CNews: Проблема качества данных — одна из ключевых в проектах внедрения ИИ-ассистентов. Почему она до сих пор не решена?

Алексей Зобнин: Главная ошибка, которую многие допускают сегодня, — попытка «лечить» проблему качества ответов только промптами, а не знаниями.

Промпт важен для фундаментальных вещей: он задает тематику и стиль общения бренда, но не решает вопрос полноты и актуальности информации. Когда ассистент выдает бесполезный результат, инженеры начинают бесконечно докручивать инструкции. По сути, мы возвращаемся в 2015 год к чат-ботам на жестких скриптах: команды тратят недели на донастройку моделей вместо того, чтобы приводить в порядок источники знаний. Это тупиковый путь.

Генеративный ИИ обрабатывает запросы на естественном языке и не требует жестких правил, но для качественной работы ему нужен доступ к корпоративным знаниям. Речь не просто о контексте беседы (кто наш клиент и откуда он), а о внутренней экспертизе компании, которая недоступна публичным моделям. Раньше такие знания помогали сотрудникам, но сегодня они стали «топливом» и для ИИ-ассистентов. Не все учитывают это в текущих проектах.

CNews: А если источников много, и база знаний — это не один инструмент, а десять? Можно ли просто объединить их и отдать ИИ-ассистенту?

Алексей Зобнин: Можно, но, если эти источники некачественные, даже самая сильная технология не даст ожидаемый результат.

Источник для ИИ-ассистента должен быть даже лучше, чем для сотрудника: более полным, актуальным и структурированным. Человек может интуитивно отсеять лишнее, переспросить коллегу или просто догадаться, что информация устарела, потому что вчера на собрании обсуждали другие вводные. У ИИ-ассистентов такого навыка нет.

CNews: Как тогда должен выглядеть удачный пошаговый план внедрения ИИ-ассистента?

Алексей Зобнин: Первый шаг — предпроектный аудит. Мы смотрим на него через призму четырех параметров:

• Зрелость процессов и культура работы со знаниями. Это комплексный показатель, он отражает общую картину работы со знаниями в компании.
• Качество и актуальность контента. Здесь проверяем наличие устаревших, некорректных или дублирующих материалов, их соответствие реальным продуктам и бизнес-процессам.
• Готовность данных к интеграции с ИИ-ассистентом — структурированность, чистота, машиночитаемость для выявления потенциала автоматизации в целом.
• Удобство и функциональность интерфейса базы знаний для компании. Это единственный технический параметр. Тут важно понять, насколько текущий инструмент закрывает потребности бизнес-подразделения, которое мы анализируем.

Аудит корпоративных знаний помогает сформировать дорожную карту проекта и разработать конкретный и приоритизированный план действий. Для внедрения ИИ-ассистентов это очень важный этап. По сути, он дает понимание сердца проекта и оценку его жизне- и конкурентоспособности.

Следующий шаг — реализация плана. Здесь важно уделить внимание и процессам, и контенту, и базовым правилам работы. Например, разработать редакторскую политику, разобраться с терминологией, внедрить систему регулярного мониторинга качества контента, назначить ответственных, понять, как именно выстроена работа со знаниями и по каким критериям можно определить, что контент полезен сотрудникам.

Когда все процессы завершены и в компании готов живой и актуальный источник знаний, можно выбрать подходящую технологию и запустить пилотный проект. Только в таких условиях получится реалистично оценить потенциальный эффект от подключения ИИ-ассистента и посчитать бизнес-выгоду проекта.

CNews: А можете своими словами объяснить, что вы имеете в виду под «работой со знаниями»?

Алексей Зобнин: Да, конечно. У любого знания есть жизненный цикл: выявление, создание, хранение, распространение, применение, архивирование. Если вы эффективно работаете со знаниями, то каждый из этих этапов будет встроен в процессы компании.

Приведу пример из проектного управления: на старте мы фиксируем вводные в паспорте проекта, на финише — собираем артефакты и документацию для передачи в эксплуатацию. Эти данные становятся фундаментом для будущих шагов. Если информация устарела — не удаляем ее, а вовремя переносим в архив. В итоге источник остается полным и актуальным, а команда не тратит ресурс на долгий поиск.

Дисциплина, которая помогает закрыть пробелы в работе с корпоративной информацией, запустить шеринг знаний внутри команды, развить культуру, сделать процессы системными, называется менеджмент знаний.

CNews: Как выбрать инструмент для создания источника знаний?

Алексей Зобнин: Выбор наиболее подходящего инструмента во многом будет зависеть от зрелости процессов, масштаба компании и количества информации, с которой сотрудники сталкиваются ежедневно. Но глобально есть два пути.

Первый — перевезти все знания на одну платформу. Второй — объединить данные из рабочих инструментов в датахаб со сквозным поиском и общей матрицей прав. Он будет работать как корпоративный Google: данные лежат в разных местах, но найти их можно в одном окне.

В каждом случае свои плюсы и минусы, но, как показывает практика, в конечном счете управлять одной системой всегда дешевле и проще, чем поддерживать «зоопарк» решений.

Мы видим, что сегодня бизнесу нужна платформа для так называемых «коммунальных знаний», которые повторяются в разных каналах и нуждаются в одном источнике правды. Так что, хорошо, если в этом источнике можно один раз внести изменения, и информация обновится везде автоматически — без копирования и ручных правок.

CNews: Вы занимаетесь комплексным внедрением менеджмента знаний в среднем и крупном бизнесе. Какую именно задачу вы решаете в ИИ-проектах?

Алексей Зобнин: Наша цель — не создать чат-бота, а обеспечить его полной, актуальной и понятной информацией. По сути, мы отвечаем за корпоративные знания и их доступность для ИИ-ассистента. В таких проектах мы обычно работаем в связке с внешними ИИ-провайдерами — Naumen, Chatme.ai, Just AI, AutoFAQ и другими.

На своей стороне готовим фундамент:

• Стандартизируем контент: работаем со структурой, заголовками и ролевой моделью, делаем сноски-подсказки, чтобы ИИ-ассистент не путался в знаниях;
• Предобрабатываем данные: используем макросы и вставки контента без дублирования, чтобы разработчикам не приходилось учитывать особенности текстового редактора для работы с контентом;
• Используем GPT-адаптер для бесшовного подключения ИИ-партнеров к нашей платформе.

Но важно понимать: только менеджмент знаний не дает 100% успеха — инструмент тоже важен. Если между платформой по управлению знаниями и ИИ-ассистентом не будет архитектурного соответствия, то при любом обновлении модели качество может резко упасть. В проектах, где все эти нюансы учтены, ИИ-ассистент дает корректные ответы в 95% случаев.

CNews: Почему такая цифра — 95%?

Алексей Зобнин: Между локальными моделями, которые крупный бизнес использует из соображений безопасности, и облачными разница может быть в 20-30 раз с точки зрения параметров. Чем больше связей параметров — тем умнее модель. Поэтому можно сказать, что 5% — объективная «дельта» на развитие технологий. Конечно, уже есть тренд на повышение качества маленьких моделей, они становятся эффективнее. Но пока эта разница в процентах сохраняется.

CNews: Как вы оцениваете результат проделанной работы в проектах внедрения менеджмента знаний? Можно ли, например, посчитать стоимость одного знания?

Алексей Зобнин: Если процессы в компании оцифрованы и покрыты метриками, результат замеряется довольно прозрачно. Самый наглядный пример — клиентский сервис. Там мы смотрим на конкретные показатели: скорость ответа, снижение количества ошибок, уменьшение нагрузки на сотрудников, частоту повторных обращений. Плюс проводим очные и дистанционные опросы внутри команды — насколько быстрее и удобнее стало находить информацию и принимать решения.

Что касается «стоимости одного знания», лучше оценивать не единицу контента, а общее влияние на бизнес-показатели. Ценность информации не в том, сколько ресурсов ушло на ее создание, а в том, сколько времени и денег она сэкономила компании.

CNews: И последний вопрос: знания сегодня — конкурентное преимущество?

Алексей Зобнин: Абсолютно точно да. В эпоху бурного развития технологий ценность оцифрованных знаний как актива высока как никогда. Возможности, которые предлагает генеративный ИИ в части доставки знаний, практически безграничны.

Конечно, технологии еще не идеальны: много галлюцинаций, высокая стоимость оборудования и другие барьеры. Но мы уже можем представить, как это будет работать в будущем, и сделать вывод, что без качественных знаний ИИ-ассистенты не будут давать того бизнес-эффекта, которого от них ожидает рынок.

■ Рекламаerid:2W5zFGYoWG9Рекламодатель: ООО «ПАНТЕОН АЙТИ»ИНН/ОГРН: 9718143192/1197746477873Сайт: https://minervasoft.ru/