud сделали Vertex AI путём наименьшего сопротивления — при прочих равных выигрывает вендор, уже стоящий в проде.
7. Для продуктов с молодой аудиторией встроенные механизмы безопасности модели — критерий выбора наравне с возможностями: общественный контекст вокруг My AI не оставлял Snap права на «сырое» решение.

Частые вопросы