ИИ-ассистент для компании: что это и с чего начать внедрение

ИИ-ассистент для компании — это нейросеть, заранее настроенная на документы, регламенты и частые задачи конкретной компании, а не обычный чат, которому каждый раз нужно объяснять контекст с нуля. Разница в том, что ассистент сразу «знает» про компанию — её продукты, правила, шаблоны документов — и отвечает с опорой на эти материалы, а не только на общие знания модели.

Ниже — чем ассистент отличается от обычного чата, какие задачи решает чаще всего и пошаговая схема запуска без разработчиков.

Чем ассистент отличается от обычного чата

Обычный чат с нейросетью начинает каждый диалог с нуля: если нужен ответ с учётом правил компании, их приходится вставлять в каждый новый запрос заново. ИИ-ассистент хранит документы и правила в постоянном контексте — хранилище документов компании, к которому модель обращается при каждом ответе, не требуя повторной загрузки файлов.

Создай проект (общее хранилище контекста). Загрузи в него
регламенты компании, частые вопросы сотрудников и шаблоны
ответов. Теперь каждый новый диалог внутри этого проекта
будет учитывать загруженные материалы автоматически.

Какие задачи решает ассистент компании чаще всего

Ответы на частые вопросы сотрудников. Вопросы про отпуска, оформление командировки, доступ к внутренним системам повторяются у разных сотрудников почти дословно. Ассистент с загруженными регламентами отвечает на них без привлечения HR или IT-отдела на каждый повторяющийся случай.

Черновики документов по шаблону. Служебная записка, типовой договор, внутреннее объявление — документы с повторяющейся структурой, где меняются только конкретные детали ситуации.

Сортировка обращений клиентов. Входящие заявки распределяются по теме и приоритету на основе правил, заложенных в ассистента заранее, без ручного разбора каждого обращения по очереди.

Сводки по накопленным данным. Ассистент с доступом к отчётам за предыдущие периоды собирает сравнение или сводку, не заставляя сотрудника заново открывать десяток файлов.

Сотрудник спрашивает: [вопрос про процедуру компании].
Ответь на основе загруженных регламентов. Если в загруженных
документах точного ответа нет — прямо скажи об этом и
предложи, к кому обратиться, вместо того чтобы предполагать.

Пошаговая схема запуска без разработчиков

1. Выберите одну задачу, а не ассистента на все случаи сразу. Например, только ответы на вопросы по одному регламенту, а не вся внутренняя база знаний компании целиком.
2. Соберите материалы в одном месте. Регламенты, частые вопросы, шаблоны документов — текстом, а не сканами или фотографиями страниц.
3. Создайте общий проект и загрузите материалы. Это и есть постоянный контекст, на основе которого ассистент будет отвечать.
4. Пропишите, как вести себя при нехватке данных. Явное правило «если ответа нет в материалах — скажи прямо» снижает риск уверенного, но неверного ответа.
5. Проверьте на десяти-двадцати реальных вопросах. Сравните ответы с тем, что сказал бы живой сотрудник, и отметьте расхождения.
6. Дополните материалы по найденным пробелам. Не переписывайте правила целиком — добавляйте уточнения точечно под конкретную ошибку.

Таблица: с чего начать по типу задачи

Начинать стоит с левой части таблицы — там проще увидеть, где ассистент ошибается, и поправить материалы, прежде чем расширять его на несколько источников сразу.

Обычный чат, проект или готовый агент

Для разовой задачи — ответить на один вопрос с опорой на документ — достаточно загрузить файл в обычный диалог. Для повторяющейся задачи удобнее общий проект с постоянным хранилищем документов, который не нужно собирать заново при каждом обращении. Для сложных сценариев с несколькими этапами подряд нужен уже готовый агент без кода или кастомная разработка — разница между обычным чатом и таким агентом подробно разобрана в статье как сделать ИИ-агента без кода.

Куда сохранять накопленный контекст

Ассистент работает надёжнее, если материалы хранятся не в разрозненных файлах на разных компьютерах сотрудников, а в одном месте, к которому модель обращается при каждом ответе. Без такого постоянного хранилища каждая новая задача начинается заново, теряя уже накопленный опыт предыдущих обращений. Подробно о том, как собрать такое хранилище контекста для рабочих задач, — в статье второй мозг на ИИ.

Сценарии по размеру компании

Небольшая команда. Один ассистент на самую частую задачу — например, ответы на вопросы по внутреннему регламенту — закрывает заметную долю повторяющихся обращений в чат с HR или руководителем.

Компания с несколькими отделами. Ассистентов обычно заводят по отделам отдельно: у продаж свой набор частых вопросов и шаблонов, у поддержки — свой. Общий ассистент на все отделы сразу усложняет и материалы, и проверку ответов.

Компания с клиентским потоком обращений. Здесь на первый план выходит сортировка и первичный ответ на типовые вопросы клиентов, а сложные и нестандартные случаи передаются живому сотруднику без попытки закрыть их автоматическим ответом.

Что не стоит доверять ассистенту без проверки

Не каждая задача одинаково хорошо подходит для автоматического ответа. Вопросы, где ошибка стоит дорого — расчёт индивидуальных условий, спорная ситуация с клиентом, решение по конфликту внутри команды, — стоит оставлять человеку даже после того, как более простые вопросы ассистент закрывает стабильно хорошо.

Граница между задачами проще увидится, если для каждого типа вопроса заранее задать вопрос: что случится, если ассистент ответит неверно, и кто заметит ошибку раньше, чем она дойдёт до клиента или до решения, которое трудно отменить.

Частая ошибка при запуске ассистента

Самая частая ошибка — попытаться с самого начала охватить ассистентом всю базу знаний компании целиком, вместо того чтобы начать с одного узкого источника. Чем больше материалов загружено сразу, тем сложнее понять, на каком конкретно документе или правиле ассистент даёт сбой, если ответ оказался неточным.

Разумнее сузить первый запуск до одного регламента или одной частой задачи, довести ответы на ней до стабильного качества на нескольких проверках подряд и только потом добавлять следующий источник материалов поверх уже рабочей схемы.

Где ИИ ошибается

Отвечает уверенно при устаревших материалах. Если регламент компании изменился, а в хранилище осталась старая версия документа, ассистент продолжает отвечать по старым правилам, не сигнализируя о возможном расхождении.

Додумывает ответ при нехватке данных. Без явного правила «скажи, если не знаешь» модель иногда достраивает правдоподобный, но неверный ответ вместо того, чтобы признать нехватку информации.

Путает похожие, но разные случаи. Два похожих по формулировке вопроса сотрудников могут требовать разного ответа по правилам компании — без явного разделения таких случаев в материалах ассистент иногда отвечает одинаково на оба.

Не замечает, что вопрос вышел за пределы загруженных материалов. Если вопрос сотрудника выходит за рамки загруженных документов, ассистент может ответить по общим знаниям модели, не уточнив, что это уже не специфика конкретной компании.

С чего начать на этой неделе

Выберите один регламент или один тип частых вопросов сотрудников и соберите материалы по нему в отдельный проект с постоянным хранилищем. Прогоните через него десяток реальных вопросов и сравните ответы с тем, что сказал бы живой коллега — это покажет, готова ли схема к расширению на следующую задачу.

Как измерить, что ассистент реально помогает

Прежде чем расширять ассистента на новые задачи, стоит зафиксировать простой показатель: сколько обращений раньше уходило живому сотруднику на эту тему и сколько доходит теперь, уже после запуска. Если число почти не изменилось, а сотрудники продолжают спрашивать напрямую, дело обычно не в самой нейросети, а в том, что про ассистента никто не знает или не доверяет его ответам без привычки проверять их у коллеги.

Полезно вести короткий журнал первых двух-трёх недель: дата, вопрос, ответ ассистента, пришлось ли уточнять у человека. Такой журнал быстро показывает, какие формулировки вопросов ассистент обрабатывает уверенно, а какие стабильно требуют участия человека — и именно на вторую группу стоит направить следующую доработку материалов.

Что дальше

Как собрать постоянное хранилище контекста для рабочих задач — в статье второй мозг на ИИ. Пошаговая сборка агента без кода под конкретную повторяющуюся задачу — в статье как сделать ИИ-агента без кода. Какую рутину автоматизируют чаще всего и как начать без разработчиков — в статье автоматизация рутины нейросетью.

Ярослав Сажнев — преподаватель ИИ в РАНХиГС, внедрение ИИ в компании. Подробнее об авторе