ИИ-агент базы знаний

Задача

У растущей команды за три года накопилась документация компании, разбросанная по папкам Google Drive, вики в Notion и почтовым архивам. Корпоративные знания были заперты в PDF и документах, которые никто не мог быстро найти. Новые сотрудники первые недели задавали старшим коллегам вопросы, ответы на которые формально уже где-то были задокументированы. Агенты поддержки раз за разом заново писали один и тот же ответ на один и тот же вопрос клиента, потому что канонический ответ нигде не всплывал.

Рассмотренные варианты

1. Улучшенная структура папок и поиск — пробовали раньше. Полнотекстовый поиск помогал с точными ключевыми словами, но не справлялся с концептуальными вопросами вроде «какова наша политика по частичному возврату за цифровые товары».
2. Отдельный вики-инструмент (Confluence, Guru) — требовал ручного переноса существующих документов и постоянного ведения. В прошлой попытке использование сошло на нет через три месяца.
3. ИИ-агент на RAG поверх существующих документов — выбранный вариант. Работает с документами там, где они уже лежат, не требует миграции и отвечает на вопросы естественным языком, а не выдаёт ссылку на страницу, которую пользователю ещё предстоит прочитать.

Решение

Агент индексирует всю имеющуюся документацию — Google Drive, страницы Notion, загруженные PDF — в векторную базу данных. Slack-бот и веб-интерфейс позволяют сотрудникам задавать вопросы простым языком. Агент извлекает релевантные фрагменты документов, синтезирует ответ и ссылается на исходный документ. У агентов поддержки есть кнопка «черновик ответа клиенту», которая формирует готовый для поддержки ответ из той же базы знаний.

Реализация

Пайплайн загрузки документов синхронизирует Google Drive и Notion через их API, разбивает документы на перекрывающиеся сегменты и встраивает их с помощью OpenAI Embeddings в индекс Pinecone. Индекс обновляется инкрементально при изменении документов. Слой извлечения использует гибридный поиск — плотную векторную близость плюс ключевой BM25 — для повышения полноты по именованным сущностям и артикулам товаров.

Slack-бот построен на фреймворке Bolt и отвечает в тредах, чтобы не засорять каналы. Веб-интерфейс добавляет историю переписки и кнопку обратной связи (лайк/дизлайк), которая логирует некачественные ответы для донастройки промптов. Режим «черновик ответа клиенту» применяет отдельный промпт, который переоформляет ответ для внешней аудитории, убирает внутренний жаргон и добавляет вежливые приветствие и завершение.

Результат

Время онбординга новых сотрудников на этапе документации сократилось с 2 недель до 3 дней. Команда поддержки снизила среднее время обработки вопросов по регламентам на 65%. Старшие сотрудники отметили, что их реже отвлекают вопросами, которые «и так где-то задокументированы». Система отвечала на 80% запросов без единой эскалации к человеку.