HELIOS AI
Корпоративный ассистент, который отвечает по документам компании
Для компаний, где знания распределены по Confluence и SharePoint, а сотрудники всё равно идут с вопросом в HR и техподдержку. HELIOS AI отвечает обычными словами и опирается только на документы, доступные конкретному сотруднику.
- RAG-архитектура
- Confluence и SharePoint
- Права доступа RBAC
Вопрос — ответ — нужный документ
Ответ на большинство рабочих вопросов уже есть в документации — сотрудник просто не знает, в каком документе и как его искать. В итоге вопрос уходит в HR или в техподдержку, а специалисты отвечают одно и то же по десятому разу.
HELIOS AI превращает поиск по базе знаний в короткий диалог: сотрудник спрашивает своими словами и получает ответ со ссылкой на документ, на котором этот ответ построен.
- Вопрос своими словами
- Ответ со ссылкой на источник
- Меньше повторных обращений в поддержку
Ответ собирается из документов компании
Ассистент работает на RAG-архитектуре: документы из Confluence и SharePoint разбиваются на фрагменты и попадают в векторную базу. Когда приходит вопрос, система сначала находит релевантные фрагменты, и только потом LLM формулирует ответ на их основе.
Разница принципиальная: ассистент отвечает по внутренним источникам компании, а не по общим знаниям языковой модели. Ответ можно проверить — он опирается на конкретные документы и сопровождается ссылками.
- Поиск по Confluence и SharePoint
- Vector DB находит нужные фрагменты
- LLM формулирует ответ по ним
- Ссылки на источники в ответе
Каждый видит только то, что разрешено
Права доступа соблюдаются через ролевую модель RBAC: индекс знаний учитывает, кому какие документы разрешено читать. Удобный диалог не превращает закрытые материалы в общедоступные — сотрудник получает ответ только по тем разделам, к которым у него есть доступ.
Для корпоративного поиска это принципиально: недостаточно найти релевантный документ, важно, имеет ли сотрудник право его видеть. Поэтому права доступа встроены в архитектуру ассистента, а не добавлены поверх готового чата.
- ПоискВекторный поиск по базе знаний
- ИсточникиConfluence и SharePoint
- Права доступаРолевая модель RBAC
- ДиалогОтвет простым языком со ссылками
Корпоративный AI-ассистент по базе знаний: как RAG отвечает по документам компании
Сотрудники не находят ответы в собственной документации, потому что ищут их глазами и по памяти. Разбираем, как устроен ассистент, который отвечает по внутренним источникам и не раскрывает закрытые документы.
Почему ответы теряются внутри компании
Корпоративная база знаний растёт быстрее, чем её структура. Инструкции живут в Confluence, регламенты — в SharePoint, часть ответов — в переписке и вложениях. Поиск по ключевым словам помогает, только если сотрудник угадал формулировку, которая совпадает с текстом документа.
В результате вопрос уходит туда, где есть живой человек: в HR или в техподдержку. Специалисты тратят время на повторяющиеся ответы, а сотрудник ждёт. Проблема не в том, что знаний нет, — проблема в доступе к ним.
Сначала поиск, потом ответ
RAG-подход меняет порядок действий. Сначала документы индексируются: разбиваются на смысловые фрагменты, для каждого считается векторное представление, и всё это складывается в базу, по которой можно искать не по словам, а по смыслу.
Когда приходит вопрос, система находит релевантные фрагменты и передаёт их языковой модели вместе с вопросом. Модель не вспоминает общие факты, а формулирует ответ по найденному тексту и ссылается на него. Если подходящих документов нет, честный ответ — «в базе знаний этого нет»: для корпоративного ассистента это лучше, чем правдоподобная выдумка.
Права доступа — половина работы
Самая недооценённая часть корпоративного поиска — не модель, а разграничение доступа. Релевантный документ может быть закрытым: черновики приказов, коммерческие условия, кадровые материалы.
Права доступа должны работать на уровне поиска, а не на уровне интерфейса. Индекс хранит связь фрагмента с документом и его разделом, а при запросе учитывается роль сотрудника. Дополнительно полезен журнал обращений: видно, какие вопросы задают, где ответа не нашлось и какие документы стоит обновить.
Что учесть, если делаете похожее
Начинайте не с модели, а с источников. Если в базе знаний лежат устаревшие версии и документы без владельца, ассистент будет аккуратно цитировать устаревшее. Полезно заранее определить, кто отвечает за актуальность ключевых документов.
Второй шаг — пилот на одном отделе и наборе реальных вопросов. Так видно, где не хватает документов и как часто ассистент отвечает «не знаю», — это и есть честная метрика качества, в отличие от количества ответов.
И третье: не превращайте ассистента в замену процессу. Если инструкция противоречива, диалог этого не исправит — сначала нужно договориться о самом регламенте.
Такой же ассистент — для производства, клиники или логистики
Механика одна: собрать знания компании в индекс, отвечать по ним и учитывать права доступа. Меняются только источники и вопросы.
- Производство и сервисНаладчик спрашивает про регламент обслуживания станка и получает ответ со ссылкой на инструкцию по конкретной модели.
- Клиники и медцентрыАдминистратор уточняет порядок записи и правила работы с полисом, а врач — протокол по профилю, не отвлекая коллег.
- Строительство и девелопментПрораб и сметчик ищут нормы, типовые узлы и условия договора по объекту, не перелистывая проектные тома.
- Логистика и перевозкиДиспетчер проверяет правила оформления документов и тарифы по направлению прямо в момент звонка клиента.
Частые вопросы
Что такое RAG простыми словами?
Ассистент сначала находит подходящие документы компании, а потом формулирует ответ на их основе. Поэтому он отвечает по вашим данным, а не по общим знаниям модели, и может показать источник.
Не увидит ли сотрудник чужие документы?
Нет. HELIOS AI учитывает права доступа через ролевую модель RBAC и отвечает только по материалам, которые сотрудник вправе читать. Разграничение работает на этапе поиска, а не в интерфейсе.
Какие источники можно подключить?
В проекте подключены Confluence и SharePoint — основные корпоративные базы знаний. Технически к ассистенту можно подключить и другие хранилища, если у них есть API или регулярная выгрузка.
Что ассистент отвечает, если документа нет?
Сообщает, что в базе знаний ответа не нашлось. Это осознанное поведение: для корпоративного поиска честное «не знаю» полезнее, чем уверенный ответ, которого нет в документах.
Нужно ли наводить порядок в документах до запуска?
Полная ревизия не обязательна, но качество ответов напрямую зависит от источников. На практике начинают с пилота на одном отделе и постепенно закрывают пробелы, которые всплывают в реальных вопросах.
Как понять, что ассистент отвечает правильно?
Каждый ответ опирается на конкретные документы и содержит ссылки, поэтому его можно проверить за несколько секунд. Плюс журнал вопросов показывает, где ответа не нашлось и какие документы стоит обновить.
Иллюстрации схематично показывают сценарий работы ассистента.