Цель внедрения ИИ в базе знаний понятна: сотрудники быстро находят нужную информацию, тратят меньше времени на решение рабочих задач и консультации клиентов, а компания получает более эффективный инструмент для работы со знаниями.
И так как опыт работы с ИИ сейчас есть практически у всех, кажется, что достаточно просто включить эту функцию в базе знаний, а сотрудники легко разберутся с новым инструментом. Ведь достаточно задать вопрос и получишь релевантный ответ: помощник же «умный».
Однако на практике внедрение искусственного интеллекта вызывает сопротивление, потому что ИИ выдает нерелевантные или слишком широкие ответ в ответ на запрос и совсем не помогает экономить время. Случается это чаще всего потому, что с новым инструментом продолжают работать по-старому: вводят два-три ключевых слова и получают неудовлетворительный результат.
Разбираем, как помочь сотрудникам правильно взаимодействовать с генеративным ИИ и получать от него действительно полезные ответы.
И так как опыт работы с ИИ сейчас есть практически у всех, кажется, что достаточно просто включить эту функцию в базе знаний, а сотрудники легко разберутся с новым инструментом. Ведь достаточно задать вопрос и получишь релевантный ответ: помощник же «умный».
Однако на практике внедрение искусственного интеллекта вызывает сопротивление, потому что ИИ выдает нерелевантные или слишком широкие ответ в ответ на запрос и совсем не помогает экономить время. Случается это чаще всего потому, что с новым инструментом продолжают работать по-старому: вводят два-три ключевых слова и получают неудовлетворительный результат.
Разбираем, как помочь сотрудникам правильно взаимодействовать с генеративным ИИ и получать от него действительно полезные ответы.
В чем отличия классического и семантического поиска
Классический поиск в первую очередь сопоставляет запрос с содержанием документов. Пользователь вводит ключевые слова, а система ищет их в заголовках, тексте, на картинках и в других файлах. Например, на запрос «отпуск» система вернет десятки документов: порядок оформления, график отпусков, правила для новых сотрудников, компенсации, перенос дней и так далее. Документы предоставлены — задача выполнена. Все дальнейшие действия с информацией остаются на пользователе.
Семантический поиск, который использует ИИ, устроен иначе. Он ориентируется не только на совпадение слов, но и на смысл запроса, контекст, намерение пользователя и связи между понятиями. Иными словами, ИИ пытается понять, что именно хочет получить человек. И если сотрудник напишет: «Как оформить отпуск на неделю, если я работаю в компании менее 6 месяцев», то система сумеет сопоставить вопрос не только с самим словом отпуск, но и с заданными условиями.
Если же продолжить отправлять ИИ запросы, построенные по логике классического поиска, то искусственный интеллект не принесет пользы.
Семантический поиск, который использует ИИ, устроен иначе. Он ориентируется не только на совпадение слов, но и на смысл запроса, контекст, намерение пользователя и связи между понятиями. Иными словами, ИИ пытается понять, что именно хочет получить человек. И если сотрудник напишет: «Как оформить отпуск на неделю, если я работаю в компании менее 6 месяцев», то система сумеет сопоставить вопрос не только с самим словом отпуск, но и с заданными условиями.
Если же продолжить отправлять ИИ запросы, построенные по логике классического поиска, то искусственный интеллект не принесет пользы.
Как сформировать запрос к ИИ, чтобы он помог пользователю
Чтобы сотрудники не разочаровались в генеративном ИИ, нужно научить их новому подходу к формулировке запросов. Важно опираться на специфику семантического поиска и роль ИИ — он помогает решить конкретную задачу, а значит, эта задача должна содержаться в самом запросе. Для успешного результата достаточно описать проблему простым языком.
Например, короткий запрос:
«Скрипты отработки возражений»
Или
«Найди скрипты с отработкой клиентских возражений для клиента — представителя крупного бизнеса. Задача — изучить возражения по стоимости продукта и целесообразности внедрения. В ответе приведи эти возражения и дай ссылки на документы, из которых ты их взял».
В первом случае ИИ будет непонятно, с какой целью нужны скрипты и что ему делать с найденной информацией. Во втором он будет знать, что за задача у человека, получит более понятное представление о том, как отфильтровать полученную информацию, проанализировать ее и как ее подать.
Например, короткий запрос:
«Скрипты отработки возражений»
Или
«Найди скрипты с отработкой клиентских возражений для клиента — представителя крупного бизнеса. Задача — изучить возражения по стоимости продукта и целесообразности внедрения. В ответе приведи эти возражения и дай ссылки на документы, из которых ты их взял».
В первом случае ИИ будет непонятно, с какой целью нужны скрипты и что ему делать с найденной информацией. Во втором он будет знать, что за задача у человека, получит более понятное представление о том, как отфильтровать полученную информацию, проанализировать ее и как ее подать.
Правила хорошего запроса
- Опишите ситуацию
Вместо пары ключевых слов нужно раскрыть контекст: с какой сложностью столкнулся пользователь, на каком этапе работы это произошло, что ему нужно сделать.
Пример: «Я готовлю квартальный отчет по расходам для отдела маркетинга. Хочу узнать, включать ли в расходы на организацию участия в профильных мероприятиях, затраты на командировки: проживание, проезд, командировочные».
Погружение в контекст поможет ИИ сузить область поиска, выбрать материалы, которые относятся к описанной ситуации, и дать более четкий ответ.
Пример: «Я готовлю квартальный отчет по расходам для отдела маркетинга. Хочу узнать, включать ли в расходы на организацию участия в профильных мероприятиях, затраты на командировки: проживание, проезд, командировочные».
Погружение в контекст поможет ИИ сузить область поиска, выбрать материалы, которые относятся к описанной ситуации, и дать более четкий ответ.
2. Сформулируйте, что нужно получить и в каком формате
Пользователю может быть нужен не просто документ, или простой ответ, а определенный результат: пошаговая инструкция, краткое объяснение, список документов или сравнение вариантов.
Пример:
Пример:
- «Составь пошаговую инструкцию».
- «Дай краткий ответ для клиента».
- «Сравни два сценария в таблице».
- «Подготовь список документов, которые понадобятся».
3. Укажите особенности, ограничения и другие условия, которые нужно принять в расчет при составлении ответа
если ответ зависит от типа клиента, продукта, срока предоставления услуг или использования продуктов, тарифных планов.
Пример:
«Клиент хочет перейти с тарифного плана Medium на тарифный план Basic. Он оплатил годовую подписку и начал ею пользоваться 1 июля 2026 года. Можно ли оформить переход с одного тарифного плана на другой, более дешевый. Будет ли клиенту возвращена разница в цене и если да, то сколько именно?».
Пример:
«Клиент хочет перейти с тарифного плана Medium на тарифный план Basic. Он оплатил годовую подписку и начал ею пользоваться 1 июля 2026 года. Можно ли оформить переход с одного тарифного плана на другой, более дешевый. Будет ли клиенту возвращена разница в цене и если да, то сколько именно?».
4. Уточняйте ответ, запрашивайте изменения или дополнительную информацию
Первый вопрос, особенно если задача сложная, не всегда закрывает запрос пользователя. Это нормально — ИИ можно задавать дополнительные вопросы, корректировать ответ и общаться в режиме диалога, чтобы добиться лучших результатов.
Например, помощника можно попросить раскрыть один из пунктов списка, привести примеры, дать формулу для расчета, подготовить текст заявления и так далее.
Например, помощника можно попросить раскрыть один из пунктов списка, привести примеры, дать формулу для расчета, подготовить текст заявления и так далее.
Как база знаний помогает сотрудникам работать с ИИ
Частично снять нагрузку с пользователей при формировании запросов к искусственному интеллекту помогает база знаний.
В системе должна быть предусмотрена возможность настроить базовый промпт. В нем будет указан ToV, сам характер помощника, другие аспекты его работы.
Поведение ИИ-помощника можно заранее настроить для отдельных разделов базы знаний. Это снижает требования к формулировке запросов: пользователю не нужно каждый раз уточнять, какие именно данные он хочет получить.
Например, для раздела «Кредитные карты» можно задать отдельный промпт. Он будет указывать ИИ, что при ответе на вопросы о продукте нужно в первую очередь показывать кредитный лимит, продолжительность беспроцентного периода и проценты за операции. Так сотрудники будут получать нужные параметры сразу, без дополнительных уточнений в запросе к ИИ.
В системе должна быть предусмотрена возможность настроить базовый промпт. В нем будет указан ToV, сам характер помощника, другие аспекты его работы.
Поведение ИИ-помощника можно заранее настроить для отдельных разделов базы знаний. Это снижает требования к формулировке запросов: пользователю не нужно каждый раз уточнять, какие именно данные он хочет получить.
Например, для раздела «Кредитные карты» можно задать отдельный промпт. Он будет указывать ИИ, что при ответе на вопросы о продукте нужно в первую очередь показывать кредитный лимит, продолжительность беспроцентного периода и проценты за операции. Так сотрудники будут получать нужные параметры сразу, без дополнительных уточнений в запросе к ИИ.
Важен учет ролевой политики. ИИ должен знать, с кем имеет дело: это консультант отдела продаж, финансовый менеджер или линейный сотрудник на производстве. У всех разные роли, потребности, решаемые задачи. Эта специфика отражается на подборе документов для ответа пользователю. К тому же учет ролевой политики критичен для соблюдения требований информационной безопасности.
Еще один важный момент — задавать вопрос из нужного раздела базы знаний. Один и тот же запрос можно сформулировать на главной странице системы или внутри тематического раздела, куда пользователь уже перешел. Во втором случае ИИ будет опираться на более узкий и релевантный набор материалов, поэтому ответ с большей вероятностью окажется точным.
Именно поэтому важно, чтобы база знаний позволяла структурировать контент и фильтровать область поиска. Один из удобных вариантов — выделять отдельные витрины, то есть тематические разделы знаний для конкретных задач, продуктов или подразделений.
Еще один важный момент — задавать вопрос из нужного раздела базы знаний. Один и тот же запрос можно сформулировать на главной странице системы или внутри тематического раздела, куда пользователь уже перешел. Во втором случае ИИ будет опираться на более узкий и релевантный набор материалов, поэтому ответ с большей вероятностью окажется точным.
Именно поэтому важно, чтобы база знаний позволяла структурировать контент и фильтровать область поиска. Один из удобных вариантов — выделять отдельные витрины, то есть тематические разделы знаний для конкретных задач, продуктов или подразделений.
Дополнительно сузить область поиска для ИИ можно и без участия самого сотрудника — если база знаний глубоко интегрирована с другими корпоративными системами, а запрос задается прямо из их интерфейса.
Например, менеджер по продажам или оператор контакт-центра может обратиться к базе знаний из карточки клиента во время разговора. При достаточно глубокой интеграции система вместе с запросом передаст в базу знаний параметры клиента: его тип, условия обслуживания, регион и другие характеристики. Они будут использоваться как дополнительные фильтры, чтобы ИИ опирался только на релевантные материалы.
Как обучить сотрудников работе с ИИ
Обучение сотрудников работе с ИИ не должно превращаться в отдельный масштабный проект. Будет достаточно простых форматов.
Мини-гайд: В базе знаний можно разместить страницу с краткими правилами по тому, как формировать запрос, какие еще моменты помогут повысить точность и релевантность ответа ИИ. Такой материал должен быть доступен из интерфейса поиска в формате контекстной подсказки.
Практические примеры: Лучше всего сотрудники учатся на задачах, которые им знакомы. Покажите несколько пар «плохой запрос — хороший запрос» для конкретного подразделения.
Например:
Короткие тренировки. Такой формат подойдет подразделениям, которые регулярно работают с ИИ и могут быстро почувствовать эффект от его использования: клиентским службам, технической поддержке, продажам.
Для обучения достаточно взять несколько частых рабочих запросов и переформулировать их по новым правилам. Затем можно сравнить результаты классического поиска и ИИ-помощника. Такой практический формат позволяет сразу скорректировать формулировки, разобрать спорные случаи и ответить на вопросы сотрудников.
Мини-гайд: В базе знаний можно разместить страницу с краткими правилами по тому, как формировать запрос, какие еще моменты помогут повысить точность и релевантность ответа ИИ. Такой материал должен быть доступен из интерфейса поиска в формате контекстной подсказки.
Практические примеры: Лучше всего сотрудники учатся на задачах, которые им знакомы. Покажите несколько пар «плохой запрос — хороший запрос» для конкретного подразделения.
Например:
- «Тарифы» — «Какие тарифы доступны для юридического лица с расчетным счетом? Сравни варианты в таблице».
- «Ошибка оплаты» — «Клиент не может провести оплату картой в интернет-магазине. Какие причины нужно проверить оператору первой линии?».
- «Отпуск» — «Какие действия должен выполнить новый сотрудник, чтобы оформить отпуск после испытательного срока?».
Короткие тренировки. Такой формат подойдет подразделениям, которые регулярно работают с ИИ и могут быстро почувствовать эффект от его использования: клиентским службам, технической поддержке, продажам.
Для обучения достаточно взять несколько частых рабочих запросов и переформулировать их по новым правилам. Затем можно сравнить результаты классического поиска и ИИ-помощника. Такой практический формат позволяет сразу скорректировать формулировки, разобрать спорные случаи и ответить на вопросы сотрудников.
Как отслеживать результаты и эффективность
Оценить, насколько хорошо сотрудники адаптировались к новому инструменту, помогут следующие действия.
1. Оценка количества запросов к ИИ и другие метрики
Если запросы к ИИ растут в динамике, метод работает и приносит результаты. Уточнить качество работы генеративного ИИ на поиске помогут дополнительные метрики:
- количество уточняющих вопросов после первого ответа;
- доля запросов без релевантного результата;
- оценки полезности ответов;
- количество переходов к исходным документам;
- время поиска нужной информации.
2. Регулярный сбор обратной связи
Делать это можно с помощью привычных вопросов «Был ли ответ полезен». Далее можно расширить фидбэк, запуская более конкретные вопросы на аудиторию пользователей, которая активно пользуется ИИ.
Пример:
Делать это можно с помощью привычных вопросов «Был ли ответ полезен». Далее можно расширить фидбэк, запуская более конкретные вопросы на аудиторию пользователей, которая активно пользуется ИИ.
Пример:
- Насколько вам понятно, какую информацию стоит добавить в запрос, чтобы получить более точный ответ?
- Как часто вам приходится уточнять первичный запрос к ИИ и почему?
- Можете ли вы отметить, что качество ответа ИИ повышается, когда вы уточняете контекст и условия задачи?
3. Анализ вопросов без ответа
Эта информация покажет, где в базе знаний не хватает контента, какие документы противоречат друг другу или какие термины пользователи используют иначе, чем авторы материалов.
Эта информация покажет, где в базе знаний не хватает контента, какие документы противоречат друг другу или какие термины пользователи используют иначе, чем авторы материалов.
О чем важно помнить
Культура работы с ИИ не появится сама, просто потому что вы подключили эту функцию в своей базе знаний. Сотрудникам нужно объяснить, что семантический поиск меняет способ постановки задачи, рассказать, в каких случаях лучше прибегать к нему, а не в классическому поисковому механизму. Главное — изменить саму привычку: работать не просто с ключевыми словами, а формулировать рабочие задачи — с контекстом, условиями, ожидаемым результатом.
Важный аспект, о котором следует помнить: функциональная поддержка ИИ-поиска со стороны базы знаний, которая включает в себя преднастроенный базовый промпт, возможность максимально сузить корпус информации как в ручном, так и в автоматическом режиме, учет политик доступа.
В результате семантический поиск станет не отдельной «умной функцией», а естественным способом взаимодействия с корпоративными знаниями.
Важный аспект, о котором следует помнить: функциональная поддержка ИИ-поиска со стороны базы знаний, которая включает в себя преднастроенный базовый промпт, возможность максимально сузить корпус информации как в ручном, так и в автоматическом режиме, учет политик доступа.
В результате семантический поиск станет не отдельной «умной функцией», а естественным способом взаимодействия с корпоративными знаниями.
