VK и LinkedIn⋆ доказали: точность рекомендаций растет без дорогих нейросетей
VK и LinkedIn⋆ доказали, что отказ от гонки за тяжелыми нейросетями в пользу оптимизации старых алгоритмов дает тот же эффект удержания пользователей при резком снижении затрат на инфраструктуру.
VK научила старые алгоритмы предсказывать поведение пользователя на несколько шагов вперед, чтобы одна неудачная рекомендация не отпугнула его от сервиса в будущем. Это решение дает бизнесу эффект дорогих нейросетей без затрат на переоснащение серверов и рост вычислительных мощностей. В то же время LinkedIn⋆ перешел от поиска по ключевым словам к анализу целей соискателей, что ежемесячно перенаправляет около 2 млн заявок в сторону более подходящих вакансий. Рынок рекомендательных систем сместился от гонки за «мощными» моделями к поиску баланса между точностью, скоростью и стоимостью владения инфраструктурой.
От мгновенной выгоды к долгосрочному удержанию
Традиционные алгоритмы часто оптимизировали только следующий клик, игнорируя последствия этого выбора для будущего пользователя. VK Research изменила подход, внедрив механизм долгосрочного планирования в классические системы. Технология учитывает влияние текущего контента на будущие предпочтения, создавая цепочку оптимизированных шагов. Исследование, представленное на конференции KDD 2026, показало, что такой метод повышает качество подбора материалов без перехода на ресурсоемкие нейросети.
Внедрение долгосрочного планирования в классические алгоритмы позволяет достичь качества современных нейросетей при сохранении низкой нагрузки на серверы. Это меняет экономику рекомендательных систем: теперь не обязательно строить новые дата-центры, чтобы удержать пользователя.
Эффект от внедрения подтвердился на практике: система демонстрирует способность повышать качество рекомендаций, оставаясь быстрой и экономичной. Команда VK планирует расширить применение технологии, работая над точностью учета обратной связи. Для бизнеса это сигнал: переоснащение на тяжелые модели ИИ не всегда является единственным путем к росту метрик.
Смена парадигмы: от ключевых слов к смыслу и контексту
LinkedIn⋆ запустил ИИ-инструменты, которые анализируют цели и контекст запроса, а не просто ищут совпадения в тексте резюме. Система помогает находить релевантные вакансии, например, в узких сферах вроде охраны океанов, и поддерживает рекрутеров анализом навыков. Вместо того чтобы фильтровать кандидатов по жестким критериям, алгоритм предлагает роли, соответствующие карьерным устремлениям.
В России «Яндекс» также сделал шаг к повышению точности, представив новую формулу LogQ. Метод учитывает различия между явными положительными действиями пользователей и случайно отобранными отрицательными примерами в обучающих данных. Это снижает искажения в оценках модели. Внутренние тесты показали рост точности рекомендаций на 7% по ключевым метрикам. Технология уже готова к масштабированию на такие сервисы, как «Яндекс.Маркет».
Параллельно VK внедрила технологии Discovery с мультимодальной языковой моделью. Система распознает известных лиц на видео и связывает контент по смыслу, а не только по метаданным. После запуска точность рекомендаций видео выросла на 60%, а число позитивных реакций увеличилось на 7%. Эти примеры показывают, что улучшение качества достигается за счет более глубокого понимания данных, а не только за счет увеличения вычислительной мощности.
Риски контента и прозрачность алгоритмов
Рост возможностей ИИ создает новые вызовы для пользователей и платформ. Исследование показало, что большинство из 9 тыс. опрошенных в восьми странах не смогли отличить музыку, созданную ИИ, от человеческой. Почти половина респондентов испытала дискомфорт от этого факта. В США песни, полностью сгенерированные искусственным интеллектом, уже попадают в чарты. Стриминговые сервисы, такие как Spotify и Deezer, используют алгоритмы для формирования плейлистов, но 51% пользователей обеспокоены возможным наводнением рынка шаблонным контентом.
Meta⋆ и Instagram⋆ уточнили принципы работы своих алгоритмов, чтобы снизить тревожность пользователей. Компания подтвердила, что не использует микрофон для сбора данных, так как это вызвало бы видимые признаки активности и разрядку батареи. Реклама формируется на основе истории активности внутри и вне платформы, включая действия друзей и контекст. С декабря 2025 года Meta⋆ начала использовать данные из взаимодействий с ИИ-чатами для улучшения таргетинга. Это позволяет точнее нацеливать рекламу, но требует от компаний четкой коммуникации о том, какие данные используются.
Что делать бизнесу и на что обратить внимание
Для руководителей и специалистов в области ИТ и маркетинга ситуация требует пересмотра стратегии внедрения технологий.
- Не гонитесь за самыми большими моделями. Пример VK доказывает, что оптимизация классических алгоритмов может дать эффект, сопоставимый с дорогими нейросетями, но с меньшими затратами на инфраструктуру.
- Смещайте фокус на долгосрочную ценность. Алгоритмы, оптимизированные только на следующий клик, могут вредить удержанию аудитории в долгосрочной перспективе. Внедряйте механизмы планирования, учитывающие будущие предпочтения.
- Учитывайте контекст и смысл. Переход от поиска по ключевым словам к анализу целей (как в LinkedIn⋆) и смысловых связей (как в VK Discovery) повышает релевантность и удовлетворенность пользователей.
- Будьте готовы к росту сгенерированного контента. Если алгоритмы будут предлагать все больше ИИ-музыки или текстов, это может вызвать отторжение у части аудитории. Необходимо разрабатывать механизмы маркировки или фильтрации такого контента.
- Прозрачность становится конкурентным преимуществом. Четкое объяснение принципов сбора данных и формирования рекомендаций (как это сделали Meta⋆ и VK) снижает уровень недоверия пользователей.
Если компании продолжат инвестировать в оптимизацию классических алгоритмов и внедрение долгосрочного планирования, рынок увидит снижение зависимости от дорогостоящего «железа» при одновременном росте качества персонализации. Вероятно, что к концу 2026 года стандартом станет гибридный подход: легкие модели для рутинных задач и тяжелые нейросети только для специфических сценариев, требующих глубокого понимания контекста.
🤖 Сводка сформирована на основе фактов из Календаря и обновляется при поступлении новых данных.
📅 Последнее обновление сводки: 4 августа 2026.
