ИИ-ассистенты по регламентам для продуктовой сети с 30 000 сотрудников

Задача — три группы, задающие одни и те же вопросы не там, где нужно, при жёстком правиле никаких выдуманных ответов: ассистент, уверенно перевирающий регламент ценообразования, хуже, чем его отсутствие. Риск хорошо задокументирован: в Stack Overflow Developer Survey (2024) самой частой претензией к ИИ-инструментам было недоверие к их выводу, а OWASP LLM Top 10 (2025) относит дезинформацию и prompt injection к основным рискам приложений.

• Коммерческая функция тратила часы на поиск нужного пункта в десятках регламентов; новые сотрудники месяцами входили в курс дела и отвлекали руководителей одними и теми же вопросами.
• Директора магазинов звонили в офис с одинаковыми операционными вопросами — и не могли искать по 40-страничному PDF, стоя в молочном отделе.
• HR снова и снова отвечал на одни и те же вопросы об отпусках, больничных и графиках для 30 000 сотрудников на нескольких языках.

Каждый ответ строится строго из найденных фрагментов и показывает источники как нумерованные ссылки с переходом в документ. Если в корпусе ответа нет, ассистент так и говорит и указывает на ответственного эксперта.

Решение построено как одна RAG-платформа с тремя интерфейсами. Документы проходят аудит, режутся на чанки по структуре пунктов и индексируются для гибридного поиска; модель отвечает только из найденных фрагментов, цитирует их и возвращает явное «не найдено» при низкой уверенности поиска. Обоснованность и логирование рассматривались как контроли управления в смысле NIST AI Risk Management Framework (2023) — измеримые, мониторимые, с владельцем, — а не как трюки в промпте.

• Сначала аудит корпуса. Прежде чем что-то индексировать, мы прошли с каждой функцией по её документам и отметили устаревшие версии — RAG на устаревших документах ошибается уверенно.
• Пайплайн индексации. Парсинг DOCX/PDF/XLSX, семантический чанкинг с учётом структуры пунктов, мультиязычные эмбеддинги, гибридный поиск (BM25 + векторный) с cross-encoder-реранкером. Переиндексация — по изменению документа.
• Обоснованная генерация. Ответы цитируют фрагменты как [1][2]; все запросы и ответы логируются.
• Три интерфейса, одна платформа. Веб и Telegram-бот с корпоративным SSO для коммерческой функции; мобильный голосовой ассистент для директоров магазинов (локальный Whisper, поиск с учётом формата магазина, ответ текстом и голосом); HR-ассистент, который отвечает на общие вопросы по политикам и маршрутизирует персональные случаи («сколько дней отпуска осталось у меня») специалисту, пока не согласована интеграция с кадровой системой.
• Петля обратной связи. Оценка каждого ответа и еженедельный дайджест вопросов без ответа — он стал входом для актуализации самих регламентов.

Таблица объясняет, почему платформа ищет по документам, а не дообучает модель на них. Регламенты меняются еженедельно, и каждый ответ должен указывать на пункт; поиск справляется с обоими требованиями, а дообученная модель требовала бы переобучения на каждое изменение и не умеет цитировать. У дообучения есть своё место — тон, формат, отраслевая лексика — и оно может работать поверх поиска.

Директора спрашивают голосом с телефона. Распознавание речи работает on-premise; поиск знает формат магазина, потому что процедуры гипермаркета и магазина у дома различаются.

Замерены в пилотной группе (коммерческая функция, 180 пользователей; 40 пилотных магазинов) за первые три месяца и подтверждены при тиражировании.

Стек — сервисы на Python (LangChain для оркестрации, собственный поиск), PostgreSQL с pgvector, Whisper для локального распознавания речи, Laravel + Vue для админки и аналитики, Telegram Bot API и корпоративный AD/SSO, развёрнутые в Kubernetes-кластере клиента, чтобы документы и транскрипты не покидали периметр. Выбор модели подключаемый: пилот работал на облачной LLM по соглашению об обработке данных того рода, которое статья 28 GDPR требует между контролёром и процессором (2016); HR-ассистент, обрабатывающий самые личные вопросы, работает на self-hosted-модели.

На той же платформе теперь работают ассистент для переписки с поставщиками (закупки) и проверка договоров на отклонения от шаблона (юристы). Дайджест вопросов без ответа стал постоянным пунктом повестки владельцев регламентов — ассистент оказался самым быстрым способом узнать, какие правила непонятны. За пределами ритейла та же форма платформы подходит любой организации, чьи сотрудники отвечают на вопросы по корпусу внутренних документов: банкам, страховщикам, логистическим операторам, госорганам.