IT-компания HPACE.ru 
Тендеры и лиды
Информация
ИИ-ассистент, который отвечает сотрудникам и клиентам по регламентам, инструкциям и базе знаний, — один из самых частых запросов на внедрение нейросетей в бизнес. Технически такой ассистент строится по схеме RAG: система находит в документах подходящие фрагменты и передаёт их языковой модели, а та формулирует ответ. Демо собирается за пару дней. А вот ассистент, которому сотрудники доверяют через три месяца после запуска, — результат нескольких решений, которые принимаются ещё до разработки.
Типичная ошибка — загрузить в систему «всё, что есть». Начинать нужно со сбора 50–100 реальных вопросов, которые сейчас задают в поддержку, HR или руководителю. Они покажут, каких документов не хватает, какие устарели и где ответы противоречат друг другу. Эти же вопросы станут тестовым набором для проверки качества.
уберите дубли и старые версии регламентов — иначе ассистент будет цитировать отменённые правила;
сканы прогоните через распознавание и проверьте таблицы — именно в них чаще всего ломается смысл;
у каждого документа должны быть владелец и дата актуальности.
На практике улучшение базы даёт больший прирост качества, чем переход на более дорогую модель.
Документы делят на фрагменты, по которым идёт поиск. Слишком мелкие фрагменты теряют контекст, слишком крупные — «размывают» поиск. Хорошо работает нарезка по смысловым разделам с сохранением заголовков: тогда фрагмент «срок возврата — 14 дней» помнит, что относится к разделу «Юрлица», а не «Физлица».
Векторный поиск хорошо понимает смысл, но плохо — артикулы, номера приказов и точные термины. Полнотекстовый — наоборот. Комбинация обоих и переранжирование результатов заметно снижают число ответов «мимо».
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13836 тендеров
проведено за восемь лет работы нашего сайта.
Ассистент должен показывать, из какого документа и раздела взят ответ, а если ответа в базе нет — честно говорить «не знаю» и предлагать связаться с человеком. Это главный инструмент доверия: сотрудник может проверить ответ за секунды, а ответственный за базу видит, каких документов не хватает.
До выбора модели определитесь с требованиями к данным. Если в документах есть персональные данные или коммерческая тайна, рассматривайте российские модели (YandexGPT, GigaChat) или open-source модели на собственном сервере. Облачные зарубежные API подходят не для всех задач — это решение юристов и службы безопасности, а не только разработчиков.
кнопки «полезно / не полезно» под каждым ответом;
журнал вопросов без ответа — это готовый план пополнения базы;
регулярный прогон тестового набора вопросов после каждого обновления;
контроль стоимости: сколько токенов уходит на один ответ и на месяц работы.
Оптимальный первый шаг — пилот на одном подразделении и одном наборе документов: например, база знаний поддержки или HR-регламенты. Две-четыре недели работы с реальными пользователями дадут больше информации, чем месяцы планирования. Интерфейс на старте может быть самым простым — бот в корпоративном мессенджере или виджет на портале, — а веб-кабинет с аналитикой и управлением документами имеет смысл добавлять, когда пилот доказал пользу.
Качество ИИ-ассистента определяют не столько модель и промпт, сколько работа с базой знаний, поиск, ссылки на источники и честная обратная связь. Заложите эти решения на старте — и ассистент станет рабочим инструментом, а не очередной демонстрацией возможностей нейросетей.
