Белгородские Яблоки
ИИ-агроном
Разработали для «Белгородских яблок» ИИ-систему, которая отвечает на вопросы агрономов по данным садов, литературе и опыту специалистов.
Корпоративная база знаний с ИИ
Знания компании
под рукой
Ответы на вопросы
по вашим документам
ИИ-база знаний подходит для вопросов, на которые уже есть ответ в материалах компании. Система помогает найти нужный фрагмент и показывает источник для проверки.
Регламенты и нормативы
Инженеру нужно найти требование в большом наборе документов. Вместе с ответом он получает цитату и ссылку на исходный материал.
Поиск по строительным нормативамОпыт специалистов
Рабочие сведения хранятся в документах, заметках и у отдельных экспертов. Начинаем с конкретного круга вопросов и проверяем, хватает ли материалов для ответов.
ИИ-агроном «Белгородских Яблок»Как работает
база знаний
Подключаем документы
Собираем регламенты, инструкции и другие материалы, в которых система будет искать ответы.
Задаём вопрос
Сотрудник спрашивает так, как спросил бы коллегу. Название документа и точная поисковая фраза не нужны.
Получаем ответ
ИИ находит подходящие фрагменты документов и составляет ответ.
Проверяем источник
Рядом с ответом — ссылка и выдержка из документа. Можно открыть источник и проверить подробности.
Что делаем
в проекте
Начинаем с ваших данных и процессов.
Дальше — разработка, проверка и запуск.
Источники
Выясняем, где хранятся документы, кто за них отвечает и как их обновляют.
Качество ответов
Проверяем систему на вопросах сотрудников. Разбираем ошибки и случаи, когда в документах нет ответа.
Доступ и интеграции
Настраиваем права пользователей и подключаем базу к рабочим инструментам.
Данные
и проверка
Для первого разбора нужны примеры документов и вопросы, с которыми сотрудники обращаются к коллегам. Важно показать и случаи, когда ответа в документах нет.
Определим, кто отвечает за актуальность материалов и кому разрешён доступ. Состав источников, способ обновления и рабочий интерфейс согласуем до разработки.
Как проверяем результат
Проверяем ответы на согласованном наборе вопросов: найден ли нужный документ, подтверждает ли он ответ и правильно ли система сообщает о нехватке информации. Отдельно проверяем доступы и устаревшие версии.
Если документы противоречат друг другу или нужные знания ещё не записаны, сначала потребуется работа с источниками. Это влияет на объём внедрения.
Вопросы
о внедрении
Чем ИИ-база знаний отличается от обычного поиска?
Обычный поиск возвращает список материалов. RAG-система находит фрагменты и использует их при подготовке ответа. Ссылки позволяют проверить ответ, но сами по себе не исключают ошибок — качество нужно проверять на ваших вопросах.
Какие материалы можно подключить?
Посмотрим, где хранится информация, в каких форматах она доступна и как её обновляют. После этого определим состав источников и способ подключения.
Как учитываются права доступа?
До подключения документов выясняем, кто и что может видеть. По этим правилам проектируем доступ к источникам и ответам и проверяем его на пользователях с разными ролями.
От чего зависят сроки и стоимость?
От состояния и объёма источников, способа их обновления, прав доступа и интеграций. Для оценки сначала разберём документы, рабочие вопросы и ожидаемый результат.
Можно ли посмотреть пример?
Да, откройте веб-демо в начале страницы. В нём можно задать вопрос и посмотреть ответ вместе с источником. Демонстрация помогает понять механику; качество на ваших документах проверяется отдельно.
Примеры проектов
Давайте обсудим
вашу задачу
Расскажите, что хотите изменить в работе компании. Вместе разберёмся, где поможет ИИ и с чего начать.
Леонид ДубровОснователь и CPO Neurex