Почему показатели окупаемости инвестиций в ИИ от Zillow действительно заслуживают доверия

Технологическая компания в сфере недвижимости Zillow не ограничивается одним разговором с клиентом. Пользователи переходят от экрана телефона к кредитному специалисту и к агенту по недвижимости — порой на протяжении месяцев или лет, — ожидая, что весь контекст сохранится. Ни один чат-бот не способен удерживать эту нить в одиночку.

На конференции VB Transform 2026 старший вице-президент по разработке Zillow Тоби Робертс и соучредитель и генеральный директор Glean Арвинд Джайн рассказали о том, как они создали ИИ-архитектуру, призванную сохранять контекст на протяжении всего этого пути, и почему именно контекст, а не сырые данные, оказался более сложной задачей. Продукты Zillow охватывают примерно 80% сделок с недвижимостью в США ежегодно, причем компания начала использовать искусственный интеллект задолго до появления ChatGPT.

«Мы довольно быстро поняли, что нам потребуется слой персистентного контекста, который сможет встречать наших клиентов и специалистов везде, где бы они ни находились», — отметил Робертс.

Данные никогда не были самой сложной частью

По словам Робертса, работа Zillow в сфере ИИ началась там же, где начинаются аналогичные инициативы в большинстве компаний — с самих данных.

«Мы начали с масштабного продвижения идеи о том, что наши данные должны иметь надежную основу», — рассказал Робертс. Это означало применение архитектуры data mesh, четкое происхождение данных (data lineage) и структуру управления с привязанными к самим данным правами доступа и идентификацией.

Ничто из этого в итоге не оказалось сложнейшей проблемой. Трудностью было создание системы, которая помнила бы, на каком этапе пути находится клиент, и переносила бы этот контекст дальше, независимо от того, в каком интерфейсе пользователь появляется в следующий момент.

«Этот слой контекста должен существовать, чтобы помогать вам там, где вы находитесь в любой конкретный момент вашего пути», — пояснил Робертс. Компания Zillow предпочла самостоятельно разработать этот слой вместо того, чтобы зависеть от какого-то одного внешнего интерфейса чата. К такому решению команда пришла быстро, стоило ей взглянуть на реальную структуру сделки, а не на отдельный диалог.

Почему Zillow создала собственную архитектуру и какое место в ней занимает Glean

Zillow разработала собственную обвязку (harness), вместо того чтобы направлять клиентов через API единой модели. Команда опиралась на 20-летний опыт машинного обучения, стоящий за такими продуктами, как Zestimate, отдав предпочтение небольшим специализированным дообученным моделям вместо одной модели общего назначения.

Внутри компании эта обвязка работает в связке с Glean. Робертс сообщил, что в настоящее время у Zillow в продакшене задействованы тысячи агентов Glean, которые выполняют рутинные задачи с десятками тысяч запусков по всей компании. По словам Джайна, предложение Glean заключается в централизации этой интеграционной работы один раз через шлюз Glean MCP, а не в том, чтобы финансовый, юридический и маркетинговый отделы заново создавали собственные подключения к одним и тем же системам.

Такая централизация также является инструментом контроля расходов. Джайн указал на два механизма: маршрутизацию моделей, которая направляет большинство задач более мелким и дешевым моделям вместо использования передовых моделей по умолчанию, и предварительно вычисленный контекст, который избавляет агента от необходимости тратить токены на самостоятельную сборку контекста с нуля.

«Claude также работает очень медленно, потому что начальный этап сборки этого контекста на самом деле занимает вечность», — сказал Джайн. Перенаправление такого запроса через Glean, по его словам, позволяет сократить потребление токенов почти вдвое.

Что подход Zillow и Glean означает для бизнеса

В вопросах данных, затрат и прав доступа сессия принесла несколько практических выводов для компаний, внедряющих агентный ИИ в собственные системы.

Создайте базовые метрики для измерения до внедрения ИИ, а не после. Робертс отметил, что способность Zillow обоснованно заявлять о 40-процентном росте объема отправленного в продакшен кода благодаря внедрению ИИ опирается на базовые показатели DORA, которые команда заложила годами ранее, а не на сам запуск ИИ.

Централизуйте контекст один раз, вместо того чтобы позволять каждой команде перестраивать его заново. Главный аргумент Джайна в пользу платформы Glean заключается в том, что дублирование работы по интеграции в финансовых, юридических и маркетинговых отделах — это скрытые расходы, которые большинство компаний не принимали во внимание.

Не рассчитывайте, что наследования прав доступа достаточно для регулируемых данных. Даже при наличии платформы контекста с учетом прав доступа Zillow внедрила поверх жесткие правила и постоянную проверку на соответствие требованиям для своих самых конфиденциальных категорий, вместо того чтобы полагаться на автоматическое выполнение этой задачи архитектурой.

Воспринимайте контекст как инструмент оптимизации затрат, а не просто как функциональность. Маршрутизация моделей и предварительно вычисленный контекст — это два механизма, на которые указал Джайн для сокращения расходов на ИИ, и оба они нацелены на снижение неэффективного потребления токенов, а не на добавление новых возможностей.

«Сами по себе модели недостаточны для автоматизации с помощью ИИ внутри вашей компании», — резюмировал Джайн. «Вам обязательно нужно связать их с контекстом вашего предприятия».