ИИ-ассистент

О клиенте Крупная финансовая организация с распределённой структурой: сотни сотрудников работают с данными, регламентами, справочниками и инструкциями внутри компании. Эти данные — в BI-системах, внутренних базах, на сетевых дисках, в почте и отдельных витринах. Поиск нужной информации превращался в отдельный квест. В чем проблема Информация в компании была распределена по множеству источников: сетевые папки, BI-системы, внутренние вики, почта, чаты. Не существовало единой точки доступа к данным, инструкциям и документам. Сотрудники тратили значительное время на поиск нужной информации, согласование доступов и уточнение у коллег. Новые сотрудники испытывали трудности с ориентацией в структуре систем и терминологии, что дополнительно увеличивало время адаптации. Возникла необходимость в инструменте, который упростит доступ к данным и поможет быстро находить нужную информацию без участия третьих лиц. Задача Собрать всю справочную и структурированную информацию в одном месте и сделать её доступной по запросу. Упростить навигацию и поиск для сотрудников — особенно для новых, кто не знаком с контекстом и системой терминов. Важно было не просто выстроить каталог, а внедрить ИИ-ассистента, который умеет понимать, что спрашивает пользователь, и находит ответ даже при неформулировках вроде «где найти план по отклонениям?» или «кто отвечает за загрузку витрины Х?». Процесс создания 1. Спроектировали сам порталРазработали интерфейс и структуру портала: разделы, фильтры, логика доступа, карточки документов, поисковая строка. Учли потребности разных ролей — аналитиков, менеджеров, новых сотрудников. 2. Объединили источники информацииИнтегрировали данные из BI, внутренних wiki, файловых хранилищ и таблиц. Создали систему меток и описаний, чтобы к одному запросу можно было подтянуть связанные материалы. 3. Настроили умный поискСделали полнотекстовый и параметрический поиск. Запрос можно задать в свободной форме — система распознаёт, о чём речь, и показывает релевантные материалы, даже если они из разных систем. 4. Внедрили ИИ-ассистентаАссистент на базе LLM помогает уточнять вопросы, предлагает ссылки, отвечает на простые запросы и направляет к нужному разделу. Работает на ограниченном наборе внутренних данных, без внешнего выхода. 5. Интегрировали с корпоративной инфраструктуройПодключили авторизацию, систему ролей, связку с Telegram и Bitrix1С. Теперь можно сразу написать ответственному или уточнить, кто ведёт нужный документ. Результат ИИ-ассистент стал точкой входа для 6 отделов, сократил время на поиск информации с 10–15 минут до 30 секунд и закрыл до 70% внутренних обращений. ИИ-ассистент стал удобным слоем поверх базы знаний: он помогает сформулировать запрос, уточнить термин, найти владельца данных или перейти к нужной инструкции. Это особенно полезно для сотрудников, которые не знакомы с терминологией или структурой компании.

В чем проблема Клиент — российская компания с мультиофисным отделом закупок. Ежедневно команда обрабатывает RFP, спецификации, проекты договоров и переписку с поставщиками, параллельно опираясь на многолетний архив контрактов. Разбор одного тендерного пакета занимал примерно 3 часа, сравнение предложений растягивалось на дни, а поиск нужных пунктов в старых договорах шёл «по памяти» и отнимал часы. Плюс путаница версий: одинаковые шаблоны расходились по командам и возвращались на доработку. Под дедлайны страдало качество проверки условий — штрафы, SLA, гарантии. Публичные ИИ-сервисы исключены: нельзя выносить данные и обучать модели на внутренних документах. Компании понадобилось решение, которое одновременно ускорит путь от заявки до подписания договора и сохранит контроль рисков и соответствие требованиям безопасности. Задача Развернуть внутри периметра клиента ИИ-ассистента для отдела закупок, который автоматически разбирает RFP, сравнивает офферы, генерирует драфты договоров по корпоративным шаблонам, ищет по архиву с цитированием источников и подсвечивает риски. Процесс создания 1. Изучили процессы и выбрали сценарииМы провели встречи с отделом закупок и смежными командами, детально разобрали путь от получения RFP до архивации договора. Зафиксировали болевые точки и определили приоритетные сценарии для автоматизации: анализ тендерных пакетов, сравнение предложений, драфтинг договоров и поиск по архиву. 2. Определили источники данных и настроили безопасностьСобрали карту всех источников — DMS, ERP, шаблоны, каталоги поставщиков, почта — и настроили on-prem-периметр с шифрованием, разграничением доступа и полным аудитом действий. 3. Спроектировали архитектуру решенияРазработали LLM-шлюз, векторное хранилище и RAG с цитированием источников. Добавили модули для извлечения ключевых полей, подсветки рисков и генерации драфтов договоров по корпоративным шаблонам. 4. Подготовили документопотокНастроили OCR и парсинг, выполнили очистку и нормализацию данных, внедрили таксономию и версионирование, а также создали словари терминов и правил извлечения условий. 5. Реализовали интерфейсы и интеграцииРазработали веб-панель с загрузкой и сравнением документов, поиском по архиву и генерацией драфтов, интегрировали систему с DMS, ERP и каталогами поставщиков. 6. Протестировали и запустили системуПровели функциональные и безопасностные тесты, устранили найденные проблемы, подготовили инструкции и провели обучение команды перед запуском решения в работу. Что изменилось для команды Время на анализ тендерных предложений: с ~3 часов до ~45 минут на пакет. Подготовка драфтов договоров: в 3 раза быстрее. Количество пропусков и неточностей в документах: минус 37%. Решение работает внутри периметра: шифрование на уровне хранения и передачи, разграничение доступа по ролям, аудиторский след всех действий ассистента. Обучение — на обезличенных корпоративных данных и утверждённых шаблонах. Результат Нами была сделана гибридная LLM-архитектура (GPT-4o/Claude 3.5 Sonnet под задачи), собственные векторные базы для поиска по документам, коннекторы к DMS/ERP и внутренним каталогам поставщиков. Решение стало частью внутренней инфраструктуры, полностью соответствуя требованиям информационной безопасности и интегрируясь с уже используемыми системами.