Как находить корпоративную информацию за секунды: единая ИИ-база знаний для сотрудников

Договор с клиентом – в CRM, переписка – в мессенджере, актуальные цены – в отдельной таблице. Сотрудник вынужден методично обходить все эти системы и тратить на поиск больше времени, чем на саму задачу. Так, 50% руководителей считают доступ к корпоративной информации важнейшей проблемой: половина сотрудников тратит более получаса ежедневно на сбор данных из разных систем, из них 17% – до двух часов каждый день.

Решение – единые ИИ-базы знаний: системы, которые подключаются сразу ко всем источникам компании и тут же отвечают на вопрос сотрудника, все благодаря способности ИИ понимать вопрос и собирать выжимку из разных материалов. Как работает единая ИИ-база знаний, и как сотрудник может ей пользоваться – разбираем ниже.

Почему с разрозненными данными сталкиваются все – и к чему это приводит

У каждого отдела есть свой удобный инструмент, к этому добавляются разные версии продукта, переписанные несколько раз регламенты и таблицы, которые каждый ведет по-своему. Так и копится фрагментация информации – и вырастает несколько проблем, которые проявляются все сильнее с каждым годом существования компании.

Потеря времени на поиск. Если информация хранится в непривычном месте – или, например, сразу в нескольких системах, сам поиск может занять больше времени, чем выполнение исходной задачи. Полчаса каждый день у половины сотрудников – в масштабе компании это складывается в заметную часть рабочего времени.

Противоречивые версии. Один и тот же документ может лежать сразу в нескольких местах, и обновляться в разное время. В результате два сотрудника, обратившись к разным источникам, получают разные ответы на один и тот же вопрос. Хуже, если по устаревшей версии документа принимается решение, которое напрямую влияет на клиента – например, ему называют неактуальную цену или условия акции, которая уже закончилась.

Знания уходят вместе с сотрудником. Если часть экспертизы не зафиксирована в письменном или аудиоформате, она существует только в памяти человека, а значит увольнение или долгий отпуск такого сотрудника означает реальную потерю знаний для компании. Восстанавливать эту информацию приходится заново. Особенно болезненно это в узкоспециализированных областях, где заменить такого сотрудника новым человеком быстро просто не получится.

Долгий онбординг новичков. Новый сотрудник в первые недели тратит значительную часть времени не на освоение самой работы, а на то, чтобы понять, где искать нужные документы и к кому обращаться с тем или иным вопросом. Чем сильнее фрагментирована информация, тем дольше человек выходит на целевые показатели, и тем больше нагрузка на коллег, к которым он идет с вопросами вместо базы знаний. В итоге на онбординг одного новичка косвенно тратится время сразу нескольких опытных сотрудников.

Какие возможности открывает единая ИИ-база знаний

Вместо поиска нужной информации вручную, сотрудник сразу получает короткий ответ с ссылкой на источник. Ему не нужно знать, где хранится информация – система сама ее находит и объединяет данные из разных мест в единый ответ. Так работает единая ИИ-база знаний – система подключена ко всем внутрикорпоративным источникам, оперативно находит нужные фрагменты и делает выжимку для сотрудника. 

Технически такие базы знаний построены на основе RAG – этот подход для работы с ИИ позволяет находить наиболее релевантные вопросу фрагменты документов и  формулировать на их основе связный ответ. RAG – архитектура, которая лежит в основе технологии, а единая ИИ-база знаний – готовое бизнес-решение поверх нее, заточенное под конкретные внутренние документы, регламенты и системы компании. Подробнее о том, как устроен RAG рассказывали здесь.

Ключевое отличие такой базы от простого хранилища файлов в том, что она понимает связи между документами. Если ответ на вопрос сотрудника собран из фрагментов трех разных документов – регламента, переписки в почте и таблицы с актуальными цифрами, – система соберет их в один связный ответ сама, вместо того чтобы заставлять сотрудника вручную сверять три источника между собой. А если в разных источниках находятся противоречащие друг другу версии одного и того же факта, хорошо настроенная база подсветит это расхождение.

База знаний работает не только с текстовыми документами вроде регламентов и инструкций. Она также распознает таблицы с цифрами, презентации, PDF-файлы и даже расшифровки звонков в Zoom или Teams. Из презентации на двадцать слайдов система возьмет нужный факт так же, как из текстового регламента - не важно, в каком формате изначально хранился документ. Например, если условия акции обсуждались только на созвоне с руководством и нигде больше не зафиксированы, а звонок был расшифрован и подключен к базе, сотрудник все равно получит на этот вопрос точный ответ. А сейчас ИИ-технологии уже учатся использовать аудио- и видео- файлы без необходимости расшифровки.

Как внедрить ИИ-базу знаний и быстро начать ей пользоваться

Чаще всего компании начинают с пилота на одном отделе или одной команде - например, там, где сотрудники чаще всего сталкиваются с однотипными вопросами. На пилоте отлаживают точность ответов на реальных вопросах, донастраивают доступ к источникам и только потом подключают остальные отделы – обычно на такой пилот уходит несколько недель.

На старте внедрения к базе обычно подключают самые нагруженные источники - корпоративный wiki или Confluence, общие диски с документами, переписку в рабочих каналах мессенджера и базу тикетов поддержки. Уже на этом наборе система закрывает большую часть типовых вопросов сотрудников, а дальше список источников постепенно расширяют – подключают CRM, внутренние базы данных или узкоспециализированные системы конкретных отделов, в зависимости от того, какие вопросы сотрудники задают чаще всего.

Для сотрудника работа с такой базой выглядит так:

1. Задается вопрос в свободной форме, без необходимости подбирать точные ключевые слова, как при поиске по старому доброму хранилищу документов, – формулировка вопроса может быть такой же, как в обычном разговоре с коллегой.

2. Система показывает информацию – ровно ту, к которой сотруднику полагается доступ. Например, рядовой менеджер не увидит финансовую отчетность компании, а данные по зарплатам останутся видны только HR и руководству, даже если формально документ хранится в той же базе знаний, что и общедоступные регламенты. Это разграничение настраивается один раз на уровне подключения источников и дальше работает автоматически, без участия сотрудника и без риска, что чувствительные данные случайно попадут не в те руки.

3. Если ответ оказался неполным, сотрудник может уточнить вопрос прямо в том же диалоге. Например, он может спросить "а если отпуск нужен срочно, что делать" – и получить ответ без необходимости заново объяснять ситуацию. Это отличается от классического поиска по ключевым словам, где каждый новый запрос приходится формулировать с нуля, так как связь между предыдущим и следующим вопросом теряется.

Раньше сотрудник должен был сам знать, в какой системе искать ответ, и тратить время на путь до нужного документа. Теперь достаточно задать вопрос – и система сама разберется, где искать и как собрать из разрозненных источников понятный ответ. Это не просто ускоряет отдельные задачи, но меняет то, сколько рабочего времени тратится на поиск любой информации – а значит, оптимизирует не один процесс, но работу всей компании.