В России 3,6 млн бездомных животных. При этом треть россиян говорят, что готовы взять питомца из приюта. Но до реального пристройства доходят единицы — 3% кошек и 5% собак. За полтора года работы над проектом «Лапка в лапку» мы поняли: проблема не в отсутствии желающих. Проблема — в самом механизме подбора.

Привет, Хабр! Меня зовут Анастасия Остапчук, я CEO проекта «Лапка в лапку» и студентка магистратуры ИТМО, программа AI Talent Hub. В этой статье расскажу, как мы пришли к этой проблеме, что увидели изнутри и что пытаемся с этим сделать.

Откуда это всё началось

Четыре года я была волонтером в приюте для животных. Это не про красивые фотографии с пушистыми котиками — это про ежедневный уход, уборку, лечение, адаптацию и работу с людьми. Самое тяжелое — видеть стресс у «вернувшихся» животных. Ещё вчера у них был человек, дом, надежда, а сегодня снова клетка, шум и тревожное ожидание. Некоторые так и не находят семью.

Во время учебы в бакалавриате я взяла кота из приюта в новом для себя городе. В период ковида он стал для меня точкой опоры. Параллельно волонтёра в приютах и ветклинике, наблюдая систему изнутри. Мой первый кот Эрвин, к сожалению, был со мной недолго — у него были ВИК и ВЛК. После его смерти я впервые по-настоящему столкнулась с тем, насколько сложно найти «свое» животное — не технически, а психологически. Стало очевидно: проблема не только в людях или приютах, проблема в самом процессе подбора. Тогда начала формироваться идея проекта.

Когда я поступила в проектную магистратуру ИТМО, сомнений уже не было. Позже к проекту присоединилась команда из семи человек — так за полтора года вырос «Лапка в лапку».

Масштаб проблемы

Когда мы начали глубоко изучать проблему, цифры оказались серьезнее, чем можно представить. По данным Всероссийской переписи бездомных животных (апрель 2025), общая численность бездомных собак и кошек составляет 3,6 миллиона — примерно 4% от всей популяции домашних питомцев в стране. При этом эксперты оценивают, что до 98% бездомных животных в России — это чьи-то бывшие любимцы или их нежелательное потомство. Каждый год после дачного сезона около 100 тысяч животных оказываются выброшенными на улицу.

Приютов катастрофически не хватает: их нужно как минимум вдвое больше, чем есть сейчас (всего около 530 учреждений). В среднем на один приют приходится более 300 подопечных, хотя большинство рассчитано максимум на 150–200 животных. Переполненность приводит к тому, что карточки ведутся в Excel-таблицах, мессенджерах и соцсетях — информация теряет актуальность за считанные часы.

Отдельная проблема — разрозненность каналов. На Авито есть лимит бесплатных размещений и платное продвижение, которое большинство приютов не могут себе позволить. ВКонтакте невозможно качественно показать сотни животных. Телеграм заблокирован, и не у всех есть VPN. У приютов нет ресурсов большого бизнеса — а животным нужен дом.

На этом фоне особенно заметен разрыв между намерением и действием. По опросам, около 37% россиян готовы взять кошку и 32% — собаку, однако фактически из приютов забирают лишь 3% кошек и 5% собак. По данным 2024 года регионы потратили более 12 млрд рублей только на отлов, стерилизацию, содержание в приютах и ветеринарную помощь.

В среднем десять возвратов в год на один приют — и об этом не принято говорить

О возвратах в приютах не принято говорить вслух — боятся, что это отпугнет потенциальных владельцев. Возвращенное животное моментально попадает в категорию «с ним что-то не так» и его перестают брать. Но цифра реальная: около десяти случаев в год на один приют.

Один случай я помню хорошо. Котика взяли с уверениями, что полностью готовы — купили всё необходимое, обещали продолжать лечение по назначению ветеринара. Через какое-то время его выставили на Авито. Когда не продали, оставили на улице. Нашли и вернули в приют. За это время он не получил лечения, заболевание перешло в хроническую стадию. После возврата котик перестал доверять людям. Он остался в приюте навсегда, новую семью больше не ищет.

Второй случай — женщина прожила с котом пять лет, потом переехала. Попросила знакомых временно последить. Вышла на связь один раз — попросила отправить кота поездом. Ему купили билет. На перроне его никто не встретил. Кот вернулся обратным поездом. Знакомые оставить его у себя не смогли — вернули в приют. Хозяйка больше не вышла на связь. Кот до сих пор ищет семью, но котов его возраста берут редко.

Когда животное возвращают, чаще всего звучат одни и те же фразы: «Мы не ожидали, что это создаст проблемы», «Период адаптации нам не подходит, нам нужно чтобы он сразу ходил в лоток». Иногда животных возвращают официально, иногда просто оставляют в коробке у дверей. При этом вины приютов нет — у них физически нет ресурсов, чтобы проводить глубокую оценку каждого потенциального владельца.

Почему существующая система плохо работает

Приюты делают колоссальную работу. Их главная задача — спасать, лечить, кормить и социализировать животных. У них нет бюджета на профессиональных фотографов, маркетинг или сложные цифровые системы. Часто животное представлено одной фотографией, сделанной на телефон, а у некоторых фото нет вовсе. Создание одной полноценной карточки с фото, описанием здоровья и поведения занимает 10–15 минут, после чего информацию приходится вручную дублировать в несколько соцсетей. В результате пользователь видит фрагментированные и часто эмоциональные описания и выбор превращается в лотерею.

Потенциальные владельцы боятся неизвестного характера животного, возможных проблем со здоровьем, несовпадения ожиданий. Пользователь сталкивается с эмоциональными описаниями, а не с проверенными данными. В результате конверсия «просмотр — реальное усыновление» остается крайне низкой, а доверие к системе в целом падает.

Наша идея

Мы рассматриваем адопцию (от лат. adoptio — усыновление; взятие домой нового пушистого члена семьи) не как поиск, а как подбор. Задача — не показать всех доступных животных, а найти тех, с кем конкретный человек с высокой вероятностью не расстанется через месяц.

Вот как это работает на практике. Пользователь открывает приложение и отвечает на вопросы: есть ли дети, как часто бываете дома, есть ли опыт с животными, готовы ли к периоду адаптации. Система анализирует ответы и подбирает животных с учетом совместимости — не просто фильтрует по «кошка/собака/размер», а сопоставляет характер животного с образом жизни человека. Параллельно модель оценивает риск возврата: если в анкете считываются импульсивность, несогласие внутри семьи или нереалистичные ожидания. Записаться на встречу с животным можно только после прохождения анкеты.

Приюты при этом не теряют контроль — финальное решение остается за волонтером. Система помогает расставить приоритеты: с кем из кандидатов стоит встретиться в первую очередь.

Как устроена система

Текущая версия — MVP на базе мобильного приложения PetMatch и backend на FastAPI. Ключевой компонент — модуль оценки риска, реализованный через GigaChat API: модель анализирует текст анкеты, выявляет логические противоречия, оценивает эмоциональный фон и соответствие ожиданий реальным характеристикам животного. Мы сознательно начали с LLM, а не с собственной модели — это позволило быстро проверить гипотезу без размеченного датасета. Подробно про архитектуру, скоринг и формулу риска написали в отдельной статье.

Самое слабое место — люди

Как бы странно это ни звучало, самое слабое место системы — люди. Мошенники и живодеры ежедневно придумывают способы обойти анкеты и системы фильтрации. Мы стараемся держать баланс: в системе есть стоп-условия, при срабатывании которых пользователь попадает в раздел с советами и не получает доступа к контактам приюта. Это не идеальная защита, но сознательный выбор между открытостью системы и безопасностью животных.

Вторая по сложности проблема оказалась не технической. Проект социальный и не приносит дохода, но требует инфраструктуры, времени и постоянной работы с приютами. Поддержка базы из более чем 500 приютов — это организационная координация, гранты и поиск партнёров. Инженерно задачи решаемы. Гораздо сложнее обеспечить устойчивость без коммерческой модели.

Что мы поняли

Самое неожиданное открытие оказалось не техническим. Мы думали, что главный барьер — недостаток информации о животных. Пока человек листает карточки в соцсетях, он просто смотрит. Когда заполняет анкету — уже мотивирован. Весь вопрос в том, что происходит между этими двумя моментами.

Проект в активной разработке, готовимся к первому релизу. Если есть мысли про архитектуру risk-модели, калибровку скоринга или работу с неструктурированным текстом — пишите в комментариях. Это именно те вопросы, где нужна внешняя экспертиза.

Наш MVP-бот: @petmatch_itmo_bot · Наш канал: https://t.me/lapka_v_lapky