База знаний начинается с вопроса: где лежит то, что вы уже знаете?

Представьте, что вам нужно подготовить предложение новому клиенту. Похожий проект уже был, вы помните удачное решение и даже примерно представляете, где лежит презентация. Правда, окончательные условия обсуждали в переписке, расчёт сохранился в таблице, а почему в итоге отказались от одного из вариантов — кажется, осталось только у вас в голове.

Через час вы находите достаточно материалов, чтобы начать работу. Заодно выясняется, что презентаций три, таблица называется «финальная_2», а важную договорённость придётся уточнять у коллеги.

В такой момент легко решить: нам нужна база знаний с искусственным интеллектом, чтобы можно было задать вопрос и сразу получить ответ. Желание понятное, но между ним и полезным результатом есть несколько шагов, которые стоит пройти до выбора платформы.

Я предлагаю начать с вопроса: что вы уже знаете, где это сохранилось и в какой ближайшей задаче должно пригодиться?

Знания уже есть, но к ним приходится прокладывать дорогу заново

Когда мы говорим о базе знаний, перед глазами часто возникает аккуратная система: разделы, инструкции, карточки проектов, поиск. А собственные материалы выглядят гораздо скромнее — папки, переписка, заметки после встреч и несколько документов, которые давно пора разобрать.

При этом именно там могут находиться самые полезные вещи: удачная формулировка предложения, объяснение сложного решения, замечания клиента, список ошибок, которые больше не хочется повторять.

Проблема начинается, когда воспользоваться этим опытом может только человек, который помнит, что и где искать. Ему приходится каждый раз восстанавливать связи между документами и объяснять остальным, какой из них актуален.

Об этом я писал в статье «Когда вся компания держится у вас в голове». Здесь посмотрим на небольшой практический шаг: как сделать часть накопленного опыта доступной для конкретной работы.

Выберите вопрос, ради которого стоит открыть архив

Формулировка «собрать все знания компании» почти не помогает понять, с чего начинать. Объём большой, критерий готовности туманный, а текущие задачи никуда не исчезают.

Гораздо удобнее выбрать вопрос, на который вам действительно нужно ответить. Например:

Что из прошлого проекта мы можем использовать в новом предложении, а что нужно пересчитать или согласовать заново?

У такого вопроса есть понятный результат. Вам нужно подготовить предложение, а прошлый опыт должен помочь принять несколько решений.

Теперь легче определить, какие материалы понадобятся. Не весь архив компании, а документы одного похожего проекта: согласованное предложение, расчёт, итог работы и переписка с существенными изменениями.

Хороший первый вопрос ограничивает объём поиска и позволяет проверить, принесла ли работа пользу.

Если после разбора материалов вы понимаете, что взять за основу, где нужны новые данные и какие вопросы задать клиенту, первый результат уже есть.

Соберите небольшой рабочий набор

Для первой попытки достаточно нескольких материалов, которые вы сами способны просмотреть и проверить. Выберите то, что можно использовать в выбранном ИИ-инструменте с учётом доступа и содержания документов.

Необязательно предварительно переписывать всё в единый формат. Полезнее коротко объяснить, что представляет собой каждый источник.

Такие пояснения нужны и человеку, и модели. Два документа могут противоречить друг другу потому, что один появился раньше, а другой отражает согласованные изменения. При этом более новый файл тоже не обязательно является утверждённым.

Если вы не знаете, какая версия окончательная, это стоит прямо отметить. Выяснить такую неопределённость — уже полезный результат разбора.

Попросите связать материалы с вашей задачей

Допустим, вы собрали документы прошлого проекта и описание нового запроса. Теперь можно попросить ИИ сопоставить их.

Здесь полезно сразу разделить три вещи: что подтверждается материалами, какие выводы предлагает модель и чего пока не хватает для решения. Иначе в одном гладком ответе легко смешаются реальная договорённость и правдоподобное предположение.

Перед разбором убедитесь, что выбранный инструмент действительно получил доступ к содержимому файлов. Само упоминание папки или ссылка на закрытый документ этого не гарантирует.

Промпт:

Я готовлю предложение по новому проекту и хочу использовать опыт прошлого.

Новый запрос:
[Кратко опишите задачу.]

Я приложил материалы прошлого проекта:
[Перечислите документы и поясните, какие версии согласованы.]

Сначала перечисли материалы, содержимое которых тебе доступно. Если какой-то документ не открывается или читается не полностью, сообщи об этом.

Затем помоги разобраться:

1. Какие решения прошлого проекта подходят для нового запроса?
2. Что нельзя переносить без проверки, нового расчёта или согласования?
3. Какие сведения противоречат друг другу?
4. Чего не хватает, чтобы подготовить предложение?

Для существенных выводов укажи источник и место в нём: раздел, страницу или короткий фрагмент, по которому я смогу проверить ответ.

Отделяй сведения из документов от собственных предложений. Если ответа в материалах нет, прямо напиши об этом.

В конце составь список следующих действий.

Такой запрос задаёт способ работы, но не отменяет проверку. Ссылку на источник тоже нужно открыть и убедиться, что она действительно подтверждает вывод.

Проверьте места, от которых зависит решение

В нашем примере модель может предложить взять за основу структуру прошлого предложения, отдельно пересчитать стоимость и уточнить условия поддержки.

Дальше важно посмотреть, на чём основаны эти рекомендации. Возможно, состав работ действительно согласован в итоговом документе, а поддержка лишь обсуждалась в переписке и так и не вошла в договорённость.

Для нового предложения это существенная разница.

Особенно внимательно стоит проверять суммы, сроки, обязательства и объяснения причин. Если в материалах написано, что от решения отказались, но не указано почему, модель не должна превращать догадку в историю о мотивах команды.

При этом ответ «в документах не найдено» бывает очень полезным. Он показывает, какой вопрос нужно задать человеку, вместо того чтобы продолжать искать по папкам или принимать решение на основании предположения.

Сохраните то, что поможет в следующий раз

После хорошего разбора легко закрыть чат с ощущением, что теперь всё понятно. Но через месяц может понадобиться та же работа, и тогда придётся вспоминать, какие документы вы собирали и к чему пришли.

Поэтому результат стоит сохранить там, где вы продолжите проект. Это может быть страница проекта, карточка задачи или отдельный документ рядом с исходными материалами.

В нашем примере туда попадут:

• решения прошлого проекта, которые можно использовать повторно;
• ссылки на подтверждающие документы;
• условия, которые нужно пересмотреть;
• открытые вопросы и следующие действия.

Рядом полезно указать дату проверки и человека, который сможет уточнить содержание. Если исходные условия изменятся, будет понятно, к кому обратиться и что перепроверить.

Так появляется небольшой рабочий фрагмент базы знаний. У него есть назначение: помочь подготовить следующее предложение с учётом уже накопленного опыта.

Расширяйте систему по мере появления повторяющейся работы

После нескольких таких разборов станет заметно, какие материалы нужны постоянно, какие вопросы повторяются и где чаще всего теряется время.

Возможно, вам потребуется единое место для согласованных решений. Или выяснится, что документы доступны, но никто не отмечает актуальную версию. А может быть, главная трудность в том, что причины важных изменений вообще нигде не записывают.

Это разные задачи, и решать их придётся по-разному. Такой опыт даёт гораздо более конкретные требования к будущей системе, чем желание «сделать умный поиск по всему».

Когда материалами регулярно пользуется команда, становятся важны права доступа, обновление источников и ответственность за содержание. Эту более широкую картину я разбираю в статье «Общая память ИИ-компании».

Но первый полезный шаг можно сделать раньше: выбрать одну задачу и научиться возвращать в работу то, что уже известно.

Начать можно с папки, которую вы давно собирались разобрать

Мне близок подход, при котором необходимость большой системы проверяется на реальной задаче. Так легче увидеть, где помогает ИИ, что сначала нужно привести в порядок и какой результат вообще стоит сохранять.

С таким запросом можно прийти и на совместный разбор: показать, где лежат материалы, объяснить, что приходится искать заново, и выбрать первый рабочий шаг. Подробнее этот формат описан в материале «Как устроена работа со мной».

Для начала не требуется образцовый архив. Достаточно вопроса, нескольких подходящих документов и готовности проверить ответ.

Следующий шаг

Выберите одну текущую задачу, для которой пригодится прошлый опыт. Сформулируйте вопрос, соберите небольшой набор материалов и разберите его с ИИ по промпту выше. После проверки сохраните результат вместе со ссылками на источники.

Критерий пользы простой: стало ли понятнее, что делать дальше, и сможет ли другой человек — или вы через месяц — продолжить работу без повторного поиска?

Если хотите развить этот подход на уровне команды, переходите к статье «Общая память ИИ-компании».

Связанные материалы

• Когда вся компания держится у вас в голове — о знаниях и договорённостях, которые приходится постоянно восстанавливать.
• Вы уже пользуетесь ИИ. Почему легче не становится? — о работе вокруг ответа модели, которая тоже требует внимания.
• Сначала — выгрузить из головы — о том, как начать разбор, когда задача ещё не вполне сформулирована.

Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov.