Знания компании: зачем их организовывать и как в этом помогает AI

Ценность нематериальных ресурсов — к которым относятся и накапливаемые в компаниях сведения — может кратно превышать стоимость материальных. Однако данные приносят настоящую пользу только тогда, когда становятся знаниями — информацией, которая важна в контексте принятия решений и выполнения задач. Системное управление данными компании помогает обеспечить эффективность процессов, снизить операционные риски и повысить адаптивность бизнеса к изменениям.

Почему важно управлять знаниями организации

Сегодня управление знаниями в компаниях приобретает особую важность по ряду причин:

1. Потеря лучших практик

Средний срок работы сотрудника в одной компании сокращается. Как правило, с уходом специалистов теряются знания и опыт, которые трудно восполнить. Даже если остались файлы и документы, найти нужную информацию в них бывает непросто. Кроме того, современный рынок труда характеризуется высокой мобильностью, удаленный формат работы стал нормой. Важно не только сохранять преемственность, но и обеспечивать доступность знаний внутри компании.

2. Изменения в правовом поле

Если в 2014 году в России было принято почти 300 законов, то в 2024 уже около 600. Необходимы инструменты, которые могут помогать специалистам ориентироваться в массиве быстро меняющейся информации — становиться их «второй памятью», а также позволят оперативно адаптировать внутренние документы компании — например, обновлять ссылки на актуальные НПА, вносить корректировки в регламенты и политики в соответствии с новыми требованиями.

3. Стремительный рост неструктурированных данных

В 2010 году объем создаваемых, копируемых и потребляемых данных составлял около 2 зеттабайт (1 зеттабайт — 1 миллиард терабайт). По прогнозам, к концу 2025 года этот показатель достигнет 175 зеттабайт. Такую динамику можно экстраполировать на объемы информации, с которыми ежедневно сталкиваются крупные компании. При этом более 80% такой информации — неструктурированная (электронные письма, документы, изображения), что затрудняет ее анализ.

4. Данные — это еще не знания

Большая часть информации остается труднодоступной или вовсе не используется. Она теряется в электронных архивах, рассеивается по личным папкам, зарывается в длинных переписках — и превращается в цифровой шум.

Найти нужный документ спустя время бывает затруднительно. Например, спустя пару месяцев после прочтения отчета сложно вспомнить, где именно встречались нужные сейчас показатели. Если необходимый документ лежит где-то на локальном диске — то поиск ведется по точному совпадению слов, то есть можно получить 300 файлов из своего облачного архива. Так происходит, потому что компьютерный поиск устроен совсем иначе, чем поиск нашего естественного интеллекта — он ищет слова, а не контекст и связи. И кроме того, в нем нет мультимодальности.

Даже хорошо организованные библиотеки визуальных материалов — например, коллекции иконок для презентаций — со временем теряют эффективность. В какой-то момент возникает необходимость в новых визуальных решениях, и даже качественные платные подборки оказываются бесполезными просто потому, что в них сложно ориентироваться. В итоге становится быстрее сгенерировать нужное изображение с помощью нейросети, чем искать его вручную в собственном архиве или на стоках.

Пока мультимодальный поиск остается недоступным, визуальные элементы, презентации и другие накопленные материалы часто превращаются в «цифровой балласт». Чтобы данные действительно стали знаниями, необходимы решения, способные интерпретировать информацию так, как это делает человек — с пониманием цели.

Все эти барьеры эффективно преодолеваются с помощью искусственного интеллекта (AI). AI помогает структурировать большие объемы информации, извлекать смыслы, отслеживать изменения и обеспечивать быстрый поиск с учетом контекста.

Практические AI-решения

Ниже мы собрали примеры AI-инструментов, которые позволяют компаниям эффективно использовать данные, поступающие к ним и накапливающиеся за время их деятельности.

Сервис интеллектуальной обработки документов (IDP-сервис). Он распознает файлы (jpeg, pdf и др.), извлекает из них нужные данные (ИНН, ФИО, дата и другие атрибуты), сверяет их с базами данных, классифицирует и сортирует документы, проводит междокументные сверки внутри комплекта, проверяет полноту пакета документов, сравнивает версии документов, чтобы найти изменения. Это позволяет сократить ручной труд, ускорить процессы и повысить надежность работы с информацией.

Таким образом, документы перестают быть пассивными хранилищами информации и становятся активными источниками знаний — пригодными для автоматизации процессов.

Например, для компании «САЛАИР» SL Soft с помощью IDP-сервиса автоматизировала работу с транспортными накладными, экспедиторскими расписками и финансовой первичной документацией. Благодаря этому решению трудозатраты на обработку сократились на 75%, а скорость поступления оплат от контрагентов увеличилась в два раза.

AI-агенты и AI-ассистенты, которые берут на себя рутинные задачи и работают в корпоративных системах так же, как это делает сотрудник. Они переключаются между приложениями, переносят информацию между сервисами, запускают процессы и принимают определенные бизнес-решения без участия пользователя. Однако между этими решениями есть отличия.

AI-ассистент помогает в конкретных задачах, например в HR-отделе оформляет справки или командировки, для финансовой службы собирает данные из разных систем и формирует отчеты, в закупках обрабатывает коммерческие предложения и рассчитывает начальную максимальную цену договора.

AI-ассистент действует строго по сценарию и реактивно — по запросам пользователя. Это гарантирует соблюдение необходимых параметров, условий или скриптов, важных в рамках определенных процедур. Также за счет применения AI в работе с неструктурированными данными на базе решения возможна реализация сквозных автоматизированных бизнес-процессов.

AI-агент — это автономный помощник, который работает на достижение поставленной цели. Он может планировать, анализировать, адаптироваться, запоминать, принимать решения, действовать самостоятельно. Такие агенты могут действовать проактивно: отслеживать события, реагировать на отклонения, инициировать нужные действия. Поэтому AI-агент подходит для выполнения сложных многоэтапных задач без вмешательства пользователя.  

Также благодаря применению LLM- и LMM-моделей и методологии RAG агенты в своей работе опираются на базу знаний компании: формируют ответы, составляют документы с регламентами, участвуют в коммуникации — как внутри компании, так и во внешнем контуре.

Сравним работу агента и ассистента на базе AI на примере их применения в кол-центре компании:

• AI-ассистент работает строго по заранее прописанным сценариям: на какие вопросы и как отвечать, как реагировать на конкретные формулировки клиента, какие действия предпринимать при разных вариантах диалога и получаемых данных — например из скриншотов документов, прилагаемых к обращениям (договор, заявление и др.). Такой подход ускоряет обработку обращений, снижает нагрузку на операторов, исключает пиковые нагрузки и гарантирует исполнение предусмотренного сценария, что важно для ряда задач. Однако для достижения целевых метрик, таких как уровень удовлетворенности (CSAT), сценарии требуется детально прорабатывать и регулярно обновлять — это трудоемкий процесс, требующий участия аналитиков.
•  AI-агенту может быть дана установка отрабатывать входящие запросы, классифицировать их и доводить обращения до завершения без участия оператора, обеспечивая уровень CSAT не ниже 85%, и дорабатывать ответы с учетом обратной связи, а также при необходимости инициировать дополнительные действия — запрашивать доступы, формировать список доработок к продукту и так далее. Это делает работу с клиентами гибкой, масштабируемой и устойчивой.

Интеллектуальные корпоративные системы проверки документации, генерации контента и нормализации данных. Это прикладные решения, которые адаптируют под задачи компании.

Например, система может преобразовывать произвольные наименования товарных позиций в структурированные записи, соответствующие корпоративным стандартам. Это обеспечивает быстрый и точный поиск аналогов номенклатуры по характеристикам, сопоставление справочников и устранение дублирующих позиций.

Кроме того, такие AI-инструменты могут:

• формировать технические задания по шаблонам,
• генерировать текстовые и визуальные материалы на основе корпоративной базы знаний,
• моделировать объекты и строить 3D-модели по заданным параметрам.

Отдельное направление — автоматизированная проверка корпоративной документации. Системы могут выявлять потенциальные юридические риски, несогласованности и пропущенные обязательные элементы, анализировать тексты на соответствие корпоративному стилю. Такие решения активно используются при анализе договоров, политик, регламентов и технической документации, снижая риск ошибок и повышая единообразие деловых коммуникаций.

Пример внедрения подобной интеллектуальной системы — проект SL Soft для федерального ведомства. На базе платформы SL Soft AI была реализована система поддержки деятельности правовых подразделений. Ежегодно министерство рассматривает более 1300 предложений по совершенствованию законодательства. Использование AI-сервисов позволило повысить эффективность работы с документами: обеспечить сбор и агрегирование предложений по корректировкам законодательства, правовую экспертизу (включая антикоррупционную) проектов нормативных правовых актов и помощь в поиске правовых пробелов и коллизий.

Интеллектуальный поиск

Интеллектуальный поиск — еще один полезный инструмент для бизнеса: он позволяет находить нужные данные и документы быстро и точно, используя не просто ключевые слова, а контекст, смысл и связи между объектами.

Такой поиск работает в формате поисковой строки или чата, где пользователь может ввести запрос на естественном языке, а система на основе AI обработает его, учитывая синонимы и отраслевую специфику, исправляя опечатки и ошибки, а затем выдаст результат на основе данных компании.

Бизнес-результат

Использование AI-систем обеспечивает преемственность знаний в компаниях и экономит время на поиске нужной для работы информации — по опыту наших клиентов до 2 часов в день. Кроме того, сокращается количество ошибок и оптимизируются трудозатраты по обработке и переносу данных. Конкретные метрики зависят от задачи и типа сервиса, но, например, в проектах по обработке документов (IDP-системы) процессы становятся в среднем в 5-10 раз быстрее и в 3-5 раз дешевле