Почему корпоративная база знаний не отвечает на половину вопросов сотрудников?

В крупных девелоперских компаниях знания годами накапливаются в регламентах, инструкциях, проектной документации и внутренних стандартах. Проблема в том, что нужная информация часто разбросана по десяткам документов, а обычный поиск находит только отдельные фрагменты без общего контекста.

🟤С этой задачей столкнулись в Level Group. Вместе с KTS компания разработала ИИ-ассистента для корпоративной базы знаний, который объединил векторный и графовый поиск на базе LightRAG. Благодаря этому система умеет не только находить нужный документ, но и связывать информацию из разных источников, формируя целостный ответ.

Перед запуском разработчики также очистили базу знаний от смысловых дублей и неактуальных данных, чтобы снизить риск ошибок в ответах ИИ. В результате точность работы ассистента превысила 90%, а сотрудники получили инструмент для быстрого поиска информации со ссылками на первоисточники.

➡️ В кейсе разбираем, чем графовый поиск отличается от классического RAG, почему качество данных оказалось не менее важным, чем выбор модели, и как устроена архитектура ИИ-ассистента для корпоративной базы знаний.