Идея родилась из чужой паники в час ночи. Подруга улетала с котом, и за сутки до вылета выяснилось, что справка, которую ей оформили, — не та. Потом ещё пара знакомых по очереди вляпались в похожее: кто-то не знал, что собаку надо заранее согласовывать с авиакомпанией, кто-то сделал дорогущий анализ крови туда, куда он вообще не нужен.

Я начал помогать им разбираться — и довольно быстро понял, что объясняю одно и то же по пятому кругу. А ещё понял, почему так происходит: проблема не в том, что информации нет. Её, наоборот, слишком много, и она вся не про вас. Так появился Лапапорт — сервис, который отвечает на единственный вопрос, который вас реально волнует: «что нужно, чтобы вывезти ВОТ ЭТОГО питомца ВОТ ТУДА». Бесплатно, без регистрации.

Дальше — про неочевидные решения, которые пришлось принять по дороге.

Почему не «ещё одна статья» и не чат-бот

Первое, что приходит в голову, — написать большой гайд «всё о перелётах с животными». Я и сам начал с этого, а потом посчитал.

Требование зависит как минимум от: страны вылета × страны прилёта × вида питомца × его веса × породы × конкретной авиакомпании × сезона. Перемножьте — получаются десятки тысяч комбинаций. Любая статья по определению пишет про «среднего» питомца и «обычное» направление, а вы стоите со своим конкретным мопсом 11 кг, летящим стыковкой, и статья вам не отвечает. Она отвечает кому-то другому.

Поэтому Лапапорт — не текст, а калькулятор: ты вводишь свою комбинацию, и он считает ответ именно под неё. Вместо «вот вам всё, разбирайтесь» — «вот что нужно именно вам».

Чат-бот на нейросети я тоже отмёл, и это, наверное, главное архитектурное решение.

Принцип, от которого я не отступил: ИИ не имеет права придумывать правила

В 2026-м соблазн очевидный — «прикрути LLM, она всё знает». Я сознательно пошёл против.

Языковая модель отлично звучит и периодически уверенно врёт. В большинстве задач галлюцинация — это неловко. В нашей — это питомец, застрявший на границе или отправленный в карантин из-за выдуманного требования. Цена ошибки несопоставима с удобством.

Поэтому правило железное: источник правила — всегда детерминированный движок на выверенных вручную данных, а не нейросеть. ИИ в проекте работает максимум переводчиком и редактором формулировок — но никогда не решает, нужен вам анализ крови или нет. Это решает таблица правил, которую собрали и перепроверили по официальным источникам. Скучно? Да. Но именно это даёт право показывать не «возможно, вам понадобится…», а конкретный список, на который можно опереться.

Самое неблагодарное: вычищать ложные «нельзя»

Думаешь, главная работа — добавить правила. На деле половина сил уходит на обратное: убрать те, которых быть не должно.

На раннем этапе движок иногда честно «разворачивал» людей там, где на самом деле всё можно: где-то сработал слишком широкий запрет, где-то требование одной страны по ошибке распространилось на соседнюю. Ложное «нельзя» вреднее, чем отсутствие ответа: человек поверит и не полетит, хотя мог. Каждую такую блокировку пришлось ловить и перепроверять по источнику вручную.

Сюда же — правила с ветвлением. Простой на вид вопрос «нужен ли анализ крови на бешенство» на самом деле зависит от связки «откуда → куда», и универсального ответа нет: для одних направлений нужен, для других — категорически лишний. Такие условные штуки и есть самое муторное в кодировании: один пункт превращается в дерево из десятка веток.

Технический затык, который меня доконал: прямые рейсы, которые система считала стыковочными

Отдельная история — подбор авиакомпаний на маршрут. Поначалу система упорно предлагала стыковку даже там, где есть прямой рейс. А стыковка тянет за собой правила транзитной страны — то есть человеку показывались лишние требования, которых в его реальном прямом перелёте не было вовсе.

Пришлось переписывать логику маршрутизации: явно помечать прямые рейсы, корректно подтягивать «дочерние» коды авиакомпаний (одна компания летает под несколькими), а альтернативные маршруты строить к конечной точке и только через те хабы, где питомца реально примут. После этого выдача наконец стала похожа на то, как люди летают на самом деле, а не на абстрактную теорию графов.

Главный сдвиг в продукте: люди не хотят список правил. Они хотят «что делать и когда»

Это понимание пришло не сразу и поменяло сервис сильнее всего.

Сначала я выдавал аккуратный список требований: чип, прививка, справка, заявка. Технически — правильно. По-человечески — бесполезно. Потому что у человека в голове другой вопрос: «ок, и что мне делать-то? в каком порядке? когда бежать в клинику?»

Поэтому результат перестроился в таймлайн по фазам: «до вылета» (что и за сколько дней сделать), «в день вылета» (что взять, куда подойти в аэропорту), «по прилёту» (что ждёт на той стороне). Один и тот же набор правил, но поданный как пошаговый план, а не как простыня требований. Разница в восприятии — колоссальная: вместо тревоги «я точно ничего не забыл?» — спокойное «понятно, делаю по шагам».

Чему всё это научило

  • В нишах, где ошибка дорого стоит, скучная достоверность бьёт красивую генерацию. ИИ — отличный инструмент, но не на роли источника истины.
  • Правильный ответ зависит от конкретной комбинации, поэтому общий контент проигрывает по определению. Лучше посчитать под человека, чем вывалить «всё обо всём».
  • Люди приходят не за правилами, а за спокойствием. «Что делать и когда» работает в разы лучше, чем формально полный, но пугающий список.

Сейчас внутри — выверенные правила по более чем 200 странам и 150+ авиакомпаниям, почти 500 пород в подсказках, расчёт сроков по дням, пошаговые планы по фазам и гайды по аэропортам. Всё бесплатно: изначально это делалось, чтобы знакомые не паниковали в час ночи, и этот дух хочется сохранить. Хотите проверить своё направление — форма ниже.

А вы сталкивались с нишами, где «спросить у нейросети» — плохая идея именно из-за цены ошибки? Где, по-вашему, проходит граница между «пусть ИИ ответит» и «тут только выверенные данные»? Интересно ваше мнение.