Короткий ответ: качество ИИ-бота по документам в большой степени определяется базой знаний до запуска модели. Пять требований: документы в текстовом формате (не сканы), одна действующая версия каждого документа, одна тема на один документ, понятная структура с заголовками и 50 реальных вопросов клиентов для проверки. Хаос на входе даёт уверенные выдумки на выходе. Обычно подготовка занимает около десяти рабочих часов, а не месяцы.
Бот не знает вашу компанию: он ищет ответы в том, что вы ему дали. Если в базе два разных прайса и устаревшие условия, бот будет отвечать непредсказуемо. Поэтому первый этап любого проекта — подготовка материалов. Подробнее о том, как устроен такой бот: чат-бот на базе знаний.
Чек-лист подготовки базы
| Пункт | Что сделать | Почему |
|---|---|---|
| Форматы | docx, pdf с текстом, html, таблицы, текстовые файлы | сканы без распознавания система не прочитает |
| Актуальность | оставьте одну действующую версию, удалите старые | два прайса в базе дают случайные ответы |
| Структура | заголовки внутри документа, одна тема на файл | «всё в одном документе на 300 страниц» ищется плохо |
| Язык | формулировки клиентов, а не внутренний жаргон | «доставка 3–5 дней» понятнее, чем «логистический цикл» |
| Топ-50 вопросов | реальные вопросы клиентов за квартал из переписок | на них проверяется бот до запуска |
| Противоречия | найдите и устраните: условия в разных документах должны совпадать | бот процитирует любую из версий |
| Права и источники | отметьте, что можно показывать клиентам, что только сотрудникам | защита внутренней информации |
Какие документы нужны
- прайс и условия оплаты;
- описание услуг и товаров;
- условия доставки, возврата, гарантии;
- FAQ и ответы поддержки на частые вопросы;
- инструкции и регламенты (для внутреннего ассистента);
- информация о компании: адреса, режим работы, контакты, реквизиты.
Даже 20–50 страниц хорошо структурированной информации дают заметный скачок качества по сравнению с «подключённым сайтом».
Что не нужно готовить
Перфекционизм. Не нужно приводить базу к идеалу за два месяца. Стартовый набор из 20–50 живых документов и топ вопросов — рабочий минимум, остальное добавляется по ходу. Отчёт бота по вопросам без ответа покажет, каких документов не хватает, и пополнение происходит по реальной потребности.
Как собрать топ-50 вопросов
- Выгрузите переписку поддержки, почту, чаты и заявки за последние три месяца.
- Сгруппируйте похожие вопросы, оставьте 50 самых частых.
- К каждому напишите эталонный ответ и укажите документ-источник.
- Добавьте 10–15 «трудных» вопросов: ответов на которые в базе нет. Бот должен честно сказать «не знаю» и передать человеку.
Этот набор станет тестом качества до запуска и после каждого обновления базы.
Кто этим занимается
Человек, знающий содержание: обычно руководитель отдела, старший специалист или менеджер продукта. Подготовка базы типовой компании занимает порядка десяти часов, а не месяцев. Дальше поддержание: новая версия документа заменяет старую за минуты. Если регламентов нет, их можно собрать из интервью с сотрудниками (ИИ-регламенты).
Работа со сканами и PDF
- PDF, созданные из текстовых редакторов, содержат текст и подходят.
- Сканы и фото документов требуют распознавания (OCR). Качество зависит от оригинала, поэтому первые партии проверяет человек.
- Таблицы с ценами лучше сохранить в структурированном виде (таблица, CSV), а не картинкой.
- Презентации с текстом на картинках нужно переписать в текст.
Конфиденциальность
В базе могут оказаться данные клиентов и коммерческая тайна. В локальном контуре данные не выходят наружу (локальные LLM), в облако отправляется только обезличенный текст. Если документы содержат персональные данные, требуется схема обработки и согласия (ИИ и 152-ФЗ).
Стоимость подготовки и запуска
Подготовку документов обычно делает сотрудник компании, а я помогаю структурировать и проверить. Пилот бота по документам стоит от 100 000 ₽, 2–4 недели, без учёта вашего времени на подготовку. Услуга: ИИ-бот по базе знаний, цены: сколько стоит ИИ-бот по документам.
Часто задают вопросы
Сканы совсем нельзя?
Можно после распознавания (OCR). Качество зависит от сканов, поэтому первые партии проверяются вручную.
Можно ли использовать конфиденциальные документы?
Да, в локальном контуре данные не выходят наружу. В облачную модель отправляется только обезличенный текст.
Кто правит документы потом?
Владелец базы с вашей стороны: это живой процесс, как с прайсами. Бот честно отвечает по тому, что в базе.
Сколько документов нужно для старта?
Хватит 20–50 материалов по основным темам. Остальное дополняется по отчёту о вопросах без ответа.
Нужна помощь подготовить базу знаний? Пришлите список документов в чат, я подскажу, что добавить и что убрать. Если нужно оформить техзадание на бота, пригодится статья ТЗ на ИИ-ассистента, а передавать материалы удобно через облако (как передавать файлы подрядчику).
