RAG-база знаний для поддержки

Команда поддержки из 8 человек тратила до 40% времени на поиск ответов в Notion, PDF-регламентах и старых переписках. Новые сотрудники долго входили в работу: не знали, где искать информацию. Руководителя постоянно отвлекали типовыми вопросами — «как оформить возврат», «какой SLA», «что говорить клиенту». Ответы в чатах дублировались и расходились с официальными регламентами. Клиенты ждали ответ дольше, чем могли бы при быстром доступе к базе знаний.

Собрали RAG-систему для поддержки: документы (регламенты, FAQ, инструкции) загружены в векторную базу. AI-бот принимает вопрос сотрудника или клиента, ищет релевантные фрагменты по смыслу (не только по ключевым словам) и формирует ответ со ссылками на источники. Если уверенность низкая — бот предлагает эскалацию к оператору с кратким summary вопроса. Интерфейс: Telegram-бот для команды + виджет на внутреннем портале. Обновление базы — через загрузку новых документов без переписывания сценариев.

Типовые вопросы закрываются без участия руководителя — сотрудники получают готовый ответ за секунды. Время онбординга новых операторов сократилось: есть единая точка входа для знаний. Снизилось количество эскалаций на старших специалистов. Клиенты стали получать более согласованные ответы по регламентам компании.

OpenAI Embeddings, vector store (Qdrant / Pinecone), LangChain, Telegram Bot, n8n для обновления базы