Разрабатываем ассистента, который отвечает сотрудникам на вопросы по документам компании. Сотрудник спрашивает обычными словами, а ассистент находит ответ в базе знаний и показывает источник. Работает по смыслу, а не по точному совпадению слов. Сценарии — помощник поддержки, обучение и онбординг, отделы продаж.
ИИ-ассистент для сотрудников — это помощник, который отвечает на рабочие вопросы по документам компании обычными словами. В его базу знаний загружают регламенты, инструкции, договоры, обучающие материалы и разобранные частые вопросы. Сотрудник спрашивает так, как спросил бы коллегу, а ассистент находит нужный фрагмент по смыслу и формулирует понятный ответ со ссылкой на исходный документ.
За этим стоит технология RAG (Retrieval-Augmented Generation, «поиск плюс генерация»): сначала ассистент находит в документах подходящие фрагменты, и только потом языковая модель составляет из них ответ — строго по загруженным материалам, без выдуманных фактов. Мы разрабатываем такого ассистента под конкретную компанию и её документы, а не подключаем готовый шаблон. Это частный случай нашего направления разработки ИИ-агентов для бизнеса.
Агенты различаются по задаче, которую они закрывают. Чаще всего бизнесу нужен один из четырёх типов или их связка — их и разрабатываем под конкретную компанию:
Операторы и клиенты находят ответ по условиям, тарифам и частым вопросам за секунды, со ссылкой на регламент. Новичок в поддержке отвечает так же точно, как опытный сотрудник.
Новый сотрудник спрашивает у базы вместо того, чтобы отвлекать коллег: как оформить документ, где взять шаблон, какой порядок действий по регламенту. Онбординг идёт быстрее.
Менеджеры находят ответы по товарам, условиям доставки и возврата в одном месте. Ассистент подключается к каталогу и учётной системе, чтобы отвечать по актуальным данным.
Менеджеры находят ответ по прайсам, условиям контрагентов и спецификациям в одном месте — вместо поиска по почте, таблицам и чатам. Ответ приходит со ссылкой на источник.
Тип агента и границы его самостоятельности определяем на анализе задачи. Одному бизнесу достаточно агента поддержки на сайте, другому нужна связка: агент продаж на входящих заявках и агент автоматизации во внутренних системах.
ИИ-ассистент окупается там, где много документов и повторяющихся вопросов, а ответ нужен быстро и точно. Мы разрабатываем ассистента под задачи разных команд и отделов:
Единый источник ответов по условиям, тарифам и частым вопросам. Операторы отвечают быстрее и точнее, а часть обращений закрывается без участия человека.
Ответы по регламентам, кадровым процессам и обучающим материалам. Новые сотрудники находят нужное сами и выходят на рабочий темп быстрее.
Прайсы, условия контрагентов и спецификации в одном месте. Менеджер получает точный ответ вместо поиска по почте и таблицам.
Знания по каталогу, доставке и возврату для менеджеров и операторов, с подключением к учётной системе и актуальными данными.
База решений по оборудованию и типовым сбоям. Инженер находит проверенный порядок действий, а не пересказ по памяти.
Поиск по договорам, регламентам и внутренним политикам обычными словами — с точной ссылкой на пункт документа.
Отрасль на старте не ограничивает проект: логику работы, базу знаний и интеграции разрабатываем под процессы конкретной компании. Подходящий тип агента и объём определяем на этапе анализа задачи.
Система отвечает строго по загруженным документам и показывает, из какого материала взят ответ. Сотрудник видит первоисточник и доверяет ответу, а не догадывается.
Опыт компании собран в одном месте и доступен всей команде. Уход сотрудника не уносит с собой то, что знал только он.
Типовые вопросы к коллегам и экспертам закрывает база. Эксперты занимаются сложными задачами, а не повторяют одно и то же по десятому разу.
Если ответа в документах нет, система так и сообщает и предлагает передать вопрос сотруднику — вместо того чтобы придумать факт.
Логику работы и базу знаний готовим один раз, после чего разворачиваем агента в нужных каналах. Куда его можно поставить:
Отдельный раздел или виджет во внутреннем портале, где сотрудник задаёт вопрос и сразу получает ответ по документам компании.
Telegram, VK и другие каналы — сотрудник спрашивает у ассистента там, где привык переписываться по рабочим вопросам.
Встроенный помощник в приложении на Flutter или в корпоративном приложении, без перехода в отдельный сервис.
Ассистент рядом с CRM или панелью поддержки: оператор спрашивает по условиям и регламентам, не прерывая разговор с клиентом.
Какие каналы включить, решаем на анализе задачи: кому-то хватает виджета на сайте, кому-то нужен агент в мессенджере и во внутренних системах сразу.
В основе — технология RAG (Retrieval-Augmented Generation, «поиск плюс генерация»). Простыми словами: ассистент сначала находит в ваших документах фрагменты, относящиеся к вопросу, и только потом большая языковая модель формулирует по ним ответ. Поэтому он отвечает по реальным материалам компании, а не из общей эрудиции. Работа складывается из четырёх элементов.
| Элемент базы | Что делает |
|---|---|
| Источники и документы | То, из чего состоит база: регламенты, инструкции, договоры, обучающие материалы, справочники и разобранные частые вопросы. Форматы разные — документы, таблицы, страницы портала. На этом этапе мы определяем состав источников и как часто их обновлять. |
| Векторный поиск по смыслу | Документы разбиваются на фрагменты и переводятся в числовые представления смысла (векторы). Благодаря этому поиск идёт по смыслу вопроса, а не по точному совпадению слов: ассистент найдёт нужное, даже если сотрудник спросил другими словами, чем написано в документе. |
| Языковая модель и ответ со ссылкой | Большая языковая модель (LLM) собирает найденные фрагменты в связный ответ обычными словами и указывает, из какого документа он взят. Если в материалах ответа нет — так и сообщает, а не придумывает. Запросы к модели настраивают наши разработчики под вашу задачу. |
| Права доступа и передача человеку | Ответы выдаются в рамках прав сотрудника: он видит только те материалы, к которым у него есть доступ. Спорные и выходящие за рамки базы вопросы ассистент передаёт сотруднику. Границы и требования к безопасности подстраиваем под ваши процессы. |
Продукты на основе языковых моделей у нас уже есть в собственной разработке — ИИ-ассистент и интеллектуальный поиск. Наработки из них мы переносим в проекты клиентов.
Разработку ведём по шагам, чтобы на каждом этапе был конкретный результат, который можно проверить.
Выясняем, на какие вопросы должна отвечать база, где лежат нужные документы, в каком они формате и кому какие ответы можно показывать. Итог этапа — карта источников и согласованный объём работ.
Прописываем сценарии использования, структуру базы, права доступа и требования к безопасности и размещению данных. Утверждённое техническое задание ложится в основу разработки и сметы.
Загружаем документы, настраиваем векторный поиск и запросы к модели, связываем базу с внутренними системами. К концу этапа база отвечает на реальных документах компании со ссылкой на источник.
Прогоняем работу на живых вопросах команды, дополняем источники и уточняем формулировки. Отдельно проверяем, что система отвечает строго по документам и корректно передаёт вопрос человеку, когда ответа нет.
Включаем базу в выбранных каналах, настраиваем обновление источников и отслеживаем, на какие вопросы ответа пока не хватает — и расширяем базу новыми материалами.
С какого раздела стартовать? Опишите задачу — вместе выберем ключевой массив документов для первой версии и подходящую модель работы. Обсудить проект или оценить бюджет на калькуляторе.
Источником становятся документы и системы, где уже лежат знания компании. Подключаем их через готовые методы интеграции (API) или загрузкой файлов и настраиваем обновление, чтобы ответы оставались актуальными:
Инструкции, договоры, политики, обучающие материалы — в том числе PDF и таблицы. Основной массив знаний компании.
Внутренние базы знаний, корпоративные порталы и справочные разделы — система читает их и держит ответы в актуальном виде.
Данные о товарах, условиях и клиентах — чтобы ответы по каталогу, ценам и статусам опирались на живые данные.
Разобранные обращения и частые вопросы — готовый материал, по которому база отвечает так же, как отвечал бы опытный оператор.
Разграничение по ролям и отделам: сотрудник получает ответы только из тех материалов, к которым у него есть доступ.
Когда у внутренних систем уже есть готовые методы интеграции, база использует их при настройке. Когда таких методов нет — выносим этот случай в отдельную проработку на этапе анализа.
Уже понимаете, на какие вопросы должен отвечать ассистент? Зафиксируем источники и сценарии в техническом задании — это основа для точной сметы. Или сразу опишите задачу, оценим бюджет и сроки.
Разработку ведём на собственном стеке: Python для серверной части и поиска по документам, большие языковые модели для понимания вопросов и ответов, Flutter для встроенного помощника в приложении. Под требования к данным подбираем российскую или зарубежную модель, в том числе размещённую в закрытом контуре, когда документы нельзя передавать наружу. FITTIN — отечественный разработчик, платформа в реестре российского ПО (запись № 2487103) и аккредитованная IT-компания Минцифры.
Искусственный интеллект — наше отдельное направление. Помимо ассистентов под заказ, мы развиваем собственные ИИ-продукты, опыт которых переносим в проекты клиентов:
Сатурн — строительные гипермаркеты
Приложение федеральной DIY-сети с большим каталогом и корректной работой во всех городах присутствия.
Работа в 20+ городах, каталог 30 000+ товаров.
Смотреть кейс →
Fitomarket — маркетплейс товаров для здоровья
Приложение с фирменной витриной, программой лояльности и интеграциями с учётной и платёжной системами.
Каталог более 4 700 товаров, рейтинг в сторах 4,6 при 305+ отзывах.
Смотреть кейс →
Европа маркет — гипермаркеты и доставка
Собственный мобильный канал заказа и доставки продуктов с интеграцией учётной системы.
Интеграция с 1С, собственный канал заказа и доставки.
Смотреть кейс →
Другие проекты — в портфолио. Продукты на основе языковых моделей мы развиваем сами: ИИ-ассистент и интеллектуальный поиск.
Итоговый бюджет складывается из объёма и формата источников, числа сценариев использования и глубины интеграций с внутренними системами и требований к безопасности. На выбор — две модели сотрудничества:
| Модель | Когда подходит | Как считается |
|---|---|---|
| Fixed Price | Готовое техническое задание, понятный объём источников и интеграций | Фиксированная сумма за фиксированный объём работ |
| Time & Materials | Итеративная разработка, развитие базы, доработки после запуска | Оплата по часам и ставкам ролей, смета и оценка перед стартом задачи |
Итоговую смету фиксируем после анализа задачи и подготовки технического задания. Проверить пользу можно на компактной первой версии по одному ключевому разделу документов и затем расширять базу новыми источниками — так первый бюджет остаётся сдержанным, а решение о развитии принимается на живом результате.
Когда ассистент встраивается модулем в приложение на модульной платформе FITTIN, к нему применяется платформенная модель из трёх частей — единоразовая интеграция под бренд, ежемесячная лицензия с техподдержкой команды и доработки нового функционала по Time & Materials; цифры и условия по пакетам платформы приведены на странице тарифов.
Прикинуть порядок бюджета под ваш сценарий помогает калькулятор стоимости, а разобрать конкретный проект удобнее через форму обращения.
Это помощник, который отвечает сотрудникам на вопросы по документам компании. В базу знаний загружены регламенты, инструкции, договоры, обучающие материалы и ответы на частые вопросы. Сотрудник задаёт вопрос обычными словами, а ассистент находит нужный фрагмент по смыслу и формулирует понятный ответ со ссылкой на источник. В отличие от обычной вики, где нужно знать, в каком разделе искать, здесь достаточно спросить как у коллеги, который прочитал все документы.
Обычная вика и общая папка работают по точному совпадению слов и по структуре разделов: чтобы найти ответ, нужно знать, где он лежит и какими словами описан. База знаний на основе ИИ ищет по смыслу — понимает вопрос, заданный своими словами, находит подходящие фрагменты в разных документах и собирает из них связный ответ с указанием источника. Сотрудник получает готовый ответ, а не список ссылок, по которым ещё нужно читать.
Языковая модель сама по себе может придумать факт, когда отвечает из общей эрудиции. Чтобы этого не происходило, применяется технология RAG (Retrieval-Augmented Generation, «поиск плюс генерация»): сначала система находит в загруженных документах фрагменты, относящиеся к вопросу, и только потом модель формулирует ответ строго по ним, со ссылкой на источник. Если в документах ответа нет, система так и сообщает и предлагает передать вопрос сотруднику, а не додумывает.
Источником становятся документы и системы, где уже лежат знания компании: файлы и регламенты (в том числе PDF и таблицы), внутренние порталы и вики, справочные разделы CRM, учётная система (1С) с данными о товарах и условиях, переписка поддержки с разобранными частыми вопросами. На этапе анализа определяем список источников, а обновление базы можно настроить по расписанию или по событию, чтобы ответы оставались актуальными.
Итоговый бюджет складывается из объёма и формата источников, числа сценариев использования и глубины интеграций с внутренними системами. Есть две модели: Fixed Price — фиксированная сумма за фиксированный объём, когда техническое задание готово; Time & Materials — оплата по часам и ставкам ролей, когда база развивается итеративно и дорабатывается. Смету называем после анализа задачи. Прикинуть порядок бюджета удобно на калькуляторе стоимости, а разобрать проект — через форму.
Да. Под требования к обработке данных подбираем языковую модель, в том числе российскую или размещённую в закрытом контуре компании, когда документы нельзя передавать во внешние сервисы. Доступ к ответам можно ограничить по ролям: сотрудник видит только те материалы, к которым у него есть права. Требования к безопасности и размещению фиксируем на этапе проектирования — это одна из первых тем при работе с крупными командами.
Срок определяют объём и разнородность источников, число сценариев и сложность интеграций и требований к безопасности. База по одному массиву документов с поиском и ответами запускается раньше, чем система, которая объединяет несколько систем с разграничением прав и обновлением по расписанию. Точный срок закрепляем в смете — после анализа задачи и технического задания. Проверить пользу можно на компактной первой версии по ключевому разделу и затем расширять базу новыми источниками.
