Корпоративная база знаний с AI-консультантом: быстрые ответы для сотрудников

В каждой компании есть человек, которому пишут все. «Как оформить возврат?», «где шаблон договора?», «какие у нас условия по доставке в регионы?». Обычно это самый опытный сотрудник, он же самый перегруженный. Знания компании живут у него в голове, в переписках и в папке с документами, которую проще спросить, чем открыть. Он ушёл в отпуск, и вопросы копятся. Уволился, и знания уехали вместе с ним.

Корпоративная база знаний с AI-консультантом устроена иначе, чем классическая вики, которую никто не читает. Сотрудник спрашивает своими словами: в чате на портале или прямо в мессенджере. В ответ приходит выжимка из ваших регламентов, инструкций и документов, со ссылкой на источник.

Почему это не поиск по папкам

Технически это RAG, retrieval-augmented generation. Языковая модель отвечает не из головы, а по фрагментам ваших документов, которые система нашла под конкретный вопрос. Ответ можно проверить: источник виден рядом.

С этого сценария компании чаще всего и начинают работу с нейросетями. По нашему опыту причина простая. Проверяемый ответ со ссылкой руководитель принимает спокойно, а красивую выдумку чат-бота нет.

Как выглядит ответ

Менеджер пишет в чат: «клиент просит отсрочку 30 дней, кто согласует?». Система отвечает: отсрочку дольше 14 дней согласует финансовый директор, заявка идёт через портал, ответ приходит за два рабочих дня. Ниже стоит ссылка на регламент и дата его последней версии. Менеджер за десять секунд получил то, за чем раньше шёл к коллеге.

Как мы работаем

Аудит знаний

Смотрим, что уже описано, что живёт в головах, какие вопросы сотрудники задают чаще всего. Обычно хватает недели и десятка разговоров с людьми.

Сбор и чистка документов

Собираем и причёсываем сам корпус. Это самая недооценённая часть проекта. AI-консультант отвечает ровно настолько хорошо, насколько хороши исходные материалы.

Поисково-генеративная связка

Разворачиваем индексацию, поиск и генерацию ответов. Если у вас есть требования к конфиденциальности, берём российские модели, GigaChat или YandexGPT, через API либо решения, которые работают внутри вашего контура. Данные к внешним сервисам не уезжают.

Пилот на одном отделе

Запускаем на ограниченном наборе документов. Измеряем качество ответов. Масштабируем уже после этого.

Что входит в работу

• Аудит: какие знания есть, каких не хватает, кто в компании главный отвечающий.
• Структурируем базу: регламенты, инструкции, FAQ, шаблоны документов, права доступа по ролям.
• Настраиваем конвейер RAG: индексация документов, поиск, генерация ответов со ссылками на источники.
• Делаем интерфейсы: чат на внутреннем портале, бот в Telegram или MAX, виджет в CRM.
• Договариваемся о правилах обновления: как новые регламенты попадают в базу и кто отвечает за актуальность.
• Считаем метрики качества: долю вопросов с полезным ответом и частые «не нашлось», которые показывают, какие документы пора дописать.

Где сотрудники спрашивают

База знаний для сотрудников умирает, если за ответом нужно куда-то идти. Поэтому чат ставим туда, где люди уже сидят. Внутренний портал, Telegram, MAX, карточка сделки в CRM. Получается чат-бот по документам компании, а не ещё одна вкладка в браузере.

Сколько это стоит и сколько занимает

Смету считаем после аудита, но порядок цифр называем сразу.

• Пилот на один отдел. От 250 тысяч рублей, четыре-шесть недель. Берём 30–80 документов, один интерфейс и одну группу пользователей.
• База на всю компанию. От 700 тысяч рублей, два-четыре месяца. Несколько отделов, права по ролям, регламент обновления, чат на портале и в мессенджере.
• Сопровождение. От 35 тысяч рублей в месяц. Дописываем документы по журналу неудачных вопросов, следим за качеством ответов, обновляем индекс.

Работу модели оплачивают отдельно, и считается она по токенам. Компания на сотню сотрудников с живым чатом обычно тратит 5–15 тысяч рублей в месяц на GigaChat или YandexGPT. Если модель ставится внутри вашего контура, вместо подписки появляется сервер с видеокартой: аренда от 40 тысяч рублей в месяц.

Что нужно от вас

• Документы. Для пилота хватает 30–50 регламентов и инструкций. Триста штук на старте не нужны, они только растянут разбор.
• Готовность материалов. Подойдут текстовые файлы, DOCX и PDF с текстовым слоем. Сканы и фотографии распознаём отдельно, это добавляет неделю. У каждого документа нужна дата и живой владелец.
• Ответственный на вашей стороне. Человек, который подтверждает, какая версия регламента действует сейчас. Нужен на три-четыре часа в неделю.
• Доступы. К хранилищу документов, порталу и мессенджеру. Обычно это полдня работы вашего системного администратора.

Кто что увидит

Права доступа разбираем до того, как загрузим первый документ. В базе быстро оказываются оклады, договоры и кадровые приказы. Отвечать по ним всем подряд нельзя.

Права наследуются от групп в вашем каталоге пользователей. Менеджер спрашивает про скидки и отсрочки и получает ответ. Тот же человек спрашивает про зарплату коллеги и не получает ничего: документ просто не попадает в поиск для его роли. Журнал запросов пишется, поэтому видно, кто и о чём спрашивал.

Как мы меряем качество

На пилоте считаем долю полезных ответов. Наша рабочая норма: 80% вопросов закрываются без человека.

Оставшиеся 20% делятся на две кучки. Первая: ответа в документах просто нет. Такие вопросы полезнее всего, они показывают, какие регламенты пора написать. Вторая: документ нашёлся, но система ответила мимо. Это чиним настройками поиска и разбивкой текстов.

Если через месяц пилота полезных ответов меньше 60%, дело почти всегда в документах, а не в модели. Тогда мы останавливаемся и дописываем корпус.

Что вы получите

Новички выходят на рабочий темп быстрее. Глупых вопросов они не боятся, потому что задают их системе. Опытные сотрудники перестают работать справочным бюро.

Ответы становятся одинаковыми: менеджеры называют клиентам одни и те же условия, источник-то один. А руководитель по журналу вопросов впервые видит, чего сотрудники не знают.

Набор сценариев у всех свой. Оптовику обычно нужны условия отгрузки, отсрочки и скидочные матрицы. Рознице ближе регламенты кассы, возвратов и приёмки товара. Сервисной компании пригодятся инструкции по оборудованию и скрипты для диспетчеров.

Где это ломается

Бардак в документах. AI-консультант поверх него уверенно отвечает по устаревшим регламентам. Поэтому этап наведения порядка мы не пропускаем, даже когда очень хочется просто подключить нейросеть.

Галлюцинации. Полностью они не исчезают. Мы настраиваем систему так, чтобы вместо выдумки она говорила «не нашёл в базе» и всегда показывала источник для проверки.

Никто не следит за актуальностью. База знаний живёт, пока у неё есть владелец. Без него она протухает за полгода. Об этой роли договариваемся до старта.

Что происходит после запуска

Мы передаём базу с документацией и учим команду ей пользоваться. Дальше возможны два пути. Есть у вас человек, который отвечает за регламенты, он добавляет документы сам, а мы остаёмся на связи для сложных вопросов. Нет такого человека, берём сопровождение на себя.

Раз в месяц присылаем короткий отчёт: сколько вопросов задали, где система промолчала, какие документы стоит дописать. Внутренняя база знаний компании от этого растёт сама собой, по реальным запросам людей.

Позже тот же механизм разворачивается наружу. База, проверенная на сотрудниках, становится основой для клиентского чат-бота на сайте. Начинать разумнее изнутри, там цена ошибки ниже. Если нейросети нужны шире, чем на вопросах по документам, посмотрите AI-ассистентов для бизнеса.

Опишите задачу в форме ниже: сколько у вас сотрудников, какие вопросы повторяются чаще всего и в каком виде сейчас лежат регламенты. Оценим готовность материалов и предложим формат пилота.