ИИ-ассистент по базе знаний компании: ответ со ссылкой на пункт, а не поиск по папкам
ИИ-ассистент по базе знаний принимает вопрос обычными словами, находит нужные места в ваших регламентах, инструкциях и договорах и отвечает с цитатой и ссылкой на документ. Если ответа в базе нет, он так и говорит. Разбираем, как это устроено, где такие системы ошибаются и что проверить до запуска.
Где ломается обычная база знаний
Wiki, общая папка, раздел в корпоративном портале устроены как библиотека: чтобы найти ответ, нужно знать, где искать и как называется документ. На практике сотрудник не ищет, а спрашивает коллегу, и тот отвечает по памяти. Отсюда знакомые потери: новичок неделями задаёт одни и те же вопросы, ответ в чате расходится с регламентом, а нужное знание живёт у двух-трёх людей.
- Поиск по слову не находит, если вы назвали вещь иначе, чем документ. Сотрудник пишет «отпуск за свой счёт», в регламенте стоит «отпуск без сохранения заработной платы».
- Ответ собирается из нескольких документов. Условие в одном месте, исключение в приложении, срок в приказе. Поиск возвращает три файла, а склеивать приходится человеку.
- Не видно, что ответа нет. Поиск молчит, и непонятно: документа нет или запрос неудачный.
- Противоречия обнаруживаются в момент ошибки. Два регламента говорят разное, и об этом узнают, когда кто-то уже поступил по старому.
ИИ-ассистент меняет интерфейс: человек пишет вопрос как коллеге и получает ответ с цитатой. Принцип работы описан в статье «RAG: как научить ИИ отвечать по документам компании». Здесь про другое: как из этого принципа собрать рабочую систему, где она ошибается и что отвечает за правильность.
Как работает ИИ-ассистент по базе знаний
Модель не «обучается» на ваших документах. При каждом вопросе система находит несколько подходящих фрагментов и просит модель ответить только по ним. Цепочка состоит из шести шагов, и в каждом есть своё типовое место поломки.
| Шаг | Что происходит | Где чаще всего ломается |
|---|---|---|
| 1. Сбор | Забираем документы из ваших источников: wiki, файловое хранилище, вложения, PDF, Word, Excel. Запоминаем версию и дату | Устаревшие копии, дубли, сканы без текстового слоя |
| 2. Разбор и нарезка | Делим документ на фрагменты по смыслу: раздел, пункт, строка таблицы. У каждого сохраняем название документа, заголовки разделов и номер пункта | Таблица разорвана на два фрагмента, пункт потерял условие «для кого это правило» |
| 3. Индекс | Строим поиск по смыслу и по словам. К каждому фрагменту прикрепляем метки: кому доступен, подразделение, версия | Права из источника не перенесены в индекс |
| 4. Поиск под вопрос | Находим несколько подходящих фрагментов и отбрасываем те, что пользователь видеть не должен | Находится похожее, но не то: пункт про другую категорию сотрудников |
| 5. Ответ | Модель отвечает только по найденному, приводит цитату и ссылку на документ и пункт | Склеивает два противоречивых фрагмента в один гладкий ответ |
| 6. Отказ | Если подходящего фрагмента нет, ассистент говорит «в базе этого нет» и предлагает передать вопрос владельцу документа | Модель отвечает «по общим знаниям» вместо отказа |
Шаги 5 и 6 решают, можно ли системе доверять. Быстрый и красивый ответ без источника для компании хуже медленного ответа, который можно проверить за десять секунд. Про выдуманные ответы и меры против них подробнее в материале «Галлюцинации ИИ в бизнесе».
Кто спрашивает: типовые сценарии
Новый сотрудник
Отпуск, командировки, доступы, как оформить заявку. Это сценарий для HR-агента: ассистент снимает с наставников поток повторяющихся вопросов.
Сотрудники и ИТ
Как подключиться к VPN, что делать с рабочей почтой, куда писать про оборудование. Родственный проект: AI-агент внутренней ИТ-поддержки.
Продажи и сервис
Характеристики, совместимость, условия гарантии. Менеджер получает ответ с ссылкой на техдокументацию прямо во время разговора с клиентом.
Юристы и комплаенс
Позиция компании по типовым оговоркам, внутренние политики. Сам разбор договоров вынесен в отдельную задачу: ИИ для проверки договоров.
Клиенты (внешний контур)
Ответы в чате по публичной части базы. Это отдельный проект с другими требованиями: клиент не должен увидеть ни одного внутреннего документа. См. AI-агент для мессенджеров.
Права доступа: ассистент не должен знать больше сотрудника
Самая частая ошибка корпоративных ассистентов — один общий индекс на все документы. Тогда стажёр спрашивает про оплату труда руководителей и получает ответ из ведомости: у модели есть доступ ко всему, а запретить ей отвечать приказом в инструкции нельзя. Выполнение инструкции не гарантировано, особенно если вопрос составлен хитро (подробнее в статье про безопасность AI-агентов).
Поэтому правило должно действовать на этапе поиска, до модели:
- при индексации у каждого фрагмента сохраняем, кто имеет право его видеть;
- при запросе система знает, кто спрашивает (вход через ваш единый вход или каталог пользователей), и ищет только среди разрешённых фрагментов;
- документ, закрытый для пользователя, до модели не доходит, поэтому процитировать его она не может;
- права обновляются по расписанию и при увольнении или переводе сотрудника, а каждый запрос попадает в журнал.
Оговорка: ассистент опирается на права в источнике. Если в общей папке «всем доступно всё», он честно воспроизведёт этот беспорядок. Поэтому сверку прав мы делаем на аудите, до запуска, а не после первого неловкого ответа.
Где ассистент ошибается и чем мы это ловим
| Ошибка | Как выглядит | Чем ловим |
|---|---|---|
| Устаревший документ | Ответ по приказу, который уже заменён новым | У каждого фрагмента версия и дата, в ответе показываем дату документа. Архивные версии в индекс не попадают или помечаются |
| Противоречие между документами | Регламент и инструкция называют разные сроки | Если найдены два источника с разными значениями, ассистент не выбирает сам, а показывает оба и отправляет владельцам документов на сверку |
| Потерянный контекст | Правило «до пяти дней» относилось к одной категории, а ответ применил его ко всем | Фрагмент хранит заголовки родительских разделов. В тестовом наборе есть вопросы с условиями |
| Таблицы и сканы | Число взято из соседней строки или плохо распознано | Таблицы режем по строкам с заголовками столбцов, плохо распознанные места помечаем и показываем рядом с источником |
| Выдуманный ответ | В базе этого нет, но ответ звучит правдоподобно | Ответ только по найденному, цитата обязательна, а код проверяет, что цитата действительно есть в указанном документе |
Ответ без цитаты, которая действительно есть в документе, пользователю не показывается.
Полностью исключить ошибки нельзя. Задача в том, чтобы их было видно: цитата рядом с ответом, дата документа, отметка «не уверен». Что делать, когда ответ спорный и его нельзя отдавать без проверки, описано в материале «Где человек остаётся в контуре». Если ответ верен, но система находит его не с первого раза, смотрите разбор «Почему RAG отвечает неверно».
Что нужно подготовить с вашей стороны
- Список источников и владельцев. Где лежат документы и кто отвечает за каждый раздел. Без владельца непонятно, кому отправлять противоречия.
- Реальные вопросы. 30-50 вопросов, которые сотрудники задают на самом деле, с правильными ответами от владельцев документов. Это эталон для проверки, и он ценнее любых наших гипотез.
- Порядок в правах. Хотя бы для тех разделов, с которых начинаем.
- Решение, что считать неудачей. Например, ассистент ответил без источника или по отменённому документу.
Как быстро оценить состояние документов до сметы, описано в материале про подготовку данных. Часть этой работы вы сделаете сами, и это не формальность: качество ответов не выше качества документов.
Что мы меряем в пилоте
Верный ответ на эталонных вопросах
Доля вопросов, на которые ответ совпал с ответом владельца документа. Считаем отдельно простые вопросы и вопросы с условиями.
Верная ссылка
Указан ли именно тот документ и пункт, где лежит ответ, а не соседний.
Честный отказ
В тест специально добавляем вопросы, ответа на которые в базе нет. Правильное поведение: отказ, а не выдумка.
Ответы без проверки источника
Главное число: сколько неверных ответов система выдала уверенно и с цитатой, которая только выглядела подходящей.
Порог по этим метрикам записываем в договор до начала работ. Как устроена проверка, описано в статье про оценку качества AI-агента.
В вашем контуре или во внешней модели
База знаний — это регламенты, прайсы, внутренние политики и иногда договоры. Не каждая компания готова отправлять такой текст во внешнюю модель, даже российскую. Мы рассматриваем три варианта: российская облачная модель с согласованными условиями, открытая модель на ваших серверах или смешанная схема, где чувствительные разделы остаются внутри. Если персональные данные участвуют в вопросах или документах, см. «ИИ и персональные данные».
Оговорка по качеству: на момент подготовки материала открытые модели в среднем слабее на сложных формулировках и плохих сканах, поэтому проверяем выбранную модель на ваших документах до выбора. Подробнее о выборе и железе: ИИ в вашем контуре и локальные LLM для агентов.
Кому подходит, а кому хватит обычного поиска
- Подходит: документов много (десятки и сотни), вопросы повторяются, регламенты меняются, у базы есть владелец, готовый несколько недель проверять ответы.
- Скорее не окупится: вся база умещается в двадцать страниц, документы устарели и никто не собирается их обновлять, ответы на самом деле живут в опыте людей, а не в тексте.
Во втором случае мы скажем об этом на аудите: сначала нужно навести порядок в документах, и это даст больше эффекта, чем любая модель. Общий критерий — в материале «Когда AI-агент не нужен».
Сколько стоит и с чего начать
Начинаем с одного массива документов, одного канала и эталонного набора вопросов. Например, регламенты HR для сотрудников или инструкции ИТ. Разворачивать сразу всю корпоративную базу не нужно: на первом массиве видно, как ведёт себя система, и состояние ваших документов.
| Этап | Что это для базы знаний | Стоимость | Срок |
|---|---|---|---|
| Экспресс-аудит с расчётом ROI | Смотрим источники, права, состояние документов и реальные вопросы, считаем эффект | 50 000 ₽, засчитывается в проект | 5-7 рабочих дней |
| Пилот на одном массиве | Одна база, один канал (чат, портал или мессенджер), эталонный набор вопросов | от 200 000 ₽ | 3-4 недели |
| Мультиагентная система | Ассистент и действия: заявка владельцу документа, черновик ответа, несколько баз | от 800 000 ₽ | 2-3 месяца |
| Установка в вашем контуре | Модель, индекс и журналы на ваших серверах | от 2 500 000 ₽ | по проекту |
| Сопровождение | Обновление индекса, новые документы, разбор вопросов без ответа | от 40 000 ₽/мес | постоянно |
Обращения к модели и серверы для варианта в вашем контуре в эти суммы не входят, они считаются отдельно по числу вопросов и выбранной модели. Смета целиком описана в статье «Сколько на самом деле стоит AI-агент», порядок работы — на странице разработки AI-агентов. Выбор между поиском по документам и дообучением модели разобран в материале «Дообучение или RAG».
Частые вопросы
Что такое ИИ-ассистент по базе знаний?
Это система, которая отвечает на вопросы сотрудников по внутренним документам компании. Она находит нужные фрагменты, строит по ним ответ и показывает цитату со ссылкой на документ. Если ответа в базе нет, она отказывает, а не придумывает.
Чем это отличается от обычного чата с загруженными файлами?
Обычный чат подходит для разового вопроса по одному-двум документам. Для общей базы нужны права доступа по сотрудникам, обновление документов, журнал запросов, проверка цитат и отказ при отсутствии ответа. Как правило, в обычном чате этого нет или оно ограничено.
Нужно ли дообучать модель на наших документах?
Обычно нет. Документы меняются, а знание, записанное в весах модели, трудно обновить и трудно проверить. Поиск по актуальным документам решает ту же задачу проще, подробности в статье про дообучение и RAG.
Как ассистент не покажет сотруднику закрытый документ?
Права проверяются на этапе поиска: фрагменты, недоступные пользователю, не попадают в запрос к модели, поэтому цитировать их она не может. Опора на инструкцию «не раскрывай» ненадёжна, мы её не используем как защиту.
Как база обновляется, если документы меняются?
Индекс обновляется по расписанию или при изменении документа в источнике. Удалённые и замещённые версии убираются или помечаются, у каждого фрагмента остаётся дата. Отдельный вопрос, кто в компании отвечает за актуальность: это решается на аудите.
Можно ли развернуть ассистента в нашем контуре?
Да. Модель, индекс и журналы размещаются на ваших серверах, внешних обращений нет, если схема не предусматривает иного. Это отдельный формат от 2 500 000 ₽, серверы считаются отдельно. Качество на ваших документах проверяем до выбора модели.
Можно ли пустить такого ассистента к клиентам?
Можно, но это другой проект: клиентам отвечаем только по публичной части базы, добавляем передачу оператору и жёсткие ограничения на тему разговора. Начинать советуем с внутреннего ассистента, где ошибки дешевле.
Сколько стоит ИИ-ассистент по базе знаний?
Экспресс-аудит с расчётом ROI — 50 000 ₽, 5-7 рабочих дней, засчитывается в проект. Пилот на одном массиве документов — от 200 000 ₽, 3-4 недели. Мультиагентная система — от 800 000 ₽, 2-3 месяца. Сопровождение — от 40 000 ₽ в месяц; обращения к модели отдельно.
Проверим вашу базу на реальных вопросах
Возьмём источники и 30-50 вопросов, которые сотрудники реально задают коллегам. Покажем, на какие ассистент отвечает верно, на какие отказывает, а где мешает состояние самих документов. Если эффекта не будет, скажем прямо.
Оставить заявку