Если честно, больше всего времени в компании убивают не совещания, а вечный вопрос «скинь, пожалуйста…». То отчёт потерялся в переписке, то нужный договор лежит в неизвестной папке, то кто‑то третий «точно помнит, что где‑то это видел». Мы решили собрать весь этот хаос в одном месте и сделали внутреннего ИИ‑ассистента, которому можно задать вопрос по данным — и за пару секунд получить ответ. Рассказываю, как это устроено и в каких задачах такой ассистент реально спасает.
В любой компании накапливается большое количество внутренней корпоративной информации. Регламенты, инструкции, письма, внутренние документы — всё это есть, но найти нужное быстро получается не всегда, даже если используется специализированное ПО. В итоге сотрудники тратят время не на работу, а на поиск: вспоминают формулировки, спрашивают коллег, ищут по чатам и папкам, листают записи в корпоративной среде.
Именно с такой задачей к нам пришёл заказчик. Ему нужен был внутренний ИИ‑ассистент, который помогает сотрудникам находить ответы на вопросы в привычном формате чата, но при этом работает аккуратно с корпоративными знаниями и не смешивает данные между разными подразделениями.
Важно было не просто сделать «поиск с нейросетью», а построить понятный и безопасный инструмент для повседневной работы. Ассистент должен был отвечать по корпоративным документам, помогать быстро ориентироваться в регламентах и быть удобным для обычного сотрудника, а не только для ИТ‑специалиста.
При этом у заказчика сразу было важное требование: знания должны быть разделены. У бухгалтерии — свой набор документов, у ИТ‑службы — свой, у сотрудников общего профиля — свой. Эти базы не должны пересекаться между собой, чтобы пользователь получал ответы только из своего контура знаний.
Как это работает для пользователя
С точки зрения сотрудника всё очень просто. Он задаёт вопрос в привычной среде — в MAX или во внутреннем корпоративном мессенджере Matrix — и получает короткий понятный ответ. Ассистент с опорой на внутренние документы, готовит ответ и подсказывать где искать первоисточник.
То есть вместо долгого поиска по словам человек просто спрашивает: «Как оформить такой-то процесс?» или «По какому регламенту это делается?» — и получает ответ в нормальной разговорной форме. Именно такой сценарий и делает ИИ‑ассистента по‑настоящему полезным в компании.
Готовое решение можно развернуть в компании всего за несколько дней: подключить мессенджеры, настроить базу знаний, выдать доступ ответственным сотрудникам и запустить ассистента в тестовую эксплуатацию.
Если у бизнеса есть специфические требования — нестандартные процессы, особые сценарии согласования, интеграции с внутренними системами — решение можно доработать под них.
Откуда ассистент «знает» ответы
Вместо того чтобы «кормить» ассистента всей корпоративной документацией, мы собрали для него одну понятную базу знаний.
- Все регламенты и инструкции лежат в едином блокноте, разбитом по разделам, для удобства работы с ними.
- В момент «обучения» сервис заранее «нарезает» документы на удобные фрагменты и учится понимать их по смыслу.
- Когда приходит вопрос, ассистент сначала находит подходящие куски текста, а уже потом формирует ответ на их основе.
За генерацию отвечает модель YandexGPT: она хорошо работает с русским языком и деловым стилем. Важно, что модель не «фантазирует с нуля» — ей отдельно передаётся нужный контекст из базы знаний, и её задача — аккуратно пересказать его человеческим языком.
Кто управляет базами знаний
Отдельный важный момент в этом проекте — мы сознательно убрали ИТ из роли «бутылочного горлышка». Каждому набору знаний — бухгалтерскому, ИТ‑шному, общекорпоративному — соответствуют свои ответственные сотрудники с отдельным доступом.
Через простой интерфейс они могут в привычной форме работать с базой знаний: видеть, какие документы сейчас участвуют в ответах ассистента, открывать их для просмотра и корректировки, добавлять новые материалы. После изменений достаточно запустить переобучение для своего набора знаний которое проходит за минуту — и ассистент начинает опираться уже на обновлённые данные, без участия разработчиков или ИТ‑службы.
При этом вся история изменений сохраняется: кто что поменял, какие документы добавлены или удалены, когда проводилось обновление. Это важно и для внутреннего контроля качества, и для того, чтобы можно было откатить неудачные правки или понять, почему ассистент начал отвечать иначе.
Почему было важно разделить знания
Один из самых важных моментов в проекте — работа с изолированными наборами знаний. Это было требование заказчика с самого начала.
Мы предусмотрели отдельные базы знаний для разных сценариев:
- для бухгалтерии — свои документы и регламенты;
- для ИТ‑службы — свои инструкции и процедуры;
- для общего пользования — отдельный набор знаний для широкого круга сотрудников;
- при необходимости — отдельный внешний набор знаний для клиентов.
Главный принцип здесь простой: эти массивы данных не должны пересекаться. Бухгалтер не должен получать ответы из ИТ‑документов, а клиентский чат на сайте — из внутренних регламентов компании. Такой подход одновременно делает ассистента и полезнее, и безопаснее.
Как мы заботимся о безопасности
Главный страх руководителей — что ИИ начнёт «сливать» внутренние документы куда‑то наружу. В нашем случае контролируется сразу несколько вещей:
- Ассистент видит только те документы, к которым у сотрудника и так есть доступ.
- В запрос на модель уходит ровно столько текста, сколько нужно для ответа, а не вся корпоративная база.
- Все обращения к внешним сервисам и базам логируются, чтобы можно было разобраться в спорной ситуации.
Если какая‑то часть системы временно недоступна (например, база знаний или внешняя модель), ассистент продолжает работать. Он честно говорит, что сейчас не может ответить и предлагает попробовать позже, а остальные каналы и функции продолжают работать.
Виджет на сайт — не только для внутренних пользователей
Ещё одна важная возможность — вынос ассистента на сайт компании. Мы сразу заложили сценарий, при котором тот же подход можно использовать не только внутри организации, но и во внешнем контуре.
То есть компания может подготовить отдельный набор знаний для клиентов — например, по продуктам, услугам, правилам подключения или типовым вопросам — и разместить на сайте чат‑виджет. Тогда посетитель сайта общается с тем же классом ассистента, но уже на строго выделенной и безопасной клиентской базе знаний. Внутренние документы при этом, разумеется, в этот контур не попадают.
Можно ли развернуть всё в полностью изолированном контуре
В описанном кейсе генерация ответов идёт через облачный YandexGPT — это удобно по качеству и скорости внедрения. Но архитектуру мы сразу заложили так, чтобы при желании её можно было перенести в полностью изолированный контур.
Если у компании есть свои серверы с достаточными вычислительными ресурсами, вместо облачной модели можно поставить локальную: тогда и база знаний, и поиск по ней, и генерация ответов будут работать внутри периметра. Это дороже по «железу» и требует отдельной команды, но закрывает максимальные требования к ИБ.
Что получает бизнес на выходе
В результате заказчик получает не «модную нейросетку», а рабочий инструмент для управления знаниями внутри компании. Сотрудники быстрее находят ответы, меньше отвлекают коллег и проще работают с регламентами. Руководители получают более прозрачную и управляемую систему знаний.
А если смотреть шире, то один и тот же подход позволяет собрать сразу несколько полезных сценариев: внутренний ассистент для сотрудников, отдельные помощники для подразделений, чат в MAX и Matrix, а также внешний виджет для сайта. Всё это — на одной архитектурной базе, но с жёстким разделением наборов знаний, понятными правилами безопасности и возможностью для бизнес‑подразделений самостоятельно управлять своим содержимым. Собственного ИИ‑ассистента сегодня реально сделать без многолетнего проекта и при этом не жертвовать безопасностью. Начать можно с компактной базы регламентов и пилота в одном подразделении — и уже по результатам решать, как развивать решение дальше.