RAG-система и база знаний на ИИ
RAG-система отвечает сотрудникам по документам вашей компании и показывает, из какого документа взят ответ. Собираем корпоративную базу знаний на ИИ из регламентов, договоров, инструкций и данных 1С, настраиваем права по отделам и обновление.
RAG-система (retrieval-augmented generation, генерация с поиском по документам) — это способ, при котором языковая модель отвечает на вопрос только по найденным фрагментам ваших документов. Сначала система ищет в базе знаний подходящие куски регламентов, договоров или инструкций, затем передаёт их модели, и модель формулирует ответ со ссылкой на источник. Если в документах ответа нет, система так и говорит. SOBRIX собирает такие базы знаний для компаний: от загрузки документов и прав доступа до подключения в Telegram, MAX, внутренний чат или CRM.
Как работает RAG простыми словами
Обычная модель отвечает из того, что видела при обучении. Про ваш регламент возврата или условия договора с конкретным поставщиком она не знает и может выдумать правдоподобный ответ. RAG решает это так:
- Подготовка. Документы делятся на фрагменты. Для каждого фрагмента система строит числовое представление смысла (эмбеддинг) и складывает их в векторный индекс.
- Поиск. Сотрудник задаёт вопрос. Система находит фрагменты, близкие по смыслу, даже если в вопросе другие слова. Поиск по смыслу часто дополняем обычным поиском по ключевым словам, номерам и артикулам.
- Отбор. Из найденного отбираются самые подходящие фрагменты с учётом прав пользователя.
- Ответ. Модель получает вопрос и фрагменты и отвечает только по ним, указывая документ и раздел.
Корпоративная база знаний на ИИ: из каких документов
| Источник | Что спрашивают сотрудники |
|---|---|
| Регламенты и инструкции | как оформить возврат, кто согласует закупку, порядок работы смены |
| Договоры и шаблоны | срок оплаты по договору с поставщиком, условия расторжения, штрафы |
| Прайсы и описания услуг | цена услуги, состав пакета, условия акции |
| Технические документы | параметры изделия, порядок обслуживания оборудования |
| Данные 1С и CRM | остатки, статус заказа, история клиента |
| Переписка и база ответов поддержки | как ответили клиенту в похожем случае |
Документы в форматах Word, PDF, таблиц и сканов подключаем к базе. Сканы сначала распознаём. Данные 1С и CRM в индекс обычно не копируем: агент запрашивает их в момент вопроса через MCP-сервер или API, поэтому цифры всегда актуальны.
Объём базы ограничен в основном хранилищем и скоростью индексации: сотни и тысячи документов для RAG-системы обычная нагрузка. Сложнее с качеством самих документов. Устаревшие версии, противоречащие друг другу регламенты и сканы без текста ухудшают ответы, поэтому на первом этапе помогаем навести порядок в источниках.
Как обновляется база знаний
- Папка или хранилище. Документы лежат в общей папке, системе документооборота или облачном хранилище. Новые и изменённые файлы переиндексируются по расписанию.
- Ответственный за раздел. У каждого раздела есть владелец, который загружает новую версию регламента. Старая версия выводится из поиска.
- Вопросы без ответа. Если система не нашла ответ, вопрос попадает в журнал. Ответственный видит, каких документов не хватает, и дополняет базу.
Права доступа по отделам
В компании не все документы открыты всем. RAG-система учитывает это на этапе поиска: фрагменты, к которым у пользователя нет доступа, не попадают к модели.
- Документы размечаются по отделам и уровням доступа.
- Пользователь определяется по учётной записи в корпоративном чате, CRM или мессенджере.
- Отдел продаж видит прайсы и шаблоны договоров, бухгалтерия видит свои регламенты, руководство видит всё.
- Каждый запрос и выданные источники пишутся в журнал.
Ответ со ссылкой на источник
Каждый ответ содержит ссылку на документ и раздел, из которого он взят. Сотрудник может открыть источник и проверить формулировку. Это главное отличие корпоративного ИИ от общего чат-бота: ответ можно проверить, а ошибку найти и исправить в документе.
Если вопрос требует решения человека (исключение из регламента, спорный пункт договора), система отвечает, что нужно обратиться к ответственному, и называет его.
Где хранится база и какие модели используем
- Документы и индекс храним на серверах в России или на вашем сервере.
- Модель подбираем по требованиям к данным: GigaChat или YandexGPT, зарубежные модели (им передаём только запросы без персональных данных) или локальная модель на вашем сервере.
- Если документы нельзя выносить из компании, вся RAG-система работает внутри вашего контура: и индекс, и модель.
n8n RAG
Для небольших баз знаний и быстрых проверок собираем RAG на n8n: в нём есть узлы для загрузки документов, векторных хранилищ и вызова моделей. Это удобно, когда базу знаний нужно связать с другими процессами, например отвечать в чат поддержки и сразу создавать задачу в CRM. Подробнее на странице автоматизация на n8n. Для больших объёмов и сложных прав доступа делаем отдельный сервис.
RAG или дообучение модели
Компании часто спрашивают, не проще ли «обучить нейросеть на наших документах». Для большинства задач с документами RAG подходит лучше.
| Критерий | RAG | Дообучение модели |
|---|---|---|
| Обновление знаний | загрузили новый документ, он сразу в поиске | нужно обучать заново |
| Ссылка на источник | есть в каждом ответе | нет |
| Права доступа | учитываются при поиске | модель знает всё, чему её обучили |
| Затраты | индекс и поиск | вычисления на обучение и проверку |
| Когда нужно | ответы по документам и данным | особый стиль, формат или узкая терминология |
Дообучение иногда добавляют к RAG, когда модели нужно освоить специфичный формат ответа. Это решаем после проверки на ваших примерах.
Как проверяем качество ответов
До запуска собираем с вами набор реальных вопросов сотрудников с правильными ответами. Прогоняем систему по этому набору и смотрим, нашёлся ли нужный документ, правильный ли ответ и верна ли ссылка. После запуска разбираем журнал: вопросы без ответа и ответы, которые сотрудники отметили как неточные.
Где применяется
- Помощник новичка. Отвечает на вопросы по процессам компании, разгружает наставников.
- Поддержка клиентов. Отвечает по базе знаний и передаёт сложное человеку.
- Юридический отдел. Ищет условия в договорах и шаблонах. Для юристов и адвокатов есть наш продукт «Твой Защитник» с правовой базой и судебной практикой.
- Производство и сервис. Ответы по техническим документам и инструкциям.
RAG — основа для ролей ИИ-сотрудника: администратор, менеджер продаж и юрист отвечают по вашим документам.
Пример сценария (условный пример)
Сеть из нескольких филиалов. Новые администраторы каждый день спрашивают старших коллег, как оформить возврат, перенос абонемента или жалобу. Регламенты есть, но разбросаны по папкам. Собираем их в базу знаний, назначаем ответственных за разделы и подключаем бота в рабочем мессенджере. Администратор пишет вопрос и получает ответ с номером пункта регламента. Вопросы без ответа раз в неделю уходят ответственному.
Как проходит внедрение
- Разбор. Какие документы, кто спрашивает, какие права нужны, где база может храниться.
- Архитектура. Структура базы, разметка доступа, выбор модели и каналов. Этапы и цена фиксируются в договоре.
- Сборка. Загрузка и индексация документов, настройка поиска, проверка ответов на реальных вопросах сотрудников.
- Развитие. Обновление базы, разбор вопросов без ответа, подключение данных 1С и CRM.
От чего зависит стоимость
Стоимость зависит от объёма и форматов документов, сложности прав доступа, числа каналов и того, где работает модель. После 30-минутного созвона SOBRIX называет примерный бюджет, цену этапов фиксирует в договоре. Подробнее на странице цены. Обсудить базу знаний для вашей компании.
Ещё по теме
- Внедрение ИИ в бизнес и ИИ-агенты для бизнеса
- ИИ для Авито
- ИИ-менеджер по продажам и чат-бот для бизнеса
- Распознавание документов в 1С
- Подключение GigaChat API и интеграция YandexGPT
- Голосовой бот для бизнеса и ИИ-администратор
- ИИ для 1С: агенты и ИИ-помощник в вашей базе
- ИИ для бухгалтера
- ИИ-сотрудник и цифровой сотрудник для бизнеса
- Локальная нейросеть для компании: LLM на вашем сервере
Частые вопросы
Что такое RAG система простыми словами?
Это поиск по вашим документам плюс языковая модель. Система находит нужные фрагменты и передаёт их модели, а модель отвечает только по ним и указывает источник.
Чем RAG отличается от обычного ChatGPT?
ChatGPT отвечает из общих знаний и не знает ваших регламентов. RAG-система отвечает по документам компании, показывает источник и учитывает права доступа сотрудника.
Будет ли ИИ выдумывать ответы?
Модель получает инструкцию отвечать только по найденным фрагментам. Если подходящих фрагментов нет, она сообщает, что ответа в базе нет. Ответы проверяем на реальных вопросах до запуска.
Как обновлять корпоративную базу знаний?
Новые и изменённые документы переиндексируются по расписанию. У каждого раздела есть ответственный, а вопросы без ответа попадают в журнал и показывают, чего не хватает в базе.
Можно ли ограничить доступ к документам по отделам?
Да. Документы размечаются по отделам и уровням доступа, и фрагменты, к которым у сотрудника нет прав, в ответ не попадают.
Где хранятся документы?
На серверах в России или на вашем сервере. Если документы нельзя выносить из компании, и индекс, и модель работают внутри вашего контура.
Можно ли подключить к базе знаний данные 1С?
Да. Агент запрашивает остатки, статусы заказов и историю клиента из 1С в момент вопроса через MCP-сервер или API, поэтому данные всегда актуальны.
Можно ли сделать RAG на n8n?
Да. Для небольших баз знаний и связки с другими процессами собираем RAG на n8n. Для больших объёмов документов и сложных прав доступа делаем отдельный сервис.
Готовы собрать бизнес в систему?
Разберём ваши процессы, покажем похожие проекты и назовём сроки и примерную стоимость.