Умный AI-поиск для производителя бытовой техники: RAG-решения для корпоративных знаний

Когда корпоративная база знаний насчитывает тысячи инструкций, спецификаций, сервисных мануалов, классический поиск перестаёт работать. Мы разработали интеллектуальную систему AI-поиска, которая понимает смысл запроса, формирует точные ответы и существенно ускоряет доступ к необходимым данным.

Привет. Мы Haiku— лаборатория ИИ-решений для крупного бизнеса. Мы исследуем, разрабатываем и внедряем ИИ-технологии, а также управляем масштабными ИТ-проектами крупных российских компаний. Сегодня делимся кейсом внедрения ИИ-поиска в бизнес.

В статье:

1. Задача проекта
2. Решение
3. Результаты для бизнеса
4. Вывод по окончании проекта

Задача клиента

К нам обратился один из крупнейших брендов бытовой техники в России с задачей оптимизировать поиск по внутренней базе знаний и сократить время, которое сотрудники тратят на работу с документацией.

В компании поддерживается масштабная база знаний: технические характеристики, инструкции по эксплуатации, сервисные регламенты для инженеров и менеджеров. За годы активного роста база разрослась до более чем 10 000 документов в разных форматах.

1. Каждый новый сотрудник и даже опытные специалисты тратили много времени на поиск нужного ответа или актуальной версии документа. В среднем до 15% рабочего времени уходило только на поиск — это недели работы в пересчёте на год для всей команды.
2. Поиск по ключевым словам работал неэффективно: требовалось точно знать формулировки, вручную просматривать десятки файлов, не было поддержки синонимов и профессионального жаргона. Сотрудники часто сталкивались с ситуацией, когда система просто «не видит» нужный документ из-за «неправильного» запроса.
3. Если нужную информацию не удавалось найти самостоятельно, сотрудники обращались в техническую поддержку. Это отнимало время у обеих сторон.
4. С расширением продуктовой линейки требовалось быстро актуализировать базу и сделать её доступной для новых сотрудников по всей стране.

Проблема заключалась не в отсутствии знаний, а в невозможности быстро и точно их найти и применить.

Решение: Семантический поиск и генерация ответов по базе знаний (RAG)

Вместо классического поиска по ключевым словам мы предложили перейти на семантический поиск на базе RAG (Retrieval-Augmented Generation).

1. Построили единую платформу поиска, работающую на уровне смысла, а не только слов. Пользователь формулирует запрос простыми словами, как в разговоре с коллегой. Система использует современные NLP-модели для векторизации и семантического анализа текста. Это позволяет «понимать» не только прямые формулировки, но и синонимы, аббревиатуры, варианты профессиональных терминов.

1. Интегрировали поиск по всему массиву знаний, без слепых зон и вне зависимости от формата файла. Инструкции, спецификации и регламенты доступны через единый интерфейс. Система поддерживает различные форматы файлов (PDF, DOCX, HTML) и быстро индексирует новые документы.

1. Реализовали генерацию комплексных ответов на основе нескольких источников. На запрос пользователя (например, «Как заменить ТЭН в модели X?») система собирает ответ из разных источников и приводит ссылки на оригинальные документы.

Вместо того чтобы надеяться, что сотрудник правильно угадает название нужного файла, система подстраивается под человека и понимает любые формулировки. Теперь сотрудники могут находить информацию, не адаптируя стиль запроса под «капризы» поисковой строки.

Технический стек решения:

1. NLP (Natural Language Processing)
2. Python
3. Various embedding / vectorizing models
4. Vector search
5. ELK Stack — Elasticsearch, Solr
6. Pinecone DB

Результаты для бизнеса

Проект находится на стадии тестирования, поэтому мы не можем раскрывать конкретные показатели. Но поделимся примерами из практики международных компаний, каких результатов можно достичь при внедрении подобной технологии.

Duolingo

Duolingo — международная платформа для изучения языков, в которой задействованы глобальные распределенные команды. Их корпоративные знания и рабочие материалы были разбросаны по Google Drive, Slack, Confluence, Zendesk и другим сервисам. Из-за этого поиск информации отнимал массу времени, затруднял onboarding, замедлял развитие новых функций.

Duolingo пыталась решить проблему внутренним агрегатором поиска Metasearch, но ему не хватало фильтров и ранжирования, а доработка под каждую систему требовала бы огромных ресурсов. Для решения этой задачи был внедрён интеллектуальный AI-поиск от разработчика Glean, а также чат-ассистент, с которым взаимодействуют сотрудники.

Теперь каждый сотрудник может просто написать свой вопрос или сформулировать задачу так, как сказал бы это человеку, и получить релевантный ответ, агрегирующий знания из всех корпоративных источников. Благодаря этому скорость поиска информации выросла в разы, межкомандное взаимодействие ускорилось, а экономия рабочего времени составила более 500 часов ежемесячно. Это позволило сэкономить $ 1,1 млн в год только за счёт оптимизации работы с корпоративными знаниями.

Время сотрудников дорого стоит. Сделать документацию доступнее — это простой способ сэкономить время, особенно когда быстрый поиск знаний компании помогает избежать дублирования работы

Art Chaidarun

Booking.com

Booking.com — мировой лидер в сфере онлайн-бронирования путешествий, ежедневно работающий с огромными объёмами информации, распределённой между десятками внутренних систем. Сотрудники часто сталкивались с тем, что найти нужные данные для ответа клиенту или партнёру — значит потратить 10 минут на тикет или вручную собирать сведения из разных источников. Им нужен был масштабируемый AI-поиск, который решал бы эти задачи и соответствовал строгим требованиям безопасности и GDPR.

Внедрение AI-поиска объединило корпоративные данные и обеспечило быстрый поиск по всем внутренним системам с поддержкой естественного языка и учетом контекста запроса. Команда Booking.com использует AI-поиск для ускорения подготовки сценариев промовидео для партнёров: раньше из-за большого объёма работы возникали очереди и задержки, теперь цикл производства сократился с 8 до 2 недель. Объем выпусков видео вырос с 2 до 5 роликов в месяц, что позволило своевременно поддерживать партнёров и критически важные бизнес-события.

ИИ будет везде, поэтому важно понимать, как люди будут работать и какую роль ИИ займёт в этом опыте. Чем быстрее мы научим команду работать с ИИ, тем сильнее будут наши позиции в будущем.

Noah Gay

Мировой опыт лидеров рынка показывает, что AI-поиск может стать универсальным инструментом доступа к корпоративным знаниям. Такой поиск помогает быстрее находить нужную информацию, автоматизирует обучение новых сотрудников, легко интегрируется с корпоративными мессенджерами и сервисами поддержки. Кроме того, он позволяет собирать аналитику по вопросам, которые реально волнуют команду.

Возможности для развития

1. Автоматическое пополнение базы знаний по итогам типовых обращений.
2. Встраивание поиска в любые корпоративные системы — порталы, чаты, сервисы поддержки.
3. Гибкая аналитика для управления качеством и актуальностью базы.

Если вы хотите, чтобы сотрудники быстро находили нужную информацию, легче учились и решали действительно важные задачи бизнеса, обратите внимание на интеллектуальный AI-поиск. Внедрение RAG-решений уже экономит сотни часов и миллионы рублей лидерам рынка, ускоряя процессы, снижая нагрузку на поддержку и давая вашей команде мгновенный доступ ко всем знаниям компании.

Напишите на sergey.ershov@haiku.dev или в Telegram @Ershovsa — покажем демо, адаптируем концепт под ваши задачи и проведём пилот. Haiku внедряет AI-решения, которые меняют сам подход к работе с корпоративной базой знаний.