Генеративный ИИ для руководителя
Часть 6 из 7. Как внедряют ИИ-ассистента, если базы знаний еще нет
В предыдущей статье мы разобрали, как проектируют цифрового ассистента: задача, архитектура, RAG, инструкции, интеграции, права доступа и контроль качества.
Но возникает практический вопрос: что делать, если в организации нет готовой базы знаний?
Это нормальная ситуация. Во многих ведомствах знания уже есть, но они разрознены: часть — в СЭД, часть — в почте, часть — в поручениях, часть — в чатах сотрудников, часть — в протоколах совещаний и личном опыте специалистов.
Значит, внедрение ИИ-ассистента нужно начинать не с ожидания “идеальной базы знаний”, а с ее постепенного формирования.
Пример архитектуры может выглядеть так:
СЭД + почта + контроль поручений + чаты + ВКС ИИ-агент база знаний RAG ИИ-ассистент
Сначала создается минимальная база знаний: регламенты, инструкции, типовые ответы, шаблоны документов, справочники, действующие поручения и открытые материалы. Этого достаточно для пилота.
Дальше подключается ИИ-агент. Его задача — не просто отвечать на вопросы, а постоянно пополнять и уточнять базу знаний из разрешенных источников.
Например, агент может анализировать:
— входящие и исходящие документы в СЭД;
— поручения и статусы их исполнения;
— служебную почту;
— рабочие чаты сотрудников;
— протоколы ВКС;
— календарь;
— CRM или систему учета задач;
— справки и проектные документы.
На ВКС такой ассистент может вести расшифровку встречи, выделять решения, фиксировать поручения, определять ответственных и сроки. После согласования он может предложить создать задачи в календаре, CRM, СЭД или системе контроля поручений.
В работе с почтой ассистент может находить важные письма, связывать их с поручениями, предлагать краткую выжимку и напоминать о сроках.
В СЭД он может анализировать входящий документ, находить связанные материалы, предлагать проект резолюции, формировать план исполнения и подсказывать, какие данные нужны для ответа.
В чатах сотрудников он может выявлять рабочие договоренности, повторяющиеся вопросы и полезные ответы специалистов. Но здесь нужен строгий фильтр: переписка не должна автоматически становиться официальной позицией.
Правильная схема пополнения базы знаний такая:
новый источник анализ ИИ-агентом краткая выжимка классификация указание источника и уровня доступа проверка владельцем данных публикация в базе знаний
ИИ-агент может предложить: “В чате обсуждался новый порядок подготовки справки. Есть повторяющийся ответ специалиста. Предлагаю добавить его как проект записи в базу знаний”. Но утвердить запись должен человек.
Это принципиально. Без проверки есть риск, что ассистент начнет использовать черновики, личные мнения или рабочие обсуждения как официальный источник.
В такой системе RAG играет ключевую роль. Когда сотрудник задает вопрос, ассистент сначала ищет ответ в базе знаний, проверяет права доступа, находит релевантные документы и только потом формирует ответ.
Упрощенно:
вопрос сотрудника поиск в базе знаний проверка доступа ответ со ссылками действие или задача контроль исполнения
Такой ассистент становится не просто “чатом”, а рабочим контуром управления знаниями и поручениями.
Он может:
— готовить проекты ответов;
— предлагать решения по поручениям;
— напоминать о сроках;
— связывать письма, документы и задачи;
— формировать протоколы совещаний;
— ставить задачи после ВКС;
— обновлять базу знаний;
— показывать руководителю статус проектов;
— выявлять повторяющиеся проблемы.
Но внедрять такую систему нужно поэтапно.
Первый шаг — пилот на одном процессе: например, контроль поручений или подготовка справок. Второй — подключение СЭД и базы документов. Третий — почта и календарь. Четвертый — ВКС и протоколы. Пятый — рабочие чаты и автоматическое пополнение базы знаний с обязательной проверкой.
Главный вывод: если базы знаний нет, ИИ-ассистент может помочь ее создать. Но не бесконтрольно.
