Ассистент по внутренней wiki — это чат, который отвечает сотрудникам строго по вашим регламентам, инструкциям и накопленным документам. Новичок спрашивает, как оформить командировку, и получает ответ со ссылкой на нужный пункт регламента, вместо того чтобы отвлекать коллег и руководителя. Под капотом работает связка поиска по документам (RAG) и языковой модели: сначала система находит нужные куски wiki, затем модель формулирует ответ по ним.
Зачем это нужно
Ассистент по внутренней wiki снимает поток однотипных вопросов с руководителей и опытных сотрудников. Он отвечает по регламентам и инструкциям со ссылкой на источник, ускоряет онбординг новичков и держит знания компании в одном месте. Работает на связке RAG плюс языковая модель: отвечает только по вашим документам вместо общих знаний из интернета.
В компаниях, где я веду внедрение, повторяется одна картина. Знания размазаны по wiki, чатам, почте и голове пары ключевых сотрудников. Новичок входит в курс дела месяцами, а опытные коллеги половину дня отвечают на вопросы уровня «где лежит шаблон акта» и «как согласовать отпуск». Документы вроде есть, но найти в них нужное труднее, чем спросить человека.
Ассистент по wiki разрывает этот круг. Сотрудник задаёт вопрос обычными словами, система находит подходящие фрагменты в ваших документах и отдаёт их модели, а та собирает короткий ответ со ссылкой на регламент. Человек получает решение за секунды и видит, откуда оно взято, поэтому может перепроверить. Нагрузка на руководителей падает, а знания перестают зависеть от того, на месте ли сегодня ключевой специалист.
Отдельная ценность — онбординг. Новый сотрудник с первого дня имеет терпеливого помощника, который отвечает на любой вопрос про процессы, без усталости и отвлечений. Это сокращает время выхода на самостоятельную работу и снимает с наставника львиную долю рутинных объяснений.
- Ответы по регламентам, инструкциям и процедурам со ссылкой на источник
- Онбординг новичков: помощник по процессам с первого рабочего дня
- Снятие потока типовых вопросов с руководителей и наставников
- Единая точка входа в знания компании вместо поиска по чатам и почте
Как это работает
В основе лежит RAG — поиск по вашим документам с последующей генерацией ответа. Система разбивает wiki на небольшие фрагменты, переводит их в векторные представления (эмбеддинги) и хранит в базе. На вопрос сотрудника она находит самые близкие по смыслу фрагменты и передаёт их модели вместе с запросом. Модель отвечает строго по этим фрагментам, поэтому ответ опирается на ваши регламенты вместо общих знаний из интернета.
- Соберите документы в одном месте: регламенты, инструкции, FAQ, шаблоны, политики
- Приведите их к читаемому виду: уберите дубли, устаревшие версии и противоречия
- Загрузите документы в систему — она разобьёт их на фрагменты и построит поисковый индекс
- Настройте правило: модель отвечает только по найденным фрагментам и даёт ссылку на источник
- Прогоните 30-50 реальных вопросов сотрудников и сверьте ответы с документами
- Дайте доступ команде и назначьте человека, который раз в неделю правит базу по живым вопросам
Качество ответов держится на качестве документов вместо хитрости модели. Если в wiki два противоречащих регламента или половина инструкций устарела, ассистент честно соберёт ответ из мусора. Поэтому первый шаг внедрения — это уборка в документах, и именно она занимает больше всего сил.
Что нужно для старта
Для запуска нужны три вещи: собранные документы, система поиска по ним и языковая модель. Малой компании хватает готового сервиса, куда вы загружаете файлы и получаете чат. Когда документов много или они секретны, поднимают собственную связку на своём сервере. Начинать со сложной инфраструктуры до проверки гипотезы — частая ошибка, которая тормозит проект на месяцы. Сначала проверьте пользу на одном отделе и узком наборе документов.
| Ситуация | Чем закрыть | Когда усложнять |
|---|---|---|
| Один отдел, десятки документов | Готовый сервис с загрузкой файлов | Когда отделов много — собирают единую базу через RAG |
| Чувствительные данные | Локальное решение на своём сервере | Когда нужен строгий контроль доступа по ролям |
| Постоянно меняющиеся регламенты | Регулярная подгрузка обновлённых документов | Когда обновления ежедневные — настраивают автоматизацию через n8n |
| Доступ из мессенджера | Чат-бот ассистента в Telegram или корпоративном мессенджере | Когда подключают несколько каналов сразу |
Российская компания упирается в вопрос доступа к зарубежным моделям и в защиту внутренних документов. Здесь работают и отечественные решения, и зарубежные через корректный доступ, а для секретных регламентов поднимают локальную модель на своём оборудовании. Конкретный выбор зависит от чувствительности данных и от числа сотрудников — это тема, которую мы разбираем на разборе процессов.
По стоимости готовый сервис для одного отдела держится в рамках десятков долларов в месяц, точную цифру сверьте на сайте сервиса. Собственная связка на своём сервере дороже на старте, зато документы остаются внутри компании и платёж за объём запросов предсказуем. Окупается ассистент за счёт сэкономленного времени руководителей и более быстрого онбординга — посчитайте, сколько часов в неделю команда тратит на ответы коллегам.
Границы ассистента
Модель ошибается уверенно. Даже с поиском по документам она способна склеить ответ из двух разных регламентов или додумать деталь, которой в тексте нет. Это свойство языковых моделей называют галлюцинациями. Защита здесь двойная: система отдаёт модели только найденные фрагменты, а ответ всегда сопровождается ссылкой на источник, чтобы сотрудник мог проверить. Чем чище документы и чем уже вопрос, тем надёжнее ответ.
Решения по спорным случаям, толкование регламента в нестандартной ситуации, кадровые и юридические вопросы — это зона руководителя. Ассистент отвечает на типовое и показывает источник, а сложное передаёт человеку. Сотрудник должен понимать, что перед ним помощник по документам вместо замены руководителя.
Отдельно стоит вопрос доступа. Часть документов предназначена лишь для своих: зарплатные политики, персональные данные, коммерческая тайна. Поэтому в серьёзном внедрении настраивают доступ по ролям — менеджер видит свои регламенты, бухгалтер свои, а общие инструкции доступны всем. Без разграничения доступа ассистент превращается в утечку, поэтому этот пункт продумывают заранее.
- Ответ всегда со ссылкой на источник: сотрудник проверяет спорное сам
- Доступ по ролям: чувствительные документы видны только тем, кому положено
- Нестандартные и спорные случаи модель передаёт руководителю
- Юридические и кадровые решения остаются за человеком целиком
Главная защита от ошибок — чистая база и проверка на старте. Когда вы прогнали несколько десятков реальных вопросов и убедились, что ответы совпадают с документами, доверие к ассистенту растёт обоснованно. Дальше держите одного человека, который раз в неделю смотрит, на какие вопросы система отвечает плохо, и правит либо документы, либо настройку поиска. Так база становится чище, а ассистент точнее с каждой неделей.
Куда двигаться
Когда ассистент работает на одном отделе и снимает поток вопросов, компания расширяет его на соседние участки: от регламентов отдела к общим политикам, от текстового чата к доступу из мессенджера, от ручной загрузки документов к автоматическому обновлению базы. Так знания компании постепенно собираются в одну точку, а зависимость от памяти ключевых сотрудников падает. Это нормальный путь внедрения — по одному отделу, с проверкой отдачи.
Заодно команда учится поддерживать базу сама. Поначалу настройку и чистку документов делаем вместе со мной, дальше ответственный сотрудник сам добавляет новые регламенты и правит формулировки по живым вопросам. Этот навык остаётся с компанией: знания перестают устаревать молча, потому что у базы появляется хозяин.
Сложность здесь в подготовке документов и в разграничении доступа. Самый частый провал — компания загружает в систему свалку из устаревших и противоречивых файлов, получает мутные ответы и решает, что ассистент бесполезен. На разборе процессов мы вместе смотрим на состояние вашей wiki и выбираем отдел, где ассистент даст отдачу быстрее всего.