Мой друг и коллега из бывшей команды InDrive рассказал про разработку аналитического AI решения в Grab.
Для справки: Grab - сингапурская компания, первый южно-азиатский декакорн (стартап с оценкой $10+ млрд). Это "Uber + Delivery Club + Tinkoff" в одном приложении: такси, каршеринг, доставка еды и свой финтех. Работает во всей Юго-Восточной Азии.
Grab разработал Jarvis (отсылка сами знаете к кому) - решение для поиска инсайтов. С ноября прошлого года Grab пишет в своём блоге о разработке AI сервиса.
Из блога "How AI is driving faster data-driven decisions at Grab":
"Главный вызов - сделать данные доступными для всех сотрудников Grab. Раньше сотрудникам приходилось обращаться к внутренним аналитикам, осваивать сложные дашборды или писать SQL-запросы. Мы захотели упростить доступ к данным для всех, в пределах их роли, без специальных технических навыков. С появлением больших языковых моделей (LLM), умеющих переводить текст в SQL, мы увидели отличную возможность.
Так появился Jarvis - ассистент, позволяющий получать инсайты так же просто, как задавать вопрос."
Две главные функции Jarvis:
1. Text-to-SQL engine: from question to query - от вопроса к запросу
2. Insights generator: from data to understanding - от данных к пониманию
Jarvis стал посредником между бизнес-пользователем и данными. Вся аналитическая цепочка: диалог, SQL, отчёты, инсайты теперь внутри одного ассистента. Время ответа снизилось с 4+ часов до 3-5 минут, 1000 отчётов сгенерировано в мае 2025г и 4000 ответов получено в июне 2025. Дальше Джарвиса хотят подключать к Слаку и внутренним инструментам.
В заглавную я вытащил картинки из их блога. В верхней картинке выкидываются все функции кожаных аналитиков: диалог с заказчиком, SQL, репорты, исследования и инсайты. Сам хотел нарисовать такую схему для нашего проекта VILKY, а тут люди уже всё сделали и объяснили.
Такого же процесса, но пока на уровне коленки, мы с ребятами достигли в пет-проекте анализа зарплат. Но у Grab - на серьёзном корпоративном уровне. В корпоративных блогах не принято говорить о проблемах, но они точно есть на всех этапах внедрения аналитических решений.
Кейс Grab - ещё одно подтверждение того, что компании идут в сторону Generative BI, где вся аналитическая цепочка постепенно заменяется одним LLM-сервисом. Кардинально меняется флоу работы с данными. А вот что в итоге произошло с самими аналитиками, Grab в блоге не написал 🙂