Регламенты есть, а ответов нет: как ИИ-ассистент решает проблему поиска знаний сотрудниками
Одна из постоянных задач компании — обеспечить сотрудников быстрым доступом к актуальной информации, необходимой для работы. Это могут быть правила оказания услуг, условия возврата и обмена товаров, положение о программе лояльности, регламент работы с дебиторской задолженностью, политика обработки персональных данных, правила внутреннего трудового распорядка и другие документы.
Такая информация часто разбросана по файлам, внутренним порталам, рабочим чатам и переписке, и найти нужный документ именно в тот момент, когда он требуется, бывает непросто. В итоге сотрудники тратят время на поиск и уточнения у коллег, профильные специалисты регулярно отвечают на одни и те же вопросы, а в работе иногда используются противоречивые или устаревшие версии документов.
Собрать все материалы в одном месте — разумный первый шаг, но он не решает проблему полностью: изучение документов всё равно требует времени. Передавать же всю базу знаний ИИ-помощнику при каждом запросе пользователя не получится — у любого ИИ есть предел того, сколько текста он может обработать за один раз.
Один из способов решения этой задачи — RAG (Retrieval-Augmented Generation), подход, при котором ИИ-ассистент сам находит нужную информацию в базе знаний компании и формулирует ответ на её основе. Для сотрудника это выглядит как обычный диалог: он задаёт вопрос привычным языком и получает готовый ответ.
Механизм RAG работает следующим образом. Информация из проверенных файлов заранее загружается в специальную базу данных. Когда пользователь задаёт вопрос, отдельный алгоритм с высокой точностью находит в этой базе фрагменты текста, наиболее близкие по смыслу к вопросу пользователя, и передаёт их ИИ-помощнику вместе с самим вопросом. На основе этих фрагментов ИИ формирует итоговый ответ.
Такая схема позволяет развернуть ИИ-ассистента внутри корпоративного контура. В этом случае база знаний и запросы сотрудников не покидают периметр организации.
Ещё одно преимущество RAG — возможность регулярно обновлять базу знаний без переобучения языковой модели ИИ-помощника, которое обычно требует времени и участия специалистов: достаточно добавить новые документы в базу знаний или переиндексировать изменённые.
Для демонстрации работы механизма RAG в этой статье были подготовлены два документа: «Описание услуг.md» и «Правила продажи.md». В них содержится информация об услугах вымышленного учебного центра, форматах обучения, способах оплаты, системе скидок и других правилах работы.
В документах указано, что рассрочка через партнёрский банк доступна только при стоимости курса от 30 000 ₽. Проверим, сможет ли частный слушатель оформить рассрочку на курс стоимостью 22 000 ₽. Ассистент корректно сообщает, что оформить рассрочку нельзя, и указывает соответствующий фрагмент правил.
Зададим другой вопрос: может ли новый корпоративный клиент оплатить обучение для группы из пяти человек через 45 дней после подписания акта. Ассистент отвечает отрицательно: при первом сотрудничестве допустима отсрочка не более 30 календарных дней.
Спросим, можно ли включить в корпоративное предложение настройку инфраструктуры заказчика и разработку готового приложения. Ассистент поясняет, что такие работы не входят в стандартные образовательные услуги, и рекомендует оформить их отдельным договором на консультационные или проектные работы.
Проверим, как система реагирует на противоречивые сведения в документах. В демонстрационной базе встречаются разные названия компании. Ассистент обнаруживает это расхождение и сообщает о нём пользователю, указывая соответствующий источник.
ИИ-ассистент может ошибаться, поэтому его ответы не должны заменять проверку по-настоящему важных решений. Но, как видно из примера выше, каждый ответ сопровождается ссылкой на конкретный фрагмент документа для проверки.
—
Для связи: info@kamkov.ru