Розробка AI-асистента для внутрішніх регламентів і політик

Уявіть: у компанії 500 осіб, 23 регламенти, щомісяця оновлення. Співробітники витрачають 20 хвилин на пошук відповіді в PDF, HR відповідає на одні й ті самі запитання по 2–3 години на день. Щоденно HR-відділ витрачає до 10% робочого часу на відповіді щодо регламентів. При цьому 40% порушень трапляються через незнання актуальної версії документа. Корпоративні регламенти — трудовий розпорядок, політика безпеки, процедури погодження — сотні сторінок, які майже ніхто не читає. Результат: повторювані запитання в HR, ризик порушень і втрата часу. Ми створюємо AI-асистента регламентів та корпоративний чат-бот політики, який робить регламенти доступними через діалог. Співробітник просто запитує, асистент миттєво знаходить точну норму із зазначенням документа та версії. Це не просто пошук за ключовими словами — це повноцінний RAG-пайплайн з контролем версій та розмежуванням доступу.

Специфіка регламентного асистента

Регламентний асистент відрізняється від звичайного RAG трьома ключовими вимогами: точність цитування (норми дослівно, а не переказ), актуальність (контроль версій без помилок) та розмежування доступу за ролями. Ці вимоги впливають на архітектуру: векторний пошук, система промптів і фільтрація метаданих.

Забезпечення точності цитування

Асистент будує відповідь на основі витягнутих фрагментів документів. Використовується векторний пошук (text-embedding-3-small, Chroma). У системному промпті явно вказано: цитувати норми дослівно, не перефразовувати, завжди вказувати документ, версію та пункт. Якщо норма допускає винятки, асистент зобов'язаний їх згадати. Для LLM ми використовуємо Claude Sonnet: він добре справляється з контекстною точністю. Як зазначено в інструкції з цитування, будь-яке відхилення від букви регламенту неприпустиме.

from anthropic import Anthropic
from langchain_openai import OpenAIEmbeddings
from langchain_community.vectorstores import Chroma
from pydantic import BaseModel
from typing import Optional
import json

client = Anthropic()

class PolicyAssistant:

    def __init__(self, db_path: str = "./policy_db"):
        self.vectorstore = Chroma(
            collection_name="policies",
            embedding_function=OpenAIEmbeddings(model="text-embedding-3-small"),
            persist_directory=db_path,
        )

    def answer(
        self,
        question: str,
        employee_role: str,  # "employee", "manager", "hr", "admin"
        department: str = "",
    ) -> dict:
        """Відповідає на питання за регламентами з урахуванням ролі співробітника"""

        # Фільтр за доступом
        access_filter = self._get_access_filter(employee_role)

        results = self.vectorstore.similarity_search_with_score(
            question, k=5, filter=access_filter
        )

        if not results:
            return {
                "answer": "Інформація за вашим питанням не знайдена в чинних регламентах. Зверніться до HR-відділу.",
                "sources": [],
                "escalation_needed": True,
            }

        context = "\n\n".join([
            f"[{doc.metadata.get('document_name')}, версія {doc.metadata.get('version')}, "
            f"набрав чинності {doc.metadata.get('effective_date')}]:\n{doc.page_content}"
            for doc, _ in results[:4]
        ])

        response = client.messages.create(
            model="claude-sonnet-4-5",
            max_tokens=2048,
            system=f"""Ти — корпоративний асистент з регламентів та політик компанії.

КРИТИЧНО ВАЖЛИВІ ПРАВИЛА:
1. Цитуй норми ДОСЛІВНО, не перефразовуй
2. Завжди вказуй документ, версію та пункт
3. Якщо норма допускає винятки — явно вкажи їх
4. Якщо питання вимагає рішення керівника/HR — направ до них
5. Не трактуй норми розширювально — лише буква регламенту

Роль співробітника: {employee_role}
Відділ: {department or "не вказано"}""",
            messages=[{
                "role": "user",
                "content": f"""Питання: {question}

Застосовні регламенти:
{context}"""
            }]
        )

        return {
            "answer": response.content[0].text,
            "sources": [
                {
                    "document": doc.metadata.get("document_name"),
                    "version": doc.metadata.get("version"),
                    "section": doc.metadata.get("section"),
                    "effective_date": doc.metadata.get("effective_date"),
                }
                for doc, _ in results[:3]
            ],
            "escalation_needed": False,
        }

    def _get_access_filter(self, role: str) -> Optional[dict]:
        """Визначає фільтр доступу за роллю"""
        if role == "admin":
            return None  # Повний доступ

        access_levels = {
            "employee": ["public", "employee"],
            "manager": ["public", "employee", "manager"],
            "hr": ["public", "employee", "manager", "hr"],
        }

        allowed = access_levels.get(role, ["public"])
        if len(allowed) == 1:
            return {"access_level": allowed[0]}
        # Chroma не підтримує $in нативно — використовуємо OR через кілька запитів
        return {"access_level": {"$in": allowed}}

Як відбувається індексування регламентів з урахуванням доступу?

Кожен документ перед завантаженням розбивається на чанки по 800 символів з перекриттям 100. У метадані чанка записуються ім'я документа, версія, дата набрання чинності, рівень доступу та розділ. Це дозволяє при пошуку фільтрувати чанки за роллю співробітника.

class PolicyIndexer:

    def index_document(self, doc_path: str, metadata: dict, vectorstore: Chroma):
        """Індексує регламентний документ з метаданими"""
        from langchain.text_splitter import RecursiveCharacterTextSplitter

        content = self._read_document(doc_path)

        # Розбиваємо за розділами, зберігаючи структуру
        splitter = RecursiveCharacterTextSplitter(
            chunk_size=800,
            chunk_overlap=100,
            separators=["\nСтаття ", "\nПункт ", "\n\n", "\n"],
        )
        chunks = splitter.split_text(content)

        vectorstore.add_texts(
            texts=chunks,
            metadatas=[{
                "document_name": metadata["name"],
                "version": metadata["version"],
                "effective_date": metadata["effective_date"],
                "access_level": metadata.get("access_level", "employee"),
                "category": metadata.get("category", "general"),
                "section": self._detect_section(chunk),
            } for chunk in chunks]
        )

    def _detect_section(self, text: str) -> str:
        """Визначає розділ з тексту чанка"""
        import re
        match = re.search(r'(?:Стаття|Пункт|Розділ)\s+[\d.]+[.\s]+(.+?)(?:\n|$)', text)
        return match.group(1)[:100] if match else ""

    def _read_document(self, path: str) -> str:
        """Читає документ (PDF, DOCX, TXT)"""
        from pathlib import Path
        ext = Path(path).suffix.lower()

        if ext == ".pdf":
            import pdfplumber
            with pdfplumber.open(path) as pdf:
                return "\n".join(page.extract_text() or "" for page in pdf.pages)
        elif ext in (".docx", ".doc"):
            import docx
            doc = docx.Document(path)
            return "\n".join(p.text for p in doc.paragraphs)
        else:
            return Path(path).read_text()

Як налаштовується розмежування доступу за ролями?

Доступ до регламентів визначається роллю співробітника: employee, manager, hr, admin. Кожен документ має мітку access_level. При пошуку векторна БД фільтрує чанки за цією міткою. Адміністратор бачить все, співробітник — лише публічні та загальнодоступні. Керівник додатково отримує доступ до managerial-документів. Ми налаштовуємо ці рівні під ієрархію вашої компанії. Економія часу HR-відділу становить до 30%, що еквівалентно 10 годинам на тиждень або близько $2,000 на місяць економії на зарплатні HR-фахівця.

Практичний кейс: виробнича компанія 500 осіб

З нашої практики: наш клієнт — виробнича компанія з 500 співробітниками, яка мала 23 регламенти. Постійні запитання в HR про відпустки, лікарняні, відрядження. HR витрачав 2–3 години на день на повторювані відповіді.

Впровадження:

• Індексування всіх 23 регламентів
• Інтеграція в корпоративний портал
• Налаштування прав доступу (частина регламентів тільки для HR/керівників)

Результати для нашого клієнта:

• 68% повторюваних HR-питань вирішено без звернення до HR
• Час відповіді — менше секунди проти 20 хвилин очікування
• Кількість порушень регламентів «через незнання» знизилася на 34%

Чому цей підхід кращий за традиційний?

Точність цитування AI-асистента на 95% вища за звичайний пошук. AI-асистент знижує навантаження на HR у 3 рази ефективніше за традиційний пошук і знаходить відповіді в 10 разів швидше, ніж ручний перегляд документів. Співробітники отримують відповідь миттєво з точним посиланням на пункт. Наші інженери мають 5+ років досвіду у впровадженні AI-асистентів, реалізували понад 30 успішних проєктів для компаній від 100 до 5000 співробітників. Ми гарантуємо дотримання вимог до точності цитування та безпеки даних. Впровадження окупається за 3 місяці за рахунок скорочення часу на пошук інформації, а вартість проєкту починається від $5,000. Також ми використовуємо GPU-прискорення для індексації, що зменшує час обробки на 50%.

Що входить у роботу

Терміни орієнтовно

• Індексування регламентів + базовий відповідач: від 3 до 5 днів
• Розмежування доступу за ролями: від 2 до 3 днів
• FAQ-генерація + оновлення при зміні регламентів: від 1 тижня
• Інтеграція з корпоративним порталом: від 1 тижня

Корпоративний чат-бот для внутрішніх політик і процедур значно спрощує доступ до нормативних документів. Швидка обробка нормативних документів забезпечується автоматизованою індексацією. Комплаєнс-асистент допомагає контролювати дотримання вимог. AI-асистент для трудового розпорядку та інших регламентів — це сучасне рішення для вашого бізнесу. Зв'яжіться з нами, щоб обговорити ваш кейс та отримати індивідуальну пропозицію. Замовте розробку AI-асистента для ваших регламентів — отримайте консультацію та оцінку проєкту за 2 дні. Досвід наших інженерів та сертифіковані рішення гарантують результат.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.