ИИ-ассистент на базе знаний компании: как он отвечает фактами, а не догадками

Зачем компании отдельный ассистент по базе знаний

Практически в любой организации знание разбросано: часть в регламентах, часть в переписке, часть в голове у одного человека, который в отпуске. Каждый новый сотрудник заново проходит путь «спроси у Марины». Каждый клиентский вопрос требует, чтобы кто-то вспомнил актуальные условия.

Задачи, которые закрывает ассистент по базе знаний:

• Поддержка сотрудников. «Какой срок гарантии по этой позиции», «как оформить возврат», «что писать в договоре при отсрочке» — ответ за секунды вместо поиска по папкам.
• Ускорение адаптации новичков. Новый человек задаёт вопросы ассистенту, а не отвлекает коллег.
• Единообразие ответов клиентам. Все менеджеры отвечают одинаково и по актуальной версии документа.
• Опора для других решений. Агент на входящих заявках и помощник продавца берут фактическую часть именно отсюда.

Эта статья — про механику качества ответов. Если вам нужен разбор того, как такой ассистент создаётся организационно и внедряется в компании, он есть отдельно: как создать корпоративного ИИ-ассистента.

RAG простыми словами

Аббревиатура расшифровывается как «генерация с опорой на найденное». Если убрать термины, механизм выглядит так — четыре шага на каждый вопрос:

1. Подготовка. Ваши документы заранее разрезаются на смысловые фрагменты и укладываются в поисковый индекс — так, чтобы искать можно было по смыслу, а не по точному совпадению слов.
2. Поиск. Когда сотрудник задаёт вопрос, система находит несколько наиболее подходящих фрагментов из ваших документов.
3. Сборка запроса. Найденные фрагменты подставляются модели вместе с вопросом и инструкцией: «отвечай только на основании этого текста».
4. Ответ со ссылкой. Модель формулирует ответ и указывает, из какого документа он взят. Ссылка на источник — не украшение, а инструмент проверки.

Почему не «обучить модель на наших данных»

Вопрос возникает всегда, и ответ практический. Дообучение модели — дорого, долго и плохо переносит изменения: когда меняется прайс, переучивать заново нерационально. Подход с поиском по документам лишён этих недостатков — обновили файл, и ассистент отвечает по новой версии в тот же день. Плюс появляется главное: возможность показать, откуда взят ответ.

Откуда ассистент берёт данные

Источником может быть почти всё, что существует в текстовом виде. Важнее не формат, а актуальность и однозначность.

Почему ассистент «галлюцинирует» и как это лечится

Термин означает уверенно сформулированный, но неверный ответ. Важно понимать причину: языковая модель по своей природе стремится дать ответ. Молчание для неё — не поведение по умолчанию, ему надо специально научить.

Причина 1. В базе нет ответа

Поиск не нашёл релевантного фрагмента, но модель всё равно сформулировала правдоподобное. Лечение: явная инструкция отвечать «в базе знаний нет данных по этому вопросу» и порог релевантности — если найденные фрагменты недостаточно близки к вопросу, ответ не генерируется вовсе.

Причина 2. В базе несколько противоречащих версий

Классика: лежат прайс за прошлый период и текущий, старый регламент и новый. Поиск честно находит оба, модель выбирает любой. Лечение: порядок в хранилище — одна актуальная версия, архив вынесен из индекса, у каждого документа проставлена дата актуальности.

Причина 3. Плохая нарезка документов

Фрагмент оборвался на середине условия, и в найденный кусок попало «скидка предоставляется» без продолжения «при объёме от…». Лечение: нарезка по смысловым границам — разделам и пунктам, а не по числу символов, с сохранением заголовков в каждом фрагменте.

Причина 4. Вопрос сформулирован не так, как написан документ

Сотрудник спрашивает бытовым языком, документ написан канцелярским — поиск не находит соответствия. Лечение: расширение базы формулировками реальных вопросов и переформулирование запроса перед поиском.

Причина 5. Нет проверки на выходе

Ответ никто не сверяет с источником. Лечение: обязательная ссылка на документ и фрагмент в каждом ответе. Это самый дешёвый и самый действенный контроль: сотрудник видит источник и может проверить за секунду.

Что подготовить со стороны компании

Это та часть, которую нельзя сделать за вас, и именно она определяет реальный срок запуска.

1. Инвентаризация документов. Соберите в одном месте всё, что должно стать источником. Отдельно отметьте, какая версия актуальна.
2. Чистка дублей и архива. Всё устаревшее — из индекса. Один документ = одна действующая версия.
3. Список из 30–50 реальных вопросов. Возьмите их из переписки поддержки и вопросов новичков, не придумывайте. Это одновременно тестовый набор для приёмки.
4. Разграничение доступа. Решите заранее, что видят все, что — только руководители, а что вообще не должно попасть в систему (персональные данные, коммерческая тайна).
5. Регламент обновления. Кто и когда обновляет базу при изменении прайса или правил. Без этого ассистент устареет за пару месяцев.
6. Владелец. Человек, который еженедельно просматривает вопросы без ответа — это лучший источник понимания, чего в базе не хватает.

Как принимать работу

Проверяйте не «умеет ли отвечать», а поведение в неудобных ситуациях:

• задайте вопрос, ответа на который в базе точно нет — ассистент должен отказаться, а не сочинить;
• задайте вопрос по документу, у которого есть устаревшая версия, — проверьте, какую он взял;
• прогоните тот самый список из 30–50 реальных вопросов и посчитайте долю точных ответов;
• проверьте, что в каждом ответе есть ссылка на источник и она ведёт к правильному месту;
• попробуйте получить данные, к которым у вашей роли не должно быть доступа.

Ассистент по базе знаний ровно настолько хорош, насколько упорядочены документы компании. Технология не создаёт знание — она делает существующее знание доступным за секунды. — команда Aivonix

Такой ассистент редко бывает изолированным проектом: та же база знаний питает агента на входящих заявках и помощника продавца. Оценить бюджет поможет разбор стоимости внедрения ИИ, а не наступить на управленческие грабли — материал про ошибки внедрения. Обзор инструментов для руководителя есть в статье ИИ-инструменты для собственника.

Частые вопросы

Что такое RAG простыми словами?

Это способ отвечать на вопросы с опорой на ваши документы: система заранее индексирует файлы, при вопросе находит подходящие фрагменты и передаёт их модели с инструкцией отвечать только по найденному. Знание остаётся в документах, модель лишь формулирует ответ.

Чем это отличается от обучения модели на наших данных?

Дообучение дорого, долго и плохо переносит изменения: при смене прайса пришлось бы переучивать заново. Поиск по документам обновляется мгновенно — заменили файл, и ассистент отвечает по новой версии. Плюс появляется ссылка на источник ответа.

Почему ассистент выдаёт уверенные, но неверные ответы?

Основные причины: в базе нет ответа, но модель всё равно формулирует; в базе лежат противоречащие версии документов; документ нарезан так, что фрагмент оборвался на середине условия; вопрос сформулирован не тем языком, что документ.

Можно ли полностью исключить неверные ответы?

Нет, это ограничение технологии. Но можно сделать неверный ответ легко обнаружимым: обязательная ссылка на источник в каждом ответе, отказ отвечать при отсутствии релевантных данных и человек в контуре на значимых темах.

Что нужно подготовить со стороны компании?

Инвентаризацию документов с пометкой актуальных версий, чистку дублей и архива, список из 30–50 реальных вопросов для тестирования, правила разграничения доступа, регламент обновления базы и назначенного владельца.

Чем эта статья отличается от материала о создании корпоративного ассистента?

Там разбирается организационная сторона — как такой ассистент создаётся и внедряется в компании. Здесь — механика базы знаний и качества ответов: откуда берутся данные, почему возникают ошибки и как их снижать.