Как создать базу знаний для сотрудников, по которой отвечает ИИ

Как создать базу знаний: семь шагов

Вот из каких шагов обычно складывается создание базы знаний — от аудита того, что уже есть, до постоянного обновления.

1. Аудит того, что есть. Смотрим, какие документы уже существуют, в каком они состоянии и чего не хватает. Эту часть можно заказать отдельно — проектирование датасета (по-простому — карта данных: что есть и чего не хватает), 150 000 ₽ в рамках аудита процессов; если дальше идём во внедрение, сумма засчитывается.
2. Структура. Делим будущую базу на разделы — по темам и ситуациям, не по отделам компании.
3. Выбор сервиса. Решаем, где хранить документы: в Битрикс24, Яндекс Вики, Kaiten или похожем сервисе.
4. Ответственный и права. Назначаем человека, который утверждает содержание, и решаем, кто что видит.
5. Наполнение. Переносим документы, переписки и ответы наставников.
6. Обучаем команду. Показываем, где искать ответ и куда обращаться, если его нет.
7. Обновление. Превращаем разовую проверку в регулярный процесс.

Понять, что база работает, можно по трём признакам: растёт доля вопросов с самостоятельным ответом; сокращается время выхода новичка на самостоятельную работу; наставника реже спрашивают одно и то же.

Что собрать в базу знаний

Прежде чем открывать сервис для документов, стоит понять, что в него класть. На практике нужное редко лежит кучей: что-то в файлах, что-то в переписках, а самое ценное — в голове у опытного сотрудника.

Опрос VK WorkSpace и Hi-Tech Mail (4 тыс. человек) показал: 42% сотрудников периодически тратят больше времени на поиск файла, чем на саму работу с ним. По другому опросу — сервиса Weeek, 1140 специалистов — на поиск информации и восстановление рабочего контекста уходит в среднем 1 час 50 минут в день, за год — 452 часа, больше 56 рабочих дней.

В базу обычно собирают четыре вещи: регламенты и инструкции; переписки с примерами нестандартных ситуаций; устные ответы наставников, которые никто не записывает; прайсы и таблицы с актуальными цифрами. Быстрее всего база пополняется не из документов, а из разговора с опытным сотрудником. Подробнее — в описании подхода: сбор корпоративных знаний компании.

Как разложить по разделам

Папка на двести файлов без разделов почти бесполезна: чтобы в ней что-то найти, нужно заранее помнить точное название документа. Раскладывать по отделам — тоже не лучшая идея: сотрудник спрашивает своими словами, в духе «что делать, если…», и разделы должны отвечать именно на такие вопросы.

Рабочий способ — разложить материалы по темам и ситуациям, в которых сотрудник реально задаёт вопрос. Для розницы это «касса и возврат», «рецептурные товары», «акции месяца», «оформление на работу». Внутри — короткие ответы на конкретные вопросы, а не документ на десять страниц, который приходится читать целиком.

Проверить структуру просто: дайте новичку три реальных вопроса и посмотрите, находит ли он ответ за минуту. Не находит — дело в разделах, их и стоит переделать в первую очередь.

Кто отвечает за базу и как её обновлять

У базы знаний должен быть один человек, который отвечает за содержание — решает, что в документах верно прямо сейчас. Настройками сервиса ему заниматься не обязательно. Без такой роли база быстро теряет актуальность — с ИИ или без него разницы нет: неверный ответ получит и сотрудник, который читает документ сам, и помощник, который отвечает по нему.

Практика простая: любое изменение — новая акция, регламент, поправка в инструкции — сразу попадает к этому человеку, и он решает, что менять и когда. Полезно ставить у документа дату последней проверки, даже если текст не менялся.

Как мы превращаем разовые проверки в постоянный процесс — в описании подхода: обновление базы знаний, часть сопровождения.

Где хранить базу знаний

Сервис для хранения — просто шкаф с полками: от того, какой выбран, качество документов внутри не меняется. Например, вот четыре — без оценки, какой лучше.

Данные сверены по официальным страницам сервисов, сентябрь 2026. Прямая интеграция подтверждена с Битрикс24, amoCRM, RetailCRM и 1С; с другими документы обычно переносят отдельно, экспортом.

Корпоративная база знаний для сотрудников и ИИСобираем документы, наводим в них порядок и подключаем помощника под ключ

Частые ошибки

Три вещи убивают пользу базы быстрее всего.

Свалка документов вместо структуры. Всё сложено в одну папку без разделов — находить можно только то, что помнишь по названию файла.

Устаревшие версии рядом с актуальными. Три файла с одинаковым названием и разными датами — сотрудник обычно открывает первый попавшийся, не проверяя, какой из них действующий.

Противоречия между документами. Один документ говорит одно, другой — другое, и никто не решил, какой из них верный.

Ни один из этих пунктов не чинится сам по себе: кто-то должен пройтись по базе и решить, какая версия верна, — это работа человека, ответственного за содержание.

Что меняется, если по базе отвечает ИИ

Для людей неточная база — неудобство: сотрудник теряет время и переспрашивает. С помощником иначе: если два документа говорят разное и он не уверен в ответе, он честно об этом скажет и дальше отвечать не будет — или передаст вопрос человеку.

Но порядок наводить всё равно нужно: если противоречий много, помощник будет признаваться в неуверенности слишком часто, и почти каждый вопрос из спорной темы уйдёт к человеку.

За 250 000 ₽ мы подключаем помощника к документам, которые вы даёте, и чистим то, что мешает точным ответам. Если материалы в хаосе и нужна полная пересборка — это отдельная работа со своей ценой: описание и цена — на странице структурирования корпоративных знаний.

Если у сервиса хранения уже есть свой ИИ-чат

Прямой ответ: если такой чат работает и закрывает вашу задачу, отдельный проект не нужен. У части сервисов хранения такой чат уже есть или скоро появится.

У Naumen KMS есть AI-ассистент KMS Copilot: отвечает по содержимому базы, показывает источники (naumen.ru, сентябрь 2026). У Teamly есть продукт TEAMLY AI: встраивается на сайт, портал или в 1С, ERP, CRM, данные можно держать на серверах клиента, среди моделей — открытые Qwen и DeepSeek (teamly.ru, сентябрь 2026). У Битрикс24 агент BitrixGPT уже ищет ответы по базе знаний и в интернете (справка «BitrixGPT: начало работы», helpdesk.bitrix24.ru, 01.09.2026), а на странице самой Базы знаний ИИ пока отмечен как «Скоро» (bitrix24.ru, сентябрь 2026).

Если сервис уже стоит и документы в порядке — возможно, хватит его встроенного чата. Мы берём на себя то, чего в готовом сервисе нет: сами собираем знания через интервью с опытными сотрудниками (сбор корпоративных знаний компании) и сами следим, чтобы материалы не устаревали. Код и доступы после запуска остаются у заказчика.

Кейс: аптечная сеть , 11 000 сотрудников

У федеральной аптечной сети розничный персонал — около 11 000 человек. Мы собрали её регламенты и разложили по разделам ещё до подключения помощника: без этого шага отвечать было бы не по чему, а работает всё внутри самой сети, на её оборудовании. Безошибочность мы не обещаем: помощник отвечает точно в 94 случаях из 100 — то есть около 6 ответов из 100 неточные, поэтому каждый ответ подписан ссылкой на документ, и сотрудник может свериться сам. После запуска текучесть в рознице снизилась на 10–15%. Источник цифр — кейс на сайте.

Когда не нужно подключать ИИ-помощника

Четыре ситуации, в которых мы сами советуем не торопиться с отдельным проектом.

Первая — в сервисе, которым компания уже пользуется, ИИ-чат уже отвечает по базе достаточно хорошо: пользуйтесь тем, что есть.

Вторая — там, где ошибка обходится слишком дорого, а проверить ответ до того, как он дойдёт до человека, некому. Представьте: помощник называет не тот допуск по технике безопасности на складе или путает срок возврата товара покупателю, а в компании никто эту цифру не сверяет. Пока не появится ответственный за такую проверку, начинать рано.

Третья — в неделю приходит два-три вопроса, и коллеги легко справляются сами: отдельный проект тут просто не окупится.

Четвёртая — документов попросту нет. Тогда первый шаг — их сбор, а помощник подключается уже потом; это отдельная работа, её объём и цену считаем на разборе, до старта.

Чек-лист перед стартом

Восемь пунктов готовности базы перед запуском.

• Есть хотя бы один письменный документ — а не только «все всё знают в голове».
• Назначен человек, который отвечает за содержание базы.
• У документов есть даты, и понятно, какая версия действующая.
• Дубли и явные противоречия найдены и убраны.
• Разделы названы так, как сотрудники реально спрашивают, — оргструктура компании тут ни при чём.
• Выбран один сервис для хранения — документы не растащены по пяти разным местам.
• Понятно, в каком мессенджере или чате сотрудники будут задавать вопросы.
• Продуман процесс регулярной проверки ответов — кто и как часто её делает.

Сколько стоит и сколько занимает

ИИ-ассистент для персонала — от 250 000 ₽, сопровождение — от 50 000 ₽ в месяц. Если документов почти нет и их придётся писать с нуля — это отдельная работа: объём и цену обсуждаем до старта.

Первый месяц после запуска — пилот, и он входит в цену. Перед стартом фиксируем, какого результата ждём и как его проверим. Не уложились в месяц — дорабатываем бесплатно. Если и после этого результата нет — останавливаемся сами.

За тем, чтобы ответы не расходились с последней версией документов, следим мы. От компании нужен один человек — он утверждает, что менять в базе, когда регламент меняется.

ИИ-ассистент для персоналаОтвечает сотрудникам по регламентам компании — цены, сроки и как проходит запуск

Что нужно от вас

• То, что уже записано, — пусть даже разрозненно и не идеально: памятки, черновики, старые версии регламентов.
• Время нескольких опытных сотрудников на интервью — обычно два-три часа на человека.
• Человек, который утверждает содержание базы и решает спорные вопросы между документами.
• Доступ к тому мессенджеру или чату, который сотрудники уже используют для рабочих вопросов.

Дальше берём на себя мы: приводим документы в порядок настолько, чтобы помощник отвечал точно, и подключаем его к вашему чату.

Для технических специалистов

У помощника нет заученной базы в голове: перед ответом он ищет в документах компании кусок текста, ближе всего по смыслу к вопросу, и собирает ответ из него — эту связку в отрасли называют RAG — то есть поиском с генерацией ответа по найденному фрагменту. У каждого ответа есть источник. Подробнее — в статье «Что такое RAG простыми словами». С 1С помощник может обмениваться данными через OData — это её стандартный канал для внешних систем, ничего в самой базе 1С он не меняет.

Отсюда техническое требование: документы разбивают на смысловые куски без потери контекста, а у каждого куска — метаданные с источником, версией и датой. Движок выбираем под требования к данным: через интернет — GigaChat, YandexGPT, OpenAI, Claude; с открытым кодом, вроде Qwen, — прямо на оборудование заказчика, тогда данные его не покидают.

Подключение чаще всего идёт в Telegram, Max или внутренний чат компании — туда, где сотрудники уже общаются.