Как подготовить базу знаний для ИИ-ассистента за 2 недели
О проекте
Самый дорогой провал пилота — начать с выбора модели.
Выбирают LLM две недели. Потом заливают в индекс всё подряд. На демо ассистент находит «спасибо за обращение» вместо регламента возврата. Директор закрывает ноутбук. Всё.
Сейчас этим массово обжигаются: красивый виджет, пустая база. Особенно хорошо это видно, когда ролик «наш ИИ-бот» попадает в рекомендации — а в комментариях спрашивают про реальные цифры.
Ниже — грязный, но рабочий план на ~10 рабочих дней. Вырос из пилотов, где без verified_answers качество падало ещё до боя с операторами.
Дни 1–3. Режем мясо
Берёте 150–300 последних тикетов. Не «всю историю за пять лет».
Помечаете повторы: статус, возврат, доставка, доступ, оплата. Выкидываете вежливость и пустые закрытия — для эмбеддингов это яд.
ИНН, телефоны, ФИО клиентов — вычищаем сразу. Иначе потом спорите с безопасниками, а не с качеством ответов.
Да, это скучно. Нет, это нельзя делегировать «просто прогоните через GPT».
Дни 4–7. Эталоны, не свалка
Сводите 80–200 кейсов к формату: вопрос — почему так — шаги оператора — откуда факт.
Это и есть verified_answers. Они должны бить обычные чанки в поиске. Иначе модель будет цитировать случайный тред 2022 года.
Каталог и регламенты — отдельно. Иначе запрос «чем заменить DN150» смешивается с «как оформить возврат». Мы так один раз словили цирк на демо.
Дни 8–10. Золотые запросы
Тридцать живых фраз от операторов. Не придуманных маркетологом.
Смотрите: нашёлся ли правильный фрагмент до генерации. Если retrieval мимо — чините индекс. Промпт не спасёт.
Где ИИ врёт чаще всего? Сроки. Цены. «Точные» номера документов. Туда — жёсткий guardrail: нет источника → эскалация человеку.
Подробный разбор с цифрами — в кейсе поставщика арматуры. Там индекс сначала «пах» мусором. Знакомо?
Задача
За две недели получить индекс, который не стыдно показывать бизнесу на демо.
Убрать галлюцинации за счёт эталонов и чистки персональных данных — не за счёт «лучшей модели».
Дать операторам простой способ пополнять базу из реальной работы, а не из разового Excel.
Внедрение
Параллельно с чисткой подключайте read-only к полям Битрикс24: статус, ответственный, номер заказа.
RAG без CRM отвечает вслепую. Красиво. И бесполезно.
Поиск по смыслу у нас часто сажаем на SearchPilot 24 — но логика та же на своём OpenSearch.
Решение
Хорошая база — это не «залили диск в векторы».
Это отобранные эталоны, отдельный каталог, запрет угадывать даты и метрика hit@k на золотых запросах. Скучная дисциплина. Она отличает пилот от презентации.
Нужен такой контур под ваш поток — опишите задачу. Разберём тикеты, не слайды.