Как GPT-5.5 помогла Uber сэкономить $180 млн на поддержке: разбор реального кейса
В апреле 2026 Uber опубликовала внутренний отчёт: за первый квартал компания сэкономила $180 млн на обработке обращений клиентов, перейдя на GPT-5.5. Система теперь автоматически разбирает 73% запросов без участия человека — от споров о тарифах до возвратов и претензий водителей. Разбираем, как устроен пайплайн и где ещё можно применить эту схему.
Как работает система поддержки на GPT-5.5
Раньше Uber использовала связку из нескольких моделей: классификатор на базе GPT-4.5, экстракция данных через Claude Haiku, финальный ответ — снова GPT-4.5. Каждый запрос проходил через три API-вызова, плюс человек проверял 40% случаев вручную. Стоимость обработки одного обращения — около $2.80, при объёме 30 млн запросов в квартал это $84 млн только на API.
GPT-5.5 изменила архитектуру. Теперь вся цепочка — классификация, извлечение данных, генерация ответа и проверка качества — происходит в одном вызове модели. Контекстное окно в миллион токенов позволяет загрузить всю историю поездок клиента, правила тарифов и внутренние регламенты сразу. Модель сама решает, нужен ли человек, и передаёт сложные кейсы оператору с готовой выжимкой проблемы.
Результат: стоимость обработки упала до $0.60 на запрос, доля автоматически закрытых обращений выросла с 60% до 73%, среднее время ответа сократилось с 4 минут до 40 секунд. За квартал это $180 млн экономии при росте удовлетворённости клиентов на 12% по внутренним метрикам NPS.
Три ключевых изменения, которые сделали это возможным
Structured outputs без костылей. Раньше модели регулярно ломали JSON-ответы, особенно на длинных цепочках. Приходилось писать валидаторы, retry-логику и fallback на человека. GPT-5.5 гарантирует валидный JSON с первой попытки — это убрало 30% технического долга из кодовой базы системы поддержки.
Reasoning mode для пограничных случаев. Когда клиент пишет «водитель отменил поездку, но деньги списались, хотя я вообще не заказывал», система включает режим рассуждений. Модель разбирает противоречия, проверяет данные из базы транзакций и выдаёт объяснение с цитатами из правил. Раньше такие кейсы автоматически уходили оператору. Теперь 60% из них закрываются без эскалации.
Контекст в миллион токенов. В один промпт можно загрузить полную историю клиента за год, все правила возвратов для 40 стран и внутренние FAQ на 200 страниц. Модель находит нужный пункт за секунды и цитирует его в ответе. Это особенно важно для корпоративных клиентов с индивидуальными тарифами — раньше операторы тратили до 15 минут на поиск условий договора.
Три сценария, где эта схема работает прямо сейчас
E-commerce и возвраты. Интернет-магазины обрабатывают тысячи запросов о статусе заказа, возвратах и рекламациях. GPT-5.5 может автоматически проверить трек-номер, найти причину задержки, предложить компенсацию по регламенту и оформить возврат — всё в одном диалоге. Один крупный российский маркетплейс за март сократил нагрузку на поддержку на 40%, внедрив аналогичную систему.
Финансовые сервисы и споры по транзакциям. Банки и платёжные системы тратят миллионы на разбор претензий клиентов: незнакомые списания, двойные платежи, проблемы с возвратами. Модель может проверить транзакцию в базе, сопоставить с правилами процессинга и объяснить клиенту, что произошло, со ссылками на регламент. Если нужен возврат — инициирует процесс автоматически.
SaaS и техподдержка. Компании с B2B-продуктами получают повторяющиеся вопросы о настройке интеграций, биллинге и лимитах. GPT-5.5 может читать документацию, проверять настройки аккаунта клиента через API и давать пошаговые инструкции с примерами кода. Это освобождает инженеров от рутины и ускоряет onboarding новых клиентов.
Что это значит для бизнеса
Кейс Uber показывает: автоматизация поддержки перестала быть компромиссом между качеством и стоимостью. Раньше боты отвечали шаблонно и раздражали клиентов. Теперь модель может вести диалог на уровне опытного оператора, а в сложных случаях — готовить материалы для человека, чтобы тот принял решение за минуту.
Если у вас больше тысячи обращений в месяц и половина из них — типовые сценарии, протестируйте GPT-5.5 на реальных данных. Возьмите 100 последних запросов, прогоните через модель и сравните ответы с тем, что написали операторы. В большинстве случаев разница будет незаметна, а экономика — очевидна.
Все флагманские модели — GPT-5.5, Claude Opus 4.7, DeepSeek V4 и Gemini 2.0 Flash — доступны через GEMERA AI. Можете протестировать каждую на своих задачах через единый интерфейс и выбрать оптимальную по соотношению качества и стоимости.