ИИ-поиск по документам для компаний и учреждений

Что такое ИИ-поиск по документам

Обычный поиск работает по ключевым словам: он находит документы, в которых встречается ровно то, что вы ввели. Это удобно, когда вы знаете название файла или формулировку, но не помогает, если вы спрашиваете «какой срок уведомления о расторжении аренды офиса», а в договоре написано «договор может быть расторгнут с предварительным уведомлением за 60 дней».

ИИ-поиск понимает смысл и вопроса, и текста. Вместо списка файлов сотрудник получает прямой ответ в одно-два предложения с названием документа, пунктом, страницей и цитатой. Ответ можно использовать сразу, а оригинал открывается одним кликом, если нужна дополнительная проверка.

Для компании это означает меньше времени на поиск, более быструю адаптацию новых сотрудников и меньшую зависимость от нескольких коллег, которые «знают, где что лежит».

Как работает RAG с цитированием источников

RAG (Retrieval-Augmented Generation) — архитектура, в которой ИИ сначала находит релевантные части ваших документов и только потом формирует ответ строго на их основе. Модель отвечает не «по памяти», а по фрагментам, которые может процитировать.

В наших системах это выглядит так: документы обрабатываются и делятся на смысловые фрагменты, каждый фрагмент получает векторное представление от нашей embedding-модели, а поиск сочетает сходство по смыслу с классическим поиском по словам. Затем переранжирование отбирает несколько лучших фрагментов, а дообученная языковая модель формирует ответ и указывает источники.

• Гибридный поиск находит и точные названия, номера и коды, и вопросы, сформулированные иначе
• Переранжирование снижает шум и передаёт модели только самые релевантные фрагменты
• Правила цитирования обязывают модель подкреплять каждое утверждение документом и страницей
• Если в документах нет ответа, система прямо сообщает об этом, а не угадывает

Почему собственные дообученные модели, а не публичные ИИ-сервисы

Публичные ИИ-сервисы созданы для общих разговоров. Они не знают ваших договоров, не соблюдают ваши права доступа, а каждый документ, который сотрудник туда копирует, покидает организацию. Для юридических, финансовых и медицинских данных это, как правило, недопустимо.

Поэтому ProCode использует собственные модели, дообученные под отрасль клиента: юридическую терминологию, технические сокращения, внутренние названия продуктов и язык, на котором работает команда. Модели работают на нашей частной инфраструктуре в ЕС или на вашем оборудовании, без передачи данных третьим лицам.

Дополнительное преимущество — предсказуемые расходы. Нет оплаты за каждый запрос иностранному поставщику, а модель не меняется без вашего ведома, поэтому качество ответов остаётся стабильным и измеримым.

Подготовка документов: сканы, таблицы и версии

Качество ответов больше всего зависит от качества обработки документов. Поэтому этому этапу мы уделяем особое внимание — и это работа, которую клиенту не нужно делать самому.

Сканы переводятся в текст с помощью OCR, таблицы сохраняются как таблицы, а приложения связываются с основным договором. Каждый фрагмент несёт метаданные: дату, тип документа, отдел и версию, поэтому система может отдавать приоритет действующему документу, а не старому черновику.

• PDF, Word, Excel, PowerPoint и письма с вложениями
• Отсканированные договоры, решения и протоколы через OCR
• Общие сетевые папки, системы электронного документооборота и SharePoint
• Автоматическая переиндексация новых и изменённых документов

Как мы измеряем точность и поддерживаем качество

ИИ-поиск полезен только тогда, когда ему доверяют. Поэтому точность мы оцениваем не «на глаз», а на наборе реальных вопросов с ожидаемыми ответами и источниками. Для каждого вопроса проверяем, нашла ли система нужный документ, верен ли ответ и действительно ли цитата подтверждает написанное.

После внедрения качество отслеживается постоянно. Пользователи одним кликом оценивают ответы, а вопросы без ответа показывают, какие документы нужно добавить или обновить. На основе этих данных мы периодически донастраиваем модели и поиск, поэтому со временем система становится точнее.

• Тестовый набор вопросов, подготовленный вместе с вашими специалистами
• Раздельное измерение точности поиска источников и точности ответов
• Оценки пользователей и отчёт о вопросах без ответа
• Повторное тестирование перед каждой новой версией модели

Интеграция с СЭД, почтой и бизнес-приложениями

Лучший результат достигается, когда ИИ-поиск работает там, где сотрудники уже работают. Помимо отдельного веб-интерфейса, мы встраиваем поиск в интранет, СЭД, CRM или систему ведения дел, а также предоставляем API для ваших внутренних систем.

Документы загружаются из общих сетевых папок, SharePoint, СЭД и почтовых архивов с автоматическим отслеживанием изменений. Когда регламент обновляется или к договору добавляется приложение, новое содержание становится доступным для поиска без ручной работы, а старая версия остаётся в архиве с понятной пометкой.

Безопасность, права доступа и GDPR

ИИ-поиск не должен становиться обходным путём к документам, которые сотрудник иначе не видит. Поэтому мы переносим права доступа из системы, где документы уже хранятся, и проверяем их перед каждым поиском, а не только при показе ответа.

Система ведёт журнал запросов и ответов, поддерживает единый вход (SSO) и может работать полностью без подключения к интернету. Обработка персональных данных соответствует GDPR: данные остаются в ЕС или у вас, а доступ и сроки хранения определяются вместе с вашим ответственным за защиту данных.

С чего начать: от пилота до всей компании

Самый надёжный путь — пилот на одном массиве документов, с которым команда работает каждый день: договорах, внутренних регламентах или технической документации. В начале мы вместе составляем около пятидесяти реальных вопросов с ожидаемыми ответами и измеряем на них точность до и после настройки.

Когда пилот подтверждает результат, систему расширяют на другие отделы и источники, подключают к СЭД и SSO и дополняют агентами для резюме и сравнения документов. Так инвестиции растут только после того, как польза подтверждена на ваших данных.