K2 Cloud стал инфраструктурным и ИИ-партнёром сервиса заказа поездок Drivee

Drivee — российский такси-сервис, запущенный в 2023 году. Сегодня приложение работает в десятках городов, а команда распределена между Якутском, Москвой, Санкт-Петербургом и Новосибирском.

С ростом географии и числа пользователей перед компанией встали три ключевые задачи:

• Масштабируемость без ограничений по железу. Нагрузка на платформу растёт непредсказуемо — нужна инфраструктура, которая масштабируется по требованию, а не по заявке на закупку оборудования.

• Соответствие регуляторным требованиям. Drivee обрабатывает персональные данные пассажиров и водителей, а также платёжные транзакции. Провайдер должен подтверждать соответствие нормативным требованиям по защите данных.

• Основа для развития собственных ML-сервисов. Команда разрабатывает модели машинного обучения — для фотоконтроля, модерации контента и распознавания документов. Нужна платформа с доступом к GPU-вычислениям.

В К2 Облаке развёрнуты серверная и клиентская части приложения. Высоконагруженные базы данных размещены на выделенных серверах и разнесены по трём зонам доступности — это обеспечивает отказоустойчивость при пиковых нагрузках. Основной сервер MySQL перенесён на NVMe-диски nv1: быстрые операции чтения и записи критичны для транзакционной платформы, работающей в реальном времени.

Инфраструктура разделена на три независимых контура: продуктив, разработка и тестирование. Это позволяет команде безопасно выкатывать обновления, не затрагивая работу сервиса.

Для задач машинного обучения подключены GPU-ускорители NVIDIA T4 в публичном облаке. На их базе Drivee развернул три собственных ML-сервиса:

• Автоматизированный фотоконтроль — проверяет соответствие водителя и автомобиля при выходе на линию. ИИ обрабатывает до 10 000 кейсов в сутки по каждому направлению, закрывая 75% задач без участия оператора. Время проверки — 2–3 секунды вместо нескольких минут при ручном контроле.

• Модерация пользовательского контента — полностью автоматизирована. Ежедневно система обрабатывает 20–30 тысяч комментариев к заказам и тысячи изменений в профилях. Это позволило перевести 8 из 10 сотрудников команды модерации на более приоритетные задачи.

• Распознавание документов водителей (в стадии внедрения) — модель автоматически находит нужные поля, считывает данные и заполняет карточку в системе модератора. Ожидаемый результат — автоматическое закрытие не менее половины полей без участия человека.

• Сервис масштабируется без простоев и капитальных затрат на собственное оборудование — ресурсы подключаются именно тогда, когда это нужно

• Инфраструктура соответствует требованиям по защите персональных и платёжных данных

• Единая облачная платформа объединила распределённую команду из четырёх городов

• Операционная нагрузка на команду модерации снижена: люди переключились с рутинных задач на развитие продукта

• Проверка водителя при выходе на линию ускорилась в 30–60 раз: ИИ обрабатывает кейс за 2–3 секунды вместо нескольких минут

• Заложена основа для дальнейшего развития собственных ML-сервисов