Генеративный ИИ для руководителя — 21 июня 2026 г. в 18:00:03.901
Генеративный ИИ для руководителя Часть 6 из 7. Как внедряют ИИ-ассистента, если базы знаний еще нет В предыдущей статье мы разобрали, как проектируют цифрового ассистента: задача, архитектура, RAG, инструкции, интеграции, права доступа и контроль качества. Но возникает практический вопрос: что делать, если в организации нет готовой базы знаний? Это нормальная ситуация. Во многих ведомствах знания уже есть, но они разрознены: часть — в СЭД, часть — в почте, часть — в поручениях, часть — в чатах сотрудников, часть — в протоколах совещаний и личном опыте специалистов. Значит, внедрение ИИ-ассистента нужно начинать не с ожидания “идеальной базы знаний”, а с ее постепенного формирования. Пример архитектуры может выглядеть так: СЭД + почта + контроль поручений + чаты + ВКС → ИИ-агент → база знаний → RAG → ИИ-ассистент Сначала создается минимальная база знаний: регламенты, инструкции, типовые ответы, шаблоны документов, справочники, действующие поручения и открытые материалы. Этого достаточно для пилота. Дальше подключается ИИ-агент. Его задача — не просто отвечать на вопросы, а постоянно пополнять и уточнять базу знаний из разрешенных источников. Например, агент может анализировать: — входящие и исходящие документы в СЭД; — поручения и статусы их исполнения; — служебную почту; — рабочие чаты сотрудников; — протоколы ВКС; — календарь; — CRM или систему учета задач; — справки и проектные документы. На ВКС такой ассистент может вести расшифровку встречи, выделять решения, фиксировать поручения, определять ответственных и сроки. После согласования он может предложить создать задачи в календаре, CRM, СЭД или системе контроля поручений. В работе с почтой ассистент может находить важные письма, связывать их с поручениями, предлагать краткую выжимку и напоминать о сроках. В СЭД он может анализировать входящий документ, находить связанные материалы, предлагать проект резолюции, формировать план исполнения и подсказывать, какие данные нужны для ответа. В чатах сотрудников он может выявлять рабочие договоренности, повторяющиеся вопросы и полезные ответы специалистов. Но здесь нужен строгий фильтр: переписка не должна автоматически становиться официальной позицией. Правильная схема пополнения базы знаний такая: новый источник → анализ ИИ-агентом → краткая выжимка → классификация → указание источника и уровня доступа → проверка владельцем данных → публикация в базе знаний ИИ-агент может предложить: “В чате обсуждался новый порядок подготовки справки. Есть повторяющийся ответ специалиста. Предлагаю добавить его как проект записи в базу знаний”. Но утвердить запись должен человек. Это принципиально. Без проверки есть риск, что ассистент начнет использовать черновики, личные мнения или рабочие обсуждения как официальный источник. В такой системе RAG играет ключевую роль. Когда сотрудник задает вопрос, ассистент сначала ищет ответ в базе знаний, проверяет права доступа, находит релевантные документы и только потом формирует ответ. Упрощенно: вопрос сотрудника → поиск в базе знаний → проверка доступа → ответ со ссылками → действие или задача → контроль исполнения Такой ассистент становится не просто “чатом”, а рабочим контуром управления знаниями и поручениями. Он может: — готовить проекты ответов; — предлагать решения по поручениям; — напоминать о сроках; — связывать письма, документы и задачи; — формировать протоколы совещаний; — ставить задачи после ВКС; — обновлять базу знаний; — показывать руководителю статус проектов; — выявлять повторяющиеся проблемы. Но внедрять такую систему нужно поэтапно. Первый шаг — пилот на одном процессе: например, контроль поручений или подготовка справок. Второй — подключение СЭД и базы документов. Третий — почта и календарь. Четвертый — ВКС и протоколы. Пятый — рабочие чаты и автоматическое пополнение базы знаний с обязательной проверкой. Главный вывод: если базы знаний нет, ИИ-ассистент может помочь ее создать. Но не бесконтрольно.