Cotype Pro 3: как MTS собирает трейсы для обучения ИИ-агентов

MTS представила третье поколение своих языковых моделей Cotype — флагманскую Cotype Pro 3 и облегчённую Cotype Light 3. В отличие от многих конкурентов, компания делает ставку не на объём параметров, а на качество обучения: модели тренируются на реальных трейсах — логах многошаговых действий, которые невозможно сгенерировать искусственно. Это позволяет ИИ-агентам выполнять корпоративные сценарии без «запинок» и ошибок. Такой подход уже показал прирост точности на 30–40% по сравнению с синтетическими данными, что делает Cotype Pro 3 одним из самых эффективных решений для автоматизации бизнес-процессов в России.

Как MTS собирает трейсы для обучения Cotype

Трейсы — это записи последовательности действий пользователя в интерфейсе: клики, ввод текста, переходы между экранами. Для обучения Cotype используются данные из реальных корпоративных систем MTS — например, CRM, биллинга и внутренних порталов. Каждый трейс содержит не только успешные сценарии, но и ошибки, что позволяет модели учиться на неудачах. Сбор данных автоматизирован: специальные скрипты записывают действия сотрудников, выполняющих рутинные задачи, и преобразуют их в размеченные датасеты.

Ключевая особенность подхода — трейсы собираются в реальном времени и отражают актуальные бизнес-процессы. Это значит, что модель учится на живых данных, а не на синтетических примерах, которые могут не соответствовать реальной сложности. По словам разработчиков, такой подход повышает точность выполнения многошаговых сценариев на 30–40% по сравнению с моделями, обученными на синтетике. Кроме того, использование реальных трейсов позволяет модели адаптироваться к изменениям в интерфейсах — если кнопка переместилась, Cotype всё равно найдёт правильный путь.

Предыстория и контекст

Cotype — это семейство языковых моделей, разработанных MTS для корпоративных задач. Первое поколение вышло в 2022 году и было ориентировано на базовые NLP-задачи: классификацию, извлечение сущностей, генерацию текста. Второе поколение, выпущенное в 2023-м, добавило поддержку диалоговых сценариев, но всё ещё требовало значительной доработки под конкретные бизнес-процессы.

Проблема заключалась в том, что стандартные языковые модели, даже дообученные на корпоративных данных, часто «застревали» на нестандартных шагах или давали неверные рекомендации из-за отсутствия контекста. MTS решила пойти другим путём: вместо увеличения размера модели они сосредоточились на качестве обучающих данных. Трейсы стали основой для нового подхода — модель учится не просто отвечать на вопросы, а выполнять последовательность действий подобно человеку.

Чем Cotype Pro 3 отличается от предыдущих версий?

Главное отличие — способность выполнять многошаговые корпоративные сценарии без ручной настройки. Например, если предыдущая версия могла только «подсказать» следующий шаг, то Pro 3 способна полностью автоматизировать процесс: от открытия нужного приложения до заполнения формы и отправки отчёта. Достигается это за счёт обучения на трейсах, которые содержат полную последовательность действий, включая обработку ошибок и исключений.

Кроме того, модель стала более устойчивой к изменениям в интерфейсах: если в предыдущей версии изменение расположения кнопки могло сломать сценарий, то Pro 3 использует контекстное понимание задачи и адаптируется к новому интерфейсу. Light 3, в свою очередь, представляет собой облегчённую версию для задач с меньшими требованиями к производительности — например, для чат-ботов в мессенджерах. Обе модели доступны через API для корпоративных клиентов MTS.

Технические подробности обучения на трейсах

Процесс обучения состоит из нескольких этапов. Сначала собираются «сырые» трейсы — логи действий в корпоративных системах. Затем они очищаются от шума: удаляются нерелевантные действия, исправляются опечатки, добавляются метки времени. После этого трейсы размечаются вручную: эксперты выделяют ключевые шаги, цели и точки принятия решений.

Далее модель обучается методом подражания (imitation learning): она пытается предсказать следующее действие в последовательности, сравнивая свой прогноз с реальным трейсом. Если модель ошибается, она получает отрицательный сигнал и корректирует веса. Для повышения обобщающей способности используется техника data augmentation — трейсы искусственно варьируются (например, меняется порядок некоторых шагов или добавляются задержки), чтобы модель не запоминала конкретные последовательности, а училась логике.

Интересно, что MTS не раскрывает точный размер обучающего датасета, но упоминает, что он состоит из «миллионов трейсов» и покрывает сотни различных бизнес-процессов — от оформления заказов до технической поддержки. Такой объём данных позволяет модели демонстрировать высокую точность даже в редких сценариях.

Кого затронет и как

Cotype Pro 3 и Light 3 в первую очередь ориентированы на корпоративных клиентов MTS: крупные компании, использующие ИИ-агентов для автоматизации внутренних процессов. Разработчики корпоративных решений смогут интегрировать модели через API и строить на их основе мультиагентные системы, где несколько ИИ-агентов взаимодействуют друг с другом для выполнения сложных задач.

Для пользователей это означает более надёжных и быстрых виртуальных ассистентов в техподдержке, HR и логистике. Например, агент на базе Cotype может самостоятельно обработать заявку на отпуск: открыть HR-систему, проверить баланс дней, согласовать с руководителем и отправить уведомление. При этом если на каком-то шаге возникает ошибка, модель не «падает», а пытается найти альтернативный путь.

В российском контексте Cotype может стать альтернативой зарубежным решениям типа Microsoft Copilot, которые недоступны из-за санкций. MTS подчёркивает, что модель обучается на данных, соответствующих российским бизнес-процессам, что повышает её релевантность для локального рынка.

Что будет дальше

MTS планирует расширять набор трейсов, добавляя данные из новых корпоративных систем и отраслей. В ближайших планах — выпуск специализированной версии для финансового сектора с поддержкой банковских протоколов. Также компания работает над инструментом для автоматической разметки трейсов, что ускорит процесс обучения новых моделей.

В долгосрочной перспективе Cotype может стать основой для полностью автономных ИИ-агентов, способных не только выполнять рутинные задачи, но и принимать решения в нестандартных ситуациях. Однако пока модели требуют донастройки под конкретные сценарии, и полная автоматизация — вопрос нескольких лет.

Итог

MTS сделала ставку на качество данных, а не на размер модели, и это даёт результаты: Cotype Pro 3 демонстрирует высокую точность в многошаговых сценариях благодаря обучению на реальных трейсах. Для российского рынка это означает появление доступной альтернативы зарубежным ИИ-агентам, адаптированной к местным бизнес-процессам. Следить за развитием стоит всем, кто использует или планирует внедрять ИИ-автоматизацию в корпоративной среде.