Implementation scenario / 20 / Knowledge operations
Корпоративный ассистент по знаниям и прецедентам
Эксперты повторно ищут методики, прошлые проекты и решения, а знания уходят вместе с людьми.
RAG-поиск объединяет документы и метаданные, отвечает со ссылками и учитывает права проекта. Финальное решение и работа с исключениями остаются у ответственного: Эксперт подтверждает вывод и пополняет базу проверенными материалами.
Проверить применимость сценария →
Problem / buying moment
Почему этот процесс становится задачей для руководителя.
Обычно к сценарию «Корпоративный ассистент по знаниям и прецедентам» приходит HR-директор, управляющий партнёр или руководитель профессиональной практики, когда экспертиза и решения зависят от отдельных сотрудников, а повторяемая работа не превращается в управляемый процесс. В этот момент локальная ручная проверка уже не масштабируется, но покупка отдельного AI-инструмента ещё не гарантирует изменения процесса.
Здесь AI должен усиливать профессиональное суждение, а не маскировать его: источники, версия документа, критерии и автор финального решения обязаны быть видимыми.
ПОЗИЦИЯ IT WHITEРезультат этого сценария — не «внедрённый AI», а управляемое изменение показателей: время поиска, повторное использование материалов, ответы без источника. Система должна обнаруживать событие, объяснять контекст и доводить его до ответственного действия.
Target operating model
Что именно меняется после внедрения.
Как разобрать именно этот сценарий.
Первый вопрос руководителя должен быть не о нейросети, а о цене запоздалого действия. Исходная ситуация формулируется так: Эксперты повторно ищут методики, прошлые проекты и решения, а знания уходят вместе с людьми. Для HR-директор, управляющий партнёр или руководитель профессиональной практики это уже не локальное неудобство сотрудника, потому что сбой отражается на показателе «время поиска» и со временем становится нормой, которую команда перестаёт замечать. До проектирования мы берём несколько реальных событий, восстанавливаем последовательность действий и отделяем причину от симптома.
Контур данных начинается не с единого хранилища, а с минимального набора доказательств. DMS фиксирует первичное событие; wiki даёт контекст или состояние работы; project archive подтверждает следующий шаг и результат. Для каждого поля определяется источник, допустимая задержка и правило отсутствующего значения. Если событие нельзя восстановить, его нельзя безопасно использовать для автоматического решения.
Рабочая логика сценария выглядит конкретно: RAG-поиск объединяет документы и метаданные, отвечает со ссылками и учитывает права проекта. При этом система не подменяет владельца процесса. Эксперт подтверждает вывод и пополняет базу проверенными материалами. Такое разделение нужно зафиксировать в интерфейсе, правах доступа и журнале действий, иначе формальный human-in-the-loop останется надписью в презентации, а человек будет подтверждать решение без достаточного контекста.
Главный негативный сценарий тоже проектируется заранее: Без модели доступа ассистент может смешать конфиденциальные клиентские материалы. Поэтому у пилота должны быть порог уверенности, маршрут исключения, возможность открыть первичные данные и понятный способ отменить действие. Ошибку нельзя прятать в среднем показателе: команда отдельно разбирает ложные срабатывания, пропущенные события и ситуации, где правило сработало правильно, но не привело к действию.
Руководитель принимает решение о масштабировании по трём наблюдаемым изменениям: «время поиска», «повторное использование материалов» и «ответы без источника». Сначала фиксируется базовая линия, затем одна зона работает в режиме пилота, а сравнение проводится на сопоставимом потоке. Целевой бизнес-результат: время поиска, повторное использование материалов, ответы без источника. Если изменение держится только благодаря ручному контролю разработчика, система ещё не готова к эксплуатации.
Architecture
AI не получает власть над процессом. Он получает ограниченную роль.
- DMS
- wiki
- project archive
Эксперт подтверждает вывод и пополняет базу проверенными материалами.
Без модели доступа ассистент может смешать конфиденциальные клиентские материалы.
Каждый вывод хранит исходное событие, версию правила или модели и действие ответственного. Если контекста недостаточно, система не угадывает, а переводит событие на ручную проверку.
Business case / no invented ROI
Экономика начинается с потери, которую можно пересчитать.
До сметы мы не обещаем проценты эффективности. Сначала измеряем частоту события, стоимость ручной работы и ошибки, нагрузку на проверяющего и цену эксплуатации контура.
объём событий, в которых возникает проблема «Эксперты повторно ищут методики, прошлые проекты и решения, а знания уходят вместе с людьми.»
стоимость ручного действия, задержки или ошибки по показателю «время поиска»
доля исключений, которые после запуска всё равно должен проверять человек
стоимость интеграции и сопровождения систем: DMS, wiki, project archive
Если измеримый эффект не покрывает стоимость контура и риск, задачу не нужно превращать в отдельный продукт.
Measurement
Как понять, что внедрение работает.
Источник: DMS. Базовая линия: 2–4 недели до пилота.
Источник: wiki. Базовая линия: 2–4 недели до пилота.
Источник: project archive. Базовая линия: 2–4 недели до пилота.
Сначала проверяем процесс, качество данных и владельца решения.
Без модели доступа ассистент может смешать конфиденциальные клиентские материалы.
Readiness check
Когда этот сценарий имеет смысл.
Автоматизация оправдана, когда проблема повторяется, влияет на управляемый показатель и у процесса есть владелец. Для сценария «Корпоративный ассистент по знаниям и прецедентам» сначала проверяем не модель, а фактический маршрут работы.
- 01Повторяемость
Событие повторяется достаточно часто, чтобы измерять «время поиска».
- 02Доступность данных
Первичные данные доступны в системах: DMS, wiki, project archive.
- 03Владелец решения
Владелец процесса готов отвечать за исключения и финальное решение.
- 04Ограниченный риск
Риск «Без модели доступа ассистент может смешать конфиденциальные клиентские материалы.» можно ограничить правилами, журналом и ручной проверкой.
Questions before code
Что нужно выяснить до выбора технологии.
Ответы отделяют реальную задачу от красивой демонстрации. Они же задают границы пилота и критерии остановки.
- Q1
Сколько раз за неделю возникает ситуация: Эксперты повторно ищут методики, прошлые проекты и решения, а знания уходят вместе с людьми.
- Q2
Где сегодня фиксируется время поиска и можно ли восстановить исходное событие?
- Q3
Кто принимает решение после сигнала и за какое время он должен отреагировать?
- Q4
Какие ошибки системы недопустимы и когда решение обязательно передавать человеку?
Pilot / 4–8 weeks
Как запускать без большой ставки вслепую.
Зафиксировать текущий маршрут
Интервью с владельцем процесса, карта событий, исключения, права доступа и исходные значения KPI. На этом этапе может выясниться, что проблему надёжнее решает обычная логика, а не AI.
Собрать минимальный контекст
Подключаем только необходимые источники: DMS, wiki, project archive. Не строим озеро данных до появления первого работающего сценария.
Запустить на ограниченной зоне
RAG-поиск объединяет документы и метаданные, отвечает со ссылками и учитывает права проекта. Первые решения логируются, а низкая уверенность и исключения уходят человеку.
Сравнить с базовой линией
Смотрим на время поиска, повторное использование материалов, ответы без источника. Если процесс не изменился, не масштабируем интерфейс только ради уже написанного кода.
Пилот принимается по изменению время поиска, повторное использование материалов, ответы без источника, а не по количеству экранов и промптов.
Останавливаем масштабирование, если данные нестабильны, ответственный не использует сигнал или сохраняется риск: Без модели доступа ассистент может смешать конфиденциальные клиентские материалы.
How IT WHITE enters the project
Не продаём всю систему до проверки процесса.
100–180 тыс. ₽
Карта процесса, данные, потери, владелец решения, варианты архитектуры и предварительная экономика.
от 450 тыс. ₽
Одна ключевая задача, необходимые интеграции, роли, журнал решений, запуск и критерии результата.
от 100 тыс. ₽/мес.
Мониторинг, исправления, качество решений, новые правила, развитие интеграций и отчёт по работе системы.
Decision FAQ
Три вопроса, которые защищают проект от лишней сложности.
Здесь точно нужен AI?
Не обязательно. Если событие определяется стабильными правилами, обычная логика будет дешевле, быстрее и надёжнее. AI нужен там, где решение зависит от неструктурированного контекста.
Что подготовить к первичному разбору?
Один реальный пример сбоя, список систем (DMS, wiki, project archive), пример исходных данных и человека, который сегодня принимает финальное решение.
Что происходит при ошибке?
Система сохраняет исходные данные и причину вывода, не выполняет критическое действие без разрешения и передаёт исключение человеку. Главный риск сценария: Без модели доступа ассистент может смешать конфиденциальные клиентские материалы.
Evidence base
На каких рыночных сигналах основан сценарий.
Материал синтезирует публичные исследования и практики. Мы не переносим чужие кейсы на себя и не обещаем чужие показатели. Экономика рассчитывается только после анализа вашего процесса.
Related scenarios / HR и профессиональные услуги
Следующие процессы в том же контуре.
Fit check / 20–30 min
Проверим сценарий «Корпоративный ассистент по знаниям и прецедентам» на вашем процессе.
За 20–30 минут определим разрыв, доступные данные, владельца решения и разумный первый контур. Это бесплатная проверка соответствия задачи, не платная диагностика.