Умный поиск по CRM Битрикс24 и базам знаний

• Чего «не знают» нейросети
• Повышение точности ответов ИИ без дообучения
• Что можно спросить и попросить у ИИ-помощника
• Особенности, о которых важно знать
• Стоимость владения

Сегодня многие так или иначе взаимодействуют с нейросетями. Уже почти не осталось офисных сотрудников, хотя бы раз не испытавших ChatGPT, DeepSeek или GigaChat в действии. Нейронки «прочитали» и знают намного больше любого среднего человека, умеют обобщать документы из тысяч страниц, находить нужные ответы и ссылаться на источники.

Но что, если вам не план тренировок нужно составить, а узнать что-то по работе? Например, выяснить, соблюдают ли менеджеры скрипт продаж, был ли у кого-то опыт работы с комдиром из компании N или быстро найти похожие договоры и сметы. Даже без хрустального шара понятно, что предстоит квест по нескольким бизнес-системам.

Расскажем как моментально получать ответы на вопросы, касающиеся внутренних процессов компании.

Чего «не знают» нейросети

Бизнес редко или вообще никогда не публикует свои базы знаний, поэтому популярные языковые модели «не знают» особенностей работы конкретных организаций и специфику их процессов. Часто такие знания вообще не формализованы, что еще больше затрудняет их распространение. Поэтому попытки выудить особенности бизнес-процессов компаний с помощью заковыристых промптов и самых продвинутых нейронок вряд ли увенчаются успехом. Таким способом трудно получить что-либо, выходящее за рамки регламентированной отчетности, пресс-релизов и публичных интервью топ-менеджмента.

Например, если предложить мощной нейросети (GPT-5, Gemini 2.5) составить подробную инструкцию по внедрению Битрикс24 в закрытом контуре, то она справится на твердую четверку  — при обучении она «видела» достаточно открытых кейсов от интеграторов на эту тему. Но ChatGPT точно не видела  рабочей документации по кластерной инфраструктуре компании «K», в создании которой мы принимали участие. Ответы модели по данному вопросу будут вероятностными и неполными, а иногда выдуманными.

Ответ Gemini на вопрос о ее возможностях.

Получается, что компании, предъявляя спрос на интеллектуальную обработку корпоративных данных, всё ещё вынуждены ограничиваться шаблонными возможностями аналитических решений. Нужно больше — заказывай доработку или нанимай аналитиков.

Логичным решением видится дообучение открытой LLM-модели на своих данных. Но это довольно сложный и ресурсоёмкий процесс, доступный лишь небольшому числу крупнейших российских компаний.

Что делать остальным?

Повышение точности ответов ИИ без дообучения

В связи с наличием указанных ограничений в корпоративной среде основным подходом стал RAG (Retrieval-Augmented Generation), объединяющий языковые модели с корпоративными базами знаний. Это снимает ограничения исходного набора данных для обучения: модель получает доступ к актуальной информации и может точно отвечать на узкопрофильные бизнес-вопросы без трудоёмкого переобучения. Такой подход минимизирует риски устаревания информации и появления «галлюцинаций», характерных для стандартных языковых моделей.

Отличие генерации ответа с RAG и без RAG.

Суть технологии в том, что ИИ-агент сначала находит релевантные документы во всех доступных внутренних источниках, ранжирует найденную информацию, а затем генерирует ответ на запрос пользователя на основе этих данных.

Схема работы интеллектуального поиска.

Идеальный источник информации — корпоративная база знаний. Но данные можно забирать и из других мест: сайты, Google Диск, Confluence, Wiki, CRM и т.д.

Форматы, с которыми может работать агент:

• Документы: PDF, DOC, DOCX, MD, ODT, RTF

• Таблицы: XLS, XLSX

• Презентации: PPT, PPTX

• Изображения: JPEG, PNG, WEBP

• Аудио: MP3, AVI

• Веб-страницы: HTML

Когда приходит запрос от пользователя, то он прогоняется через полнотекстовый и семантический поиск. Затем результаты объединяются, ранжируются и вместе с запросом пользователя передаются в LLM-модель.

Казалось бы, всё просто, бери и делай. А как на самом деле?

• Существует много нюансов с семантическим поиском. Он хорошо работает с небольшими фрагментами текста, а языковой модели, наоборот, нужно побольше контекста. Она будет плохо понимать контекст, если он ограничивается 2-3 предложениями.

• LLM-модели плохо работают с HTML-представлением документов, т.к. он содержит много «мусора» в виде тегов (class, id, style и др.). Его нужно приводить к более простому синтаксису.

• RAG-поиск можно найти в большом количестве библиотек. В реальности, все модели из примеров либо платные, либо плохо работают с русским языком.

• Поиск придется защищать от пользователей, стремящихся использовать его в личных или неправомерных целях, например, для получения доступа к закрытой коммерческой информации.

Пример реакции ИИ-помощника на «запрещенные» вопросы.

Мы проделали большую работу, преодолели эти и другие затруднения. В результате 9 месяцев R&D появился умный ИИ-помощник для Битрикс24, который умеет выдавать релевантные ответы на основе анализа базы знаний компании, сайта, данных CRM, багтрекера и других источников. Оперативный псевдоним — Николай Иронов.

Что можно спросить и попросить у ИИ-помощника

Его можно спросить обо всём, что с той или иной степенью вероятности находится во внутреннем информационном контуре компании:

• У кого из наших заказчиков есть SAP или Confluence?

• В каком проекте и в какой задаче добавлялось открытие Яндекс карты на весь экран?

• Найди все письма из почты, касающиеся котировок на серебро на Лондонской бирже.

• Найди документы, в которых упоминается фамилия Иванов.

• Перечисли менеджеров, которые в разное время работали с ООО «Умный поиск».

• Какова текущая процедура обработки возврата для крупного корпоративного клиента и какие документы для этого необходимы?

• Найди сделки по Битрикс24 с подтвержденным экономическим эффектом.

• Покажи сделки, где от нас ждут следующий шаг, сделки без активных действий и сделки, где есть проблемы в сметах.

• Где найти шаблон коммерческого предложения для проектов стоимостью свыше 5 миллионов рублей?

• Какое согласование требуется, чтобы предоставить клиенту скидку 15%?

• Как мне правильно указать (какую-то) услугу в счете?

• Какие проблемы на этапе завершения проекта у нас случались?

• Клиент хочет сделать (что-то). Я в этом ничего не понимаю. Какие вопросы задать клиенту?

• Перечисли сделки, в которых мы обсуждали или делали интеграцию с ChatGPT.

Пример ответа на вопрос к ИИ-помощнику.

Другая сторона ценности ассистента — в автоматизации неинтеллектуальной работы. Он позволяет автоматизировать то, что раньше кодом автоматизировать было невозможно. Например, не имеет смысла возлагать на него разработку маркетинговой стратегии, но поручить проверку выполнения скрипта менеджером по продажам вполне реально. Это позволит перейти от выборочного контроля к 100% покрытию, что ранее было экономически нецелесообразно или технически невозможно.

Где еще ассистент принесет пользу?

Из нашего опыта:

• Скоринг лидов;

• Организация первой линии поддержки пользователей;

• Оперативная обратная связь с новым клиентом на основе заполнения подготовленного LLM-моделью персонального опросника и, на его основе, КП;

• Заполнение CRM: актуальная стоимость, контакты покупателя;

• Контроль скриптов;

• Поиск проблемных мест в сделке (что и от кого ждем, что обещали и не сделали и т.д.);

• Подготовка еженедельного отчета для менеджера или руководителя;

• Рекомендации по дальнейшим шагам сделки (на основе существующего опыта).

Есть и другие идеи в разработке.

Особенности, о которых важно знать

Если агент будет работать с проприетарными LLM, то поиск будет стоить денег. Как правило, небольших. Например, один проход по 50 сделкам с целью выявления проблемных мест стоил нам … 20 рублей. Запросы к российским LLM стоят на порядок дороже зарубежных. В закрытом контуре для этих целей можно развернуть OpenSource LLM.

Наш ИИ-ассистент работает как пользователь Битрикс24 с назначенным ему уровнем доступа. То, к чему у него нет доступа, он не проиндексирует. Так, к личным Дискам Битрикс24/Яндекс Диск/Google Диск с документами от клиентов, ТЗ, сметами, коммерческими предложениями и т.д. у ассистента доступа нет. API этих сервисов не дает доступ к документам, пока вы его явно не предоставите другим пользователям. Если ссылки на облачные документы приложены к чатам сделок, то их содержимое может быть проиндексировано при условии, что вы дадите ассистенту доступ к ним.

Иронов [пока] не умеет фильтровать. Например, если спросить его о самой большой сделке в 2025 году, то он не сможет отфильтровать сделки по году и объему денег. Но если где-то в переписке этот вопрос поднимали, то он его найдет.

Стоимость владения

• Внедрение ИИ-помощника, подключение баз, распознавание аудио — напишите нам или оставьте заявку через форму обратной связи;
• Типовые цены на инфраструктуру:
  • Сервер или виртуальная машина — 5 тыс. руб. (не РФ) или 10 тыс. руб. (РФ)
  • Распознавание аудио — 60-70 коп./мин. (10-30 тыс. руб./мес.)
  • LLM для RAG — 0.01 $ за вопрос (OpenAI/Google/..) или 7-15 руб. за вопрос (Яндекс/Сбер). Все остальные требуемые модели работают локально на сервере и не требуют вложений.

Вам нужен эксперт, который разберется в архиве файлов, записей встреч, статей, отчетов, договоров, смет, нормативных документов и сможет точно ответить на ваши вопросы? Хотите быстро получать ответы об изнанке бизнеса без поручений, совещаний и аудитов? Приходите на онлайн-встречу, мы покажем возможности нашего ассистента и поговорим о его пользе для вашей работы.

• Квалификация лидов в Битрикс24 с помощью ChatGPT