Умный поисковик по внутренней базе знаний. Кейс Alfaleads
Типичная в наши дни ситуация: сотрудники тратят значительное время на поиск ответов на типовые рабочие вопросы в разрозненных документах, вместо того чтобы сосредоточиться на важных бизнес-задачах. Знакомо? Мы помогли решить эту проблему, внедрив инновационное решение – умный ИИ-поисковик по внутренней базе знаний.
Наш клиент, крупное performance-агентство, столкнулся с типичными трудностями, связанными с управлением знаниями:
- Обширная внутренняя база знаний
От инструкций по оформлению отпуска и настройке VPN до регламентов взаимодействия с клиентами – огромное количество информации, хранящейся в различных форматах и местах. - Коммуникация в Slack
Основной канал общения, но без эффективного инструмента поиска он превращался в "шум", где важные ссылки и документы терялись в потоке сообщений. - Сложность и время поиска
Сотрудники тратили драгоценные минуты, а то и часы, на поиск нужной информации, переключаясь между вкладками, файлами и чатами. Это снижало продуктивность и вызывало фрустрацию. - Потребность в автоматизации
Желание автоматизировать рутинные запросы, такие как подача заявок на установку ПО, что позволит сотрудникам сосредоточиться на более сложных задачах.
Агентству требовалось решение, которое позволило бы сотрудникам получать ответы на свои вопросы в естественной форме и мгновенно, без ручного перебора документов, а также автоматизировать выполнение некоторых внутренних процессов.
Наше решение: Чат-бот на основе RAG-системы
Мы разработали и внедрили поискового чат-бота, который стал центральным узлом для доступа к внутренней базе знаний. Его ключевая особенность – использование RAG-системы (Retrieval-Augmented Generation) поверх API OpenAI.
Как это работает?
Как это работает?
- Запрос на естественном языке:Сотрудник задает вопрос чат-боту в Slack, используя привычную разговорную речь. Например: "Как я могу подать заявку на новую лицензию Photoshop?"
- Поиск релевантной информации:ИИ-поисковик анализирует запрос и находит наиболее релевантные фрагменты из внутренней базы знаний.
Для этого мы использовали различные техники работы с LLM, такие как перефразировки запросов, Query Expansion ( расширение исходного запроса синонимами и связанными терминами для повышения точности поиска), HyDE (Hypothetical Document Embeddings - генерация гипотетических ответов на основе запроса для более эффективного поиска в векторной базе) и тп - Формирование ответа и действия:Чат-бот не просто выдает текст. Если вопрос предполагает действие (например, "Как настроить VPN?"), он предоставляет прямую ссылку на нужный документ и, при необходимости, форму для заполнения заявки (например, на установку ПО или доступ к ресурсам).
Техническая реализация:
- База знаний: Вся информация хранится в PostgreSQL.
- Векторная база: Для эффективного семантического поиска используется расширение pg_vector. Это позволяет сравнивать запросы и документы не по ключевым словам, а по их смысловой близости.
- LLM: В качестве основной языковой модели мы использовали OpenAI, что позволило достичь высокой точности и понимания контекста.
- Сервисная часть: Сам сервис разработан на FastAPI, обеспечивающем высокую производительность, с использованием PostgreSQL для хранения данных и RabbitMQ для асинхронной обработки задач
Результаты внедрения
Внедрение умного ИИ-поисковика привело к впечатляющим результатам:
1
Скорость доступа к информации:
Сотрудники теперь получают ответы на свои вопросы в считанные секунды, не отвлекаясь от основных задач.
Сотрудники теперь получают ответы на свои вопросы в считанные секунды, не отвлекаясь от основных задач.
2
Снижение нагрузки на HR и IT-отделы:
Многие типовые запросы теперь обрабатываются автоматически чат-ботом, освобождая время специалистов.
Многие типовые запросы теперь обрабатываются автоматически чат-ботом, освобождая время специалистов.
3
Повышение продуктивности:
Уменьшение времени, затрачиваемого на поиск, напрямую привело к увеличению общей продуктивности команды.
Уменьшение времени, затрачиваемого на поиск, напрямую привело к увеличению общей продуктивности команды.
4
На этапе внедрения количество количество обращений в эту версию slack-бота увеличивалось на 30% каждую неделю, что показало, что сотрудникам продукт пришелся по вкусу
Почему это важно для вашего бизнеса?
Вне зависимости от того, являетесь ли вы e-commerce компанией, EdTech-проектом, медицинским центром или фитнес-клубом, проблема эффективного управления знаниями актуальна для всех. Наше решение не просто автоматизирует поиск; оно трансформирует способ взаимодействия ваших сотрудников с внутренней информацией, делая его интуитивным, быстрым и продуктивным.
Статьи и кейсы
Голосовые боты
Кейс с простой автоматизацией на базе SaluteSpeech для сокращения расходов на логистику
ИИ-ассистенты
Разбираемся, какие подводные камни есть в облачных конструкторах ИИ-чатботов и можно ли. на них собрать реально работающее решение.
Кейс
Как мы решали задачу извлечения структурированной информации с помощью LLM для сервиса метчинга резюме и вакансий.