Была составлена AI-ready карта: источники данных, база знаний, ограничения, первый сценарий пилота и критерии качества.
Карта разбора
Ситуация, риски и решение
Компания хотела запустить AI-сценарий, но данные, документы, роли и источники знаний ещё не были готовы к безопасному использованию.
- AI будет опираться на устаревшие или противоречивые материалы
- пользователь увидит данные не своего уровня доступа
- пилот будет оцениваться по демо, а не по рабочему качеству
- источники данных, документы и владельцев знаний
- права доступа и ограничения по ролям
- качество базы знаний, сценарии и критерии проверки
- собрать AI-ready карту данных и ограничений
- выбрать один проверяемый сценарий первого пилота
- подготовить источники, права и метрики качества
- стало ясно, что нужно подготовить до AI-внедрения
- пилот можно было запускать на проверяемой основе
- снизился риск красивого, но бесполезного AI-демо
Почему сценарий обезличен
Разбор описывает типовую ситуацию перед AI-внедрением. В нём нет названия компании, конкретных внутренних данных, фальшивых метрик и обещаний быстрого эффекта. Цель - показать, почему AI-проект часто начинается не с модели, а с подготовки системы.
Контекст
Компания хотела добавить AI-ассистента в портал, личный кабинет или внутренний сервис. Идея выглядела понятной: пользователь задаёт вопрос, система помогает найти ответ, подготовить черновик или сориентироваться в документах.
Но до запуска выяснялось, что источники знаний разрознены, документы обновляются нерегулярно, роли пользователей описаны неполно, а часть данных находится в разных системах. В такой ситуации AI мог бы не улучшить процесс, а ускорить распространение ошибок.
Симптомы
- не было одного списка документов, которые можно использовать в AI-сценарии;
- часть инструкций была устаревшей или противоречивой;
- права доступа отличались для разных ролей, но не были формализованы;
- данные в портале, CRM и таблицах могли расходиться;
- первый AI-сценарий был слишком широким;
- команда не определила, как оценивать качество ответа.
Что проверяли
| Зона проверки | Что было важно понять |
|---|---|
| Данные | Где находится источник истины и кто отвечает за исправления |
| Документы | Какие материалы актуальны и могут использоваться ассистентом |
| Права | Что можно показывать разным ролям пользователей |
| Сценарий | Какую конкретную задачу AI должен закрыть в первом пилоте |
| Качество | Как проверять ответы и разбирать ошибки |
| Эксплуатация | Кто будет обновлять базу знаний после запуска |
Что стало понятно
Идея AI была уместной, но запускать её сразу было рискованно. Проблема находилась не в выборе модели, а в готовности данных и процесса. Без владельцев источников, правил доступа и критериев качества ассистент мог давать уверенные, но непроверяемые ответы.
Это изменило порядок работ: сначала AI-ready аудит и подготовка базы знаний, затем узкий пилот, затем постепенное расширение.
Что входило в AI-ready карту
Перед пилотом нужно было зафиксировать:
- какие источники данных используются;
- какие документы считаются актуальными;
- какие материалы исключаются из AI-сценария;
- какие роли имеют доступ к ответам;
- где ассистент должен отказаться от ответа;
- кто исправляет ошибки в базе знаний;
- какие тестовые вопросы используются для проверки качества.
Такая карта помогает не спорить о том, “готов ли AI”, а видеть конкретные зоны подготовки.
План действий
- Выбрать один ограниченный AI-сценарий для первого пилота.
- Собрать источники знаний и отделить актуальные документы от архивных.
- Описать роли пользователей и ограничения доступа.
- Подготовить контрольные вопросы и критерии качества.
- Решить, нужен ли обычный AI-сценарий или RAG-подход с источниками.
- Запустить пилот только на проверяемой базе знаний.
- Расширять сценарий после анализа ошибок, а не после удачной демонстрации.
Вывод для похожих проектов
AI-проект не стоит начинать с интерфейса чатбота. Сначала нужно понять, готовы ли данные, документы, права доступа, сценарий и процесс контроля качества.
Для похожих задач полезны AI-аудит, AI-ready архитектура, AI-ready чек-лист и статья как проверить базу знаний перед RAG.
