Корпоративная база знаний с ИИ (AI): как устроена и с чего начать

Корпоративная база знаний — что это и чем её дополняет AI

Корпоративная база знаний — это единое место, где собраны регламенты, инструкции, описания продуктов и ответы на типовые вопросы, которыми пользуются сотрудники. В привычном виде это вики или раздел внутреннего портала. Обычная проблема: материалы лежат в разных системах и папках, и найти нужное можно, только если знаешь, как оно называется и где хранится.

База знаний с AI добавляет к хранилищу слой поиска и ответов. Сотрудник пишет вопрос обычными словами, например «какие документы нужны для согласования скидки», и получает короткий ответ с указанием, из какого документа он взят. Поиск по ключевым словам вернёт список файлов, где встретились те же слова. AI-поиск учитывает смысл вопроса и собирает ответ из найденного.

Такой инструмент имеет смысл, если вы узнаёте свою ситуацию в признаках ниже: оцените, сколько из них относятся к вашей компании и как часто эти ситуации повторяются в течение рабочей недели.

• Сотрудники тратят время на поиск нужного документа в разных системах и папках.
• Регламентов, инструкций и баз знаний много, и держать их в голове невозможно.
• Новички одни и те же вопросы задают коллегам, а не находят ответ сами.
• Часть материалов нельзя показывать всем, и доступ нужно разграничить по ролям.

Как работает RAG: поиск по документам и ответ со ссылкой

RAG (retrieval-augmented generation, «генерация с поиском») — подход, при котором языковая модель отвечает не по памяти, а по найденным документам вашей компании. Представьте сотрудника, который сначала достаёт из архива нужные страницы, затем пишет ответ на их основе и указывает, откуда взято каждое утверждение.

Это важно, потому что сама по себе модель не знает ваших регламентов, а при нехватке сведений может написать уверенный, но неверный ответ. Когда ответ строится на найденных фрагментах и содержит ссылку, его можно проверить: открыть документ и прочитать нужное место. Дообучать модель на ваших документах для этого обычно не требуется: знания хранятся в поисковом индексе, а не в самой модели. Когда регламент меняется, достаточно обновить документ, и ответы изменятся вместе с ним.

Порядок работы системы выглядит так, и каждый его шаг можно проверить на тестовых вопросах сотрудников ещё до запуска решения в рабочую эксплуатацию:

• Подключение источников: файлы, страницы базы знаний, данные внутренних систем.
• Подготовка: тексты делятся на небольшие фрагменты, и для каждого строится индекс, позволяющий искать по смыслу.
• Поиск: по вопросу система находит подходящие фрагменты среди тех, которые этому сотруднику разрешено видеть.
• Ответ: модель формулирует его только на основе найденного и прикладывает ссылки на источники.
• Если подходящих фрагментов нет, правильно настроенная система сообщает, что ответа в документах не нашла.

Права доступа и место развёртывания

Самый частый вопрос руководителя: что, если AI покажет сотруднику то, что ему видеть не положено. Поэтому права доступа учитываются на этапе поиска, а не после него. Система знает, кто задаёт вопрос, и ищет только среди материалов, доступных его роли. Недоступный фрагмент не попадает ни в ответ, ни в список ссылок.

Права либо переносятся из ваших систем — справочника сотрудников, прав в хранилище документов, ролей в корпоративных сервисах, — либо задаются отдельно по ролям и подразделениям. Принцип здесь один: минимально необходимые права. Разумнее открыть меньше и расширять по запросам, чем исправлять ошибку после того, как закрытый документ попал в ответ.

Второй вопрос — где всё это работает. Решение можно развернуть внутри инфраструктуры компании или в согласованном облаке. Если в материалах есть персональные данные, требования 152-ФЗ закладываются при проектировании: заранее определяют, какие поля системе вообще нужны, а часть документов подключают в обезличенном виде. Контур стоит выбрать на старте: от него зависят доступы, состав работ и то, какие модели можно использовать.

Поиск по документам компании: какие источники подключить первыми

Не стоит подключать всё сразу. Выберите участок, где вопросов много, а ответы уже есть в документах. Критерий выбора простой: у источника есть владелец, содержимое в целом актуально, а доступы понятны. Сканы плохого качества, дубли и черновики стоит оставить на потом — они ухудшают ответы. Соберите реальные вопросы сотрудников: этот набор станет проверочным списком, по которому вы оцените, находит ли система ответ и верно ли называет источник.

Такой старт отвечает на главный вопрос — работает ли подход на ваших материалах — до того, как вы подключите остальные системы и вложитесь в интеграции.

Ниже — источники, которые обычно подходят для первого пилота; выберите один из них, а остальные подключайте по мере появления результатов.

• Регламенты и инструкции отдела, к которому чаще всего обращаются за справкой: бухгалтерии, HR, ИТ-поддержки.
• Внутренняя вики или раздел базы знаний, который уже ведут и обновляют.
• История вопросов и ответов службы поддержки — готовый набор типовых обращений.
• Описания продуктов, условия и прайс-листы для отдела продаж.
• Данные из учётных систем, например 1С, — следующим шагом, когда работа с документами уже налажена.

Как поддерживать базу знаний в актуальном виде

База знаний теряет ценность в тот момент, когда ей перестают верить. Поэтому актуальность — отдельная задача, а не побочный результат запуска. Нужно определить, как новые и изменённые документы попадают в индекс, кто отвечает за содержимое и как вы узнаете, что система стала отвечать хуже.

Журнал вопросов, на которые ответ не нашёлся, — полезный побочный результат: он показывает, каких регламентов компании не хватает. После запуска решение либо ведёт ваша команда, либо поддержку берёт подрядчик. Режим стоит выбрать до запуска и зафиксировать письменно, а не после первого сбоя.

• Синхронизация с источниками: изменённый документ обновляет индекс, удалённый перестаёт появляться в ответах.
• Владелец каждого источника отвечает за актуальность регламентов и снимает устаревшие версии.
• Обратная связь в интерфейсе: сотрудник отмечает неверный или неполный ответ, и такие отметки регулярно разбирают.
• Журнал запросов: видно, о чём спрашивают чаще всего и где ответа не оказалось.
• Мониторинг и письменный порядок действий при сбое, включая откат.

Типичные ошибки и вопросы, которые стоит задать подрядчику

Чаще всего проекты спотыкаются об одно и то же. Подключают все источники сразу и получают ответы по устаревшим дублям. Не определяют критерий приёмки, и непонятно, когда решение считается готовым. Откладывают права доступа на потом. Ждут, что AI заменит наведение порядка в документах, хотя он лишь делает этот порядок видимым. Не назначают владельца базы после запуска.

Чтобы заранее отсеять эти риски, задайте подрядчику следующие вопросы — ответы на них покажут, насколько он понимает вашу задачу и что именно вы получите по итогам проекта:

• Как система учитывает права доступа, и можно ли проверить это на тестовых ролях?
• Где будут храниться документы и индекс и кто получит к ним доступ?
• Что система отвечает, если ответа в документах нет?
• Как показывается источник: ссылкой на документ или на конкретное место в нём?
• По какому критерию вы принимаете результат и на каких реальных вопросах его проверяете?
• Что вы получаете по итогам: код, конфигурации, документацию — и в каком объёме?
• Как устроена поддержка после запуска и что зафиксировано в договоре?

Как мы подходим к задаче корпоративного поиска

Мы начинаем с бесплатного разбора задачи: смотрим один ваш процесс, источники и ограничения и письменно отвечаем, нужен ли здесь AI. Иногда достаточно навести порядок в документах или взять готовый продукт — тогда мы пишем об этом прямо. Разбор занимает 3–5 рабочих дней, на выходе документ с границами решения и критерием приёмки, и он остаётся у вас в любом случае.

Если задача подходит, делаем пилот на ваших реальных данных. Корпоративный поиск по знаниям — от 140 000 ₽ и от 3 недель; точную цену и срок называем по итогам разбора. Результат проверяем по критерию, согласованному заранее, а если решение не дотягивает до него, дорабатываем за свой счёт. Разворачиваем в вашей инфраструктуре или в согласованном облаке. После запуска возможна поддержка пакетами от 25 000 ₽ в месяц.

Если сценарий шире поиска, например нужен ассистент, который отвечает по базе знаний и выполняет типовые операции в CRM или 1С, это отдельное решение — AI-агенты и ассистенты, от 150 000 ₽ и от 3 недель.