01
Регламенты и внутренние политики
Порядок согласований, командировки, закупки, работа с клиентами.
- «Кто согласует закупку свыше 500 000 ₽»
- «Какие документы нужны для авансового отчёта»
Корпоративная база знаний с ИИ: ответы по документам компании со ссылкой на источник
Сотрудник спрашивает так, как спросил бы коллегу, и получает ответ из регламентов, инструкций, договоров и технической документации. В ответе — ссылка на документ и раздел, чтобы проверить формулировку за несколько секунд.
Какая гарантия на насосы серии N для дилеров?
24 месяца с даты отгрузки дилеру, но не более 30 месяцев с даты производства. Для монтажа без сертифицированного партнёра — 12 месяцев.
Регламент гарантии, v3 · п. 2.1
Дилерский договор · п. 7.2
Письмо ОТК от 14.03
- Ответ только по документам компании
- Ссылка на источник в каждом ответе
- Учитываются права доступа и действующие версии
- Работает внутри контура компании
Сейчас · 7 ручных шагов
- Вспомнить, в какой папке может быть документ
- Открыть сетевой диск или портал
- Найти три похожих файла с разными датами
- Понять, какая версия действует
- Пролистать документ до нужного пункта
- Не найти и спросить коллегу
- Дождаться ответа
С KV13 · 3
- Задать вопрос в привычном интерфейсе
- Получить ответ со ссылкой на пункт документа
- Открыть источник, если нужно проверить
«Где это написано?»
Вопрос, который в компании задают десятки раз в день. Каждый раз он стоит времени двух людей — того, кто ищет, и того, кого спрашивают.
-
01
Знания размазаны по системам
Регламенты на портале, инструкции в сетевых папках, договоры в СЭД, ответы на частые вопросы — в переписке и в головах опытных сотрудников.
-
02
Поиск по названию файла не работает
Обычный поиск находит файл, если вы знаете, как он называется. Но сотрудник ищет ответ на вопрос, а не имя документа.
-
03
Опытные сотрудники работают справочной
Ведущий инженер или главный бухгалтер тратит часы в неделю на ответы коллегам вместо собственной работы.
-
04
Устаревшие версии
Сотрудник находит регламент прошлого года и действует по нему. Ошибка обнаруживается позже и стоит дороже.
-
05
Долгая адаптация
Новый сотрудник месяцами разбирается, где что лежит, и не может работать самостоятельно.
Знание, которое нельзя найти за минуту, на практике не используется.
Компании годами пишут регламенты, инструкции и стандарты. Но если поиск нужного пункта занимает двадцать минут, сотрудник предпочтёт спросить коллегу или сделать по памяти. Документ существует, а знание из него не работает.
База знаний с ИИ не заменяет документы. Она делает их доступными в тот момент, когда возникает вопрос.
Мы не создаём новую вики, которую придётся заполнять. Система работает с теми документами, которые уже есть.
По каким документам ищем
Источники подключаются поэтапно. Начинаем с тех, по которым вопросов больше всего.
02
Технические инструкции
Документация на оборудование, техкарты, стандарты предприятия.
- «Какой момент затяжки для узла по чертежу»
- «Порядок действий при остановке линии»
03
Договоры
Условия с клиентами и поставщиками, дополнительные соглашения.
- «Какой срок оплаты в договоре с этим поставщиком»
- «Есть ли неустойка за просрочку поставки»
04
База поддержки
Ответы на вопросы клиентов, описания продуктов, решения типовых проблем.
- «Как клиенту сбросить настройки устройства»
- «Какие условия гарантии на эту модель»
05
HR-документы
Положения, правила внутреннего распорядка, программы адаптации.
- «Сколько дней отпуска положено за вредность»
- «Как оформить перевод в другой отдел»
RAG простыми словами
RAG — это подход, при котором языковая модель отвечает не из собственной памяти, а по документам, которые система нашла для конкретного вопроса. Название расшифровывается как «поиск с дополненной генерацией ответа».
Если объяснять без терминов: представьте сотрудника с отличной памятью на то, где что лежит. На вопрос он не отвечает сразу. Он идёт в архив, достаёт 3–5 нужных страниц, читает их и формулирует ответ, показывая, откуда он его взял. Если нужных страниц нет — говорит, что не нашёл.
Почему не обучать модель на документах
- Обучение долгое и дорогое, а документы меняются каждую неделю.
- Обученная модель не может показать, из какого документа взят ответ.
- В обученную модель невозможно встроить права доступа: она «знает» всё, что видела.
Технически
Документы разбиваются на смысловые фрагменты, для каждого фрагмента embedding-модель вычисляет векторное представление, которое сохраняется в векторном хранилище вместе с метаданными: источник, раздел, версия, дата, список групп доступа. При запросе вопрос также переводится в вектор, система выполняет гибридный поиск — смысловой и по ключевым словам, — фильтрует результаты по правам пользователя, переранжирует их и передаёт языковой модели 3–10 лучших фрагментов. Модель формирует ответ с инструкцией опираться только на переданный контекст и ссылаться на источники. Все компоненты разворачиваются локально — подробнее об инфраструктуре на странице ИИ в закрытом контуре.
Путь вопроса
От вопроса сотрудника до ответа со ссылкой — без выхода за пределы сети компании.
- 01 Сотрудник Задаёт вопрос на портале, в мессенджере или в Bitrix24
- 02 Проверка прав Определяет группы пользователя по AD или LDAP
- 03 Поиск по индексу Находит фрагменты только среди доступных документов
- 04 Индекс документов Фрагменты, версии, источники, метки доступа
- 05 Локальная модель Формулирует ответ по найденным фрагментам
- 06 Журнал Фиксирует вопрос, источники и ответ
Индекс обновляется автоматически при изменении документов в подключённых хранилищах.
Что получает сотрудник
Ответ полезен, только если ему можно доверять. Поэтому система показывает, на чём он основан, и честно сообщает, когда ответа нет.
В каждом ответе
- Краткий ответ на вопрос
- Ссылка на документ, раздел и пункт
- Дата и версия документа
- Цитата из источника для быстрой проверки
- Связанные документы, если они относятся к вопросу
Система отвечает «не нашла», если
- В доступных документах нет ответа на вопрос
- Найденные фрагменты противоречат друг другу
- Документ, где может быть ответ, недоступен пользователю
- Вопрос выходит за рамки подключённых источников
Вопросы без ответа собираются в отчёт для владельцев знаний: так видно, какие документы нужно написать или обновить.
Права доступа и актуальность версий
Два требования, без которых база знаний создаёт больше рисков, чем пользы.
| Ситуация | Что делает система |
|---|---|
| Документ лежит в папке юридического отдела | Менеджер по продажам не получит ответ из этого документа и не увидит его в источниках |
| Есть две версии регламента | Ответ строится по действующей версии, старая помечается как архивная и не используется по умолчанию |
| Документ отменён приказом | Исключается из поиска после пометки владельцем знаний или по метаданным СЭД |
| Документы противоречат друг другу | Система показывает оба фрагмента и сообщает владельцу знаний о расхождении |
| Права сотрудника изменились | Новые права учитываются при следующем запросе — по данным корпоративного каталога |
Права наследуются из исходных хранилищ и AD. Отдельный список прав для базы знаний вести не нужно.
Что делать с плохо структурированными документами
Идеального архива нет ни у кого. Сканы, дубли, документы без дат и версий — обычная картина. Подготовка источников — часть проекта.
-
01
Инвентаризация
Составляем перечень источников, объёмы, форматы, владельцев. Отмечаем, где больше всего вопросов от сотрудников.
-
02
Чистка дублей и архива
Находим копии и устаревшие версии, согласуем с владельцами, что считать действующим.
-
03
Распознавание
Сканы и фотографии переводятся в текст. Таблицы и схемы обрабатываются отдельно, чтобы не потерять смысл.
-
04
Разметка
Документам присваиваются тип, подразделение, дата, версия, уровень доступа — автоматически, с проверкой выборки.
-
05
Тестовые вопросы
Вместе с сотрудниками собираем 100–300 реальных вопросов и проверяем по ним точность ответов до запуска.
-
06
Владельцы знаний
За каждым разделом закрепляется ответственный, который получает отчёты о вопросах без ответа и расхождениях.
База знаний работает внутри компании
Регламенты, договоры и техническая документация — это то, что компания меньше всего готова отдавать наружу. Поэтому все компоненты поиска размещаются в вашем контуре.
-
Локальные модели
Модель для поиска и модель для формулировки ответа работают на ваших серверах или в выделенном облачном сегменте. Тексты документов не передаются публичным AI-сервисам.
-
Индекс в вашем хранилище
Фрагменты документов и их векторные представления хранятся внутри контура и удаляются вместе с исходным документом.
-
Корпоративная авторизация
Вход через учётную запись сотрудника. Отдельные пароли и списки пользователей не нужны.
-
Журнал запросов
Фиксируются вопрос, использованные источники и ответ. Это нужно и для безопасности, и для контроля качества ответов.
Архитектура проектируется с учётом требований компании к информационной безопасности и обработке данных.
ИИ в закрытом контуре компанииКейсы
Как поиск по документам работает в производстве и в сервисной поддержке.
Поиск по корпоративной документации на производстве
525 → 210 ч
на поиск информации в месяц
Инженеры и технологи ежедневно ищут нужную ревизию документа в архиве за двадцать лет. Система отвечает на вопрос со ссылками на источники, с учётом прав доступа и полностью внутри контура.
Разбор кейса
Первая линия поддержки сервисной компании по закрытой базе знаний
600 → 270 ч
работы первой линии в месяц
Большая часть обращений — повторяющиеся вопросы, ответы на которые уже есть в регламентах. Система отвечает в безопасных сценариях по закрытой базе знаний, остальное готовит для оператора.
Разбор кейсаВопросы о базе знаний
Может ли система придумать ответ, которого нет в документах?
Риск снижается архитектурно: модель получает только найденные фрагменты и инструкцию отвечать по ним, а каждый ответ сопровождается ссылкой на источник. Если подходящих фрагментов нет, система сообщает, что не нашла ответа. Качество проверяется на наборе тестовых вопросов до запуска и регулярно после.
Какие форматы документов поддерживаются?
Word, PDF, Excel, PowerPoint, текстовые файлы, страницы портала и вики, сканы после распознавания, письма. Документы из 1С и СЭД подключаются через выгрузки или API.
Нужно ли переписывать документы перед запуском?
Нет. Нужно определить действующие версии и убрать явные дубли. Остальное система обрабатывает как есть. По мере работы отчёт о вопросах без ответа покажет, какие документы стоит дописать.
Как быстро новые документы попадают в поиск?
Индексация настраивается по расписанию или по событию. Обычно новый документ доступен в поиске в течение нескольких минут или часов после загрузки — в зависимости от выбранного режима.
Чем это отличается от корпоративного ИИ-ассистента?
База знаний решает одну задачу — точный ответ по документам компании. Корпоративный ассистент шире: помогает писать, сравнивать, переводить тексты и использует базу знаний как один из источников.
Сколько документов можно подключить?
Ограничение определяется ресурсами сервера, а не самой системой. Типовые проекты включают от нескольких тысяч до сотен тысяч документов. Начинаем обычно с одного-двух разделов с наибольшим числом вопросов.
Как измерить эффект от базы знаний?
На пилоте замеряем время, которое сотрудники тратят на поиск информации, и число вопросов к ключевым специалистам до и после запуска. Дополнительно система показывает долю вопросов, на которые найден ответ, и разделы, где документов не хватает. Эти данные переводятся в часы и рубли так же, как при аудите процессов.
Смотрите также
- Корпоративный ИИ-ассистент Свой ИИ-ассистент для сотрудников вместо публичных чатов: работает внутри компании, видит документы по правам доступа, ведёт журнал. Сценарии для продаж, юристов, бухгалтерии, HR и руководителей.
- ИИ в закрытом контуре Разворачиваем ИИ-системы внутри инфраструктуры компании: локальные модели, поиск по документам, корпоративная авторизация и журналирование. Документы и переписка не уходят в публичные AI-сервисы.
- Автоматизация клиентской поддержки Система разбирает обращения, находит ответ в базе знаний, готовит черновик оператору и отвечает сама только там, где это безопасно. Сложные и конфликтные случаи сразу уходят к человеку.
- ИИ для производства Заказы и спецификации, техническая документация, документы ОТК, закупки комплектующих и отчётность. Убираем ручную работу вокруг цеха, а не в цехе.
Проверить базу знаний на ваших документах
Назовите 2–3 раздела документов, по которым сотрудники чаще всего задают вопросы. Покажем, как система отвечает по ним, и оценим объём подготовки.
