Какую модель ИИ вы используете для базы знаний?

Выбираем модель под задачу (ChatGPT, Claude, GigaChat, YandexGPT или другие) в зависимости от языка документов, требований к данным и того, где эти данные могут храниться. База знаний по русскоязычным документам на своём сервере имеет другие ограничения, чем англоязычные документы в облаке. Привязки к одному провайдеру нет.

Как это не выдумывает ответы?

Агент настроен на ответы с опорой на найденное: он отвечает только по фрагментам, которые реально нашёл в ваших документах, и указывает источник. Когда ответа в документах нет, он так и говорит вместо того, чтобы гадать. Это ключевое проектное решение, которое делает внутреннюю базу знаний безопасной для доверия.

По каким источникам он ищет: Notion, Google Drive, Confluence?

Notion, Google Drive и Confluence подключаются через нативные пути или API. SharePoint, локальные файловые хранилища, PDF и прошлые обращения поддержки тоже работают. На вводном звонке подтверждаем, какие источники подключать, и индексируем самый ценный первым.

Что с конфиденциальными документами и правами доступа?

Мы ограничиваем поиск так, чтобы он уважал ваши существующие права, и агент никогда не покажет документ тому, кто и так не смог бы его открыть. Чувствительные источники можно исключить полностью или ограничить конкретными командами. Доступ по умолчанию минимально необходимый и логируется.

Сколько стоит внедрение базы знаний?

Стоимость по брифу, зависит от того, сколько источников вы подключаете и насколько чувствительны данные. Регулярное сопровождение (переиндексация, устранение пробелов, новые источники) идёт по абонентской модели по договорённости. Оплата провайдеру ИИ составляет предсказуемую сумму в месяц в зависимости от количества заданных вопросов. Запросить оценку можно по брифу.

ИИ для базы знаний и поиска по документам

Ответы на большинство вопросов уже где-то записаны в каждой компании. Проблема в том, что они разбросаны по Notion, Google Drive, Confluence, старым почтовым цепочкам и одному Slack-каналу, о котором помнят три человека. Сотрудники пишут коллеге вместо того, чтобы искать, и этот коллега теряет 20 минут на вопрос, на который отвечал уже десять раз. ИИ-база знаний убирает этот разрыв: она читает ваши документы, отвечает на естественном языке и указывает, откуда взят ответ. Эта страница объясняет, какие источники индексировать первыми, как удерживать ответы в рамках реальных документов и как запустить так, чтобы люди действительно доверяли.

Где ИИ приносит наибольшую пользу команде база знаний и поиск

Вопрос в Slack с поиском по документам компании

Сотрудник задаёт вопрос в Slack («какая политика отпуска по уходу для подрядчиков?»). ИИ-агент находит нужные фрагменты в документах политики, отвечает простым языком и указывает документ и раздел. Больше не нужно писать в HR или операции по одним и тем же 20 вопросам. Время первого ответа падает с часов до секунд.

Ответы с опорой на источник, а не догадки

Каждый ответ ссылается на конкретный документ и строку, откуда он взят, чтобы читатель мог проверить. Когда ответа в документах нет, агент отвечает «[нужен-человек]» с кратким описанием пробела вместо того, чтобы что-то выдумать. Уверенный неверный ответ про политику хуже, чем явно обозначенный пробел.

Самообслуживание при онбординге новых сотрудников

Новые сотрудники спрашивают у агента, где что находится: инструкция по VPN, процесс авансовых отчётов, кто отвечает за биллинг, регламент деплоя. Они получают ответы в первый же день, не назначая встречи с пятью людьми. Нагрузка онбординга на команду падает, а новички выходят на скорость быстрее.

Обнаружение устаревших документов и пробелов

ИИ-агент логирует каждый вопрос, на который не смог ответить, и каждый документ, противоречащий другому. Вы получаете еженедельный список самых частых вопросов без ответа и устаревших страниц. База знаний улучшается на основе реального использования, а не разовой уборки раз в год, которую никто не планирует.

Регламент запуска

01
Сначала индексируем один источник, а не все сразу
Выбираем единственный источник, о котором спрашивают чаще всего (обычно это пространство политик HR/операций или инженерная вики). Индексируем его, добиваемся ответов с опорой на источник и ссылками, и доказываем, что цикл работает, прежде чем добавлять Drive, Confluence и остальное. Широта без точности даёт лишь уверенную чепуху.
02
Аудит и чистка документов до запуска
ИИ-агент хорош ровно настолько, насколько хорошо то, что он находит. Тратим первые дни на поиск того, чего не хватает, что устарело и какие ответы живут только в чьей-то голове или в Slack-цепочке. Эта чистка полезна, даже если агент так и не будет запущен, и именно она отделяет ответы, которым доверяют, от мусора.
03
Настраиваем права доступа до открытия
Не каждый сотрудник должен искать по каждому документу. Мы ограничиваем поиск так, чтобы он уважал существующие права, и агент никогда не покажет зарплатную ведомость или юридический черновик тому, кому не положено. Минимально необходимый доступ настраивается до того, как первый сотрудник задаст вопрос.
04
Запускаем на одну команду, потом расширяем по источникам
Начинаем с команды, которая владеет проиндексированным источником, потому что она мгновенно замечает неверные ответы. Как только она доверяет агенту, открываем его для всей организации и добавляем следующий источник документов. Каждый новый источник это шаг конфигурации, а не пересборка.