Базой знаний называют собранный и проверенный набор того, что компания знает о своей работе: регламенты, инструкции, ответы на частые вопросы, описания продуктов, условия для клиентов. Для ИИ база знаний служит источником, по которому модель отвечает вместо общих знаний из обучения. Что в базе есть, модель может найти и процитировать. Чего в ней нет, для модели не существует, и пробел она заполнит правдоподобной догадкой.
Папка с документами на общем диске сама по себе базой знаний не является. В ней лежат действующие версии рядом со старыми, черновики рядом с подписанными, и только сотрудник со стажем знает, какому файлу верить. Модель этого не знает.
База знаний отличается тремя вещами. В ней только действующие версии, а старые убраны или явно помечены. У каждого документа есть дата и область действия: для какого отдела, страны, продукта. И у базы есть владелец, который отвечает за то, чтобы содержимое совпадало с тем, как компания работает сегодня.
Небольшая база, на десятки страниц, помещается в контекстное окно целиком: её загружают в проект или постоянные инструкции ассистента, и модель видит всё сразу. Большую базу целиком передать нельзя, поэтому к ней подключают поиск, который на каждый вопрос находит подходящие фрагменты (RAG).
В обоих случаях качество ответа ограничено качеством базы. Поиск найдёт устаревший регламент так же уверенно, как действующий, а модель перескажет его гладко и со ссылкой.
Один документ отвечает на один вопрос или описывает одну тему, и заголовок говорит, о чём он. Условия записаны явно, с датами и исключениями, без отсылок вроде «как обычно». Одно и то же называется везде одинаково, иначе поиск не свяжет «возврат» в одном документе с «рекламацией» в другом. Документы хранятся текстом: сканы и фотографии сначала проходят распознавание, и его результат стоит проверить.
Самое трудное в том, что большая часть знаний компании нигде не записана. Она живёт в головах опытных сотрудников, в переписке и в привычках отдела. Такие места находят на аудите процессов, и запись этого знания обычно занимает больше времени, чем техническая настройка.
У базы знаний должен быть владелец с понятной обязанностью: когда меняется правило, меняется и документ в базе. Нужен и порядок пересмотра, например раз в квартал по списку документов с датой последней проверки. Устаревшая база вреднее пустой: пустая честно не отвечает, устаревшая отвечает неверно и со ссылкой на источник.
Компания решает сделать ассистента для сотрудников, который отвечает на вопросы по внутренним правилам. Собирают всё, что лежит на диске, и загружают. Первые проверки показывают, что на простые вопросы ассистент отвечает хорошо, а на те, ради которых его делали, плохо: как оформить исключение, кому звонить при сбое, что делать с нестандартным клиентом.
Ответов на эти вопросы в документах просто нет. Их знают два-три человека, и новички каждый раз спрашивают у них. Проект превращается в работу по записи этого знания, и ассистент начинает приносить пользу, когда она сделана. Заодно у компании появляется то, чего не было раньше: правила, которые не уйдут вместе с сотрудником.
На какие вопросы база должна отвечать и кто их задаёт: сотрудники, клиенты или оба. Какие документы считаются действующими и что делать со старыми версиями. Кто владелец базы и как часто он её пересматривает. Чьё знание сейчас существует только в голове и кто его запишет. И как проверить ответы до запуска: набор вопросов с известными ответами, по которому ассистента прогоняют после каждого крупного обновления базы.
Связанные термины: RAG · Контекстное окно · Распознавание документов · Аудит процессов
Хотите понять, какое знание в вашем отделе есть только в головах? Аудит ИИ в отделе →