[{"data":1,"prerenderedAt":562},["ShallowReactive",2],{"blog-\u002Fblog\u002Fai-baza-znaniy-bitrix24":3},{"id":4,"title":5,"body":6,"category":551,"date":552,"description":553,"extension":554,"meta":555,"navigation":556,"path":557,"readingTime":558,"seo":559,"stem":560,"__hash__":561},"blog\u002Fblog\u002Fai-baza-znaniy-bitrix24.md","ИИ-база знаний в Битрикс24 за 10 минут: от документов к умным ответам",{"type":7,"value":8,"toc":515},"minimark",[9,13,18,21,24,43,46,51,54,57,61,64,92,95,99,103,106,120,126,130,133,139,145,151,155,158,203,207,229,232,236,240,243,253,257,260,263,283,287,290,301,305,308,312,323,327,330,348,352,355,358,362,365,369,372,375,379,382,385,389,392,396,399,405,411,417,423,429,433,437,440,451,455,458,472,476,479,483,486,512],[10,11,12],"p",{},"У вас в «Базе знаний» Битрикс24 лежит 500 статей. Регламенты, инструкции по онбордингу, описание бизнес-процессов, шаблоны документов. И каждый день кто-нибудь пишет в общий чат: «А где найти шаблон акта сверки?» или «Какой порядок согласования отпуска?». Люди не ищут -- они спрашивают. ИИ-база знаний работает именно так: сотрудник задаёт вопрос обычным языком, а бот находит ответ в ваших же документах и формулирует его за 2-3 секунды.",[14,15,17],"h2",{"id":16},"что-такое-ии-база-знаний-и-как-работает-rag","Что такое ИИ-база знаний и как работает RAG",[10,19,20],{},"Термин звучит сложно, но механика простая. RAG (Retrieval-Augmented Generation) -- это подход, при котором языковая модель не выдумывает ответ из своих обучающих данных, а сначала ищет релевантные фрагменты в вашей документации и отвечает строго на их основе.",[10,22,23],{},"Процесс выглядит так:",[25,26,27,31,34,37,40],"ol",{},[28,29,30],"li",{},"Документы из базы знаний разбиваются на фрагменты по 300-500 токенов.",[28,32,33],{},"Каждый фрагмент превращается в числовой вектор (embedding) -- математическое представление смысла текста.",[28,35,36],{},"Когда сотрудник задаёт вопрос, его текст тоже превращается в вектор.",[28,38,39],{},"Система находит 5-10 фрагментов, ближайших по смыслу к вопросу.",[28,41,42],{},"Найденные фрагменты передаются языковой модели как контекст, и она генерирует ответ.",[10,44,45],{},"Ключевое отличие от обычного ChatGPT: модель работает только с вашими данными. Она не додумывает и не подставляет информацию из интернета. Если в документации нет ответа, корректно настроенная система скажет об этом прямо.",[47,48,50],"h3",{"id":49},"зачем-это-бизнесу","Зачем это бизнесу",[10,52,53],{},"Средний сотрудник тратит 19% рабочего времени на поиск внутренней информации -- это данные McKinsey за 2024 год. В компании на 100 человек это эквивалент 19 полных ставок, потраченных на вопросы типа «где лежит регламент».",[10,55,56],{},"ИИ-бот не заменяет базу знаний. Он делает её доступной: вместо навигации по структуре разделов человек получает прямой ответ со ссылкой на источник.",[14,58,60],{"id":59},"copilot-в-битрикс24-что-уже-есть-из-коробки","CoPilot в Битрикс24: что уже есть из коробки",[10,62,63],{},"С осени 2023 года в Битрикс24 работает CoPilot -- встроенный ИИ-ассистент. В 2025-2026 годах его возможности заметно расширились. Вот что он умеет в контексте базы знаний:",[65,66,67,74,80,86],"ul",{},[28,68,69,73],{},[70,71,72],"strong",{},"CoPilot в чатах."," Бот участвует в групповых и личных чатах. Умеет отвечать на вопросы, суммировать переписку, генерировать тексты.",[28,75,76,79],{},[70,77,78],{},"CoPilot в задачах."," Подсказывает формулировки, заполняет чеклисты, декомпозирует задачи.",[28,81,82,85],{},[70,83,84],{},"CoPilot в CRM."," Анализирует звонки, заполняет карточки сделок, предлагает следующий шаг.",[28,87,88,91],{},[70,89,90],{},"Пользовательские ИИ-роли."," Можно создать роль со своим системным промптом -- например, «Эксперт по внутренним регламентам», который отвечает в определённом стиле.",[10,93,94],{},"Ограничение встроенного CoPilot: он не индексирует вашу базу знаний автоматически. Он работает с контекстом конкретного чата или задачи, но не может сам пойти в раздел «Документация» и найти там нужный регламент. Для полноценного RAG-бота нужна дополнительная настройка.",[14,96,98],{"id":97},"пошаговая-инструкция-подключаем-ии-к-базе-знаний","Пошаговая инструкция: подключаем ИИ к базе знаний",[47,100,102],{"id":101},"шаг-1-подготовьте-документы","Шаг 1. Подготовьте документы",[10,104,105],{},"Прежде чем подключать модель, наведите порядок в исходных данных. ИИ работает ровно с тем, что вы ему дадите.",[25,107,108,111,114,117],{},[28,109,110],{},"Откройте раздел «База знаний» в Битрикс24 (Главное меню -- База знаний).",[28,112,113],{},"Удалите дубликаты и устаревшие статьи. Если регламент менялся трижды, оставьте только актуальную версию.",[28,115,116],{},"Проверьте структуру статей. Каждая статья должна иметь заголовок, отражающий её содержание (не «Документ 47», а «Порядок согласования командировок»).",[28,118,119],{},"Убедитесь, что в статьях нет критически важной конфиденциальной информации (пароли, токены API, персональные данные), которая не должна попадать в контекст модели.",[121,122,123],"blockquote",{},[10,124,125],{},"Практический совет: создайте отдельный раздел «Для ИИ-бота» и скопируйте туда только те статьи, которые должны быть доступны модели. Это проще, чем настраивать исключения, и вы точно контролируете периметр данных.",[47,127,129],{"id":128},"шаг-2-выберите-модель-и-способ-подключения","Шаг 2. Выберите модель и способ подключения",[10,131,132],{},"У вас три варианта:",[10,134,135,138],{},[70,136,137],{},"Вариант А: REST API Битрикс24 + внешняя модель."," Вы пишете интеграцию, которая через REST API забирает статьи из базы знаний, индексирует их в векторном хранилище (Pinecone, Qdrant, pgvector) и обрабатывает вопросы через OpenAI API, Anthropic API или YandexGPT. Полный контроль, но нужна разработка.",[10,140,141,144],{},[70,142,143],{},"Вариант Б: Готовое приложение из маркетплейса."," В маркетплейсе Битрикс24 есть решения для ИИ-ботов. Ищите по ключевым словам: «AI база знаний», «RAG», «ИИ-ассистент». Проверяйте отзывы и наличие поддержки.",[10,146,147,150],{},[70,148,149],{},"Вариант В: Кастомный чатбот через Webhooks."," Регистрируете чат-бота через REST API, настраиваете вебхук на входящие сообщения, обрабатываете их на своём сервере. Средний вариант по сложности.",[47,152,154],{"id":153},"шаг-3-настройте-индексацию-документов","Шаг 3. Настройте индексацию документов",[10,156,157],{},"Для варианта А (самый гибкий):",[25,159,160,175,186,189,196],{},[28,161,162,163,167,168,167,171,174],{},"Получите вебхук с правами ",[164,165,166],"code",{},"imbot",", ",[164,169,170],{},"im",[164,172,173],{},"wiki"," в разделе «Разработчикам» вашего Битрикс24.",[28,176,177,178,181,182,185],{},"Через REST-метод ",[164,179,180],{},"wiki.page.list"," или напрямую через API диска (",[164,183,184],{},"disk.folder.getchildren",") выгрузите содержимое статей.",[28,187,188],{},"Разбейте каждую статью на чанки по 400-500 токенов с перекрытием в 50-100 токенов. Перекрытие нужно, чтобы контекст не терялся на границах фрагментов.",[28,190,191,192,195],{},"Сгенерируйте embeddings для каждого чанка через ",[164,193,194],{},"text-embedding-3-small"," (OpenAI) или аналогичную модель. Стоимость -- около $0.02 на 1 млн токенов, то есть 500 статей обойдутся в несколько центов.",[28,197,198,199,202],{},"Загрузите векторы в хранилище. Для начала хватит ",[164,200,201],{},"pgvector"," -- расширение для PostgreSQL, которое вы уже, вероятно, используете.",[47,204,206],{"id":205},"шаг-4-зарегистрируйте-бота-в-битрикс24","Шаг 4. Зарегистрируйте бота в Битрикс24",[25,208,209,212,219,222],{},[28,210,211],{},"Перейдите в «Разработчикам» -- «Другое» -- «Входящий вебхук».",[28,213,214,215,218],{},"Или используйте метод ",[164,216,217],{},"imbot.register"," для программной регистрации бота с указанием обработчика событий.",[28,220,221],{},"Задайте имя бота (например, «База знаний AI»), аватар и описание.",[28,223,224,225,228],{},"Укажите URL вашего сервера как обработчик событий ",[164,226,227],{},"ONIMBOTMESSAGEADD",".",[10,230,231],{},"После регистрации бот появится в списке чатов, и любой сотрудник сможет написать ему вопрос.",[14,233,235],{"id":234},"настройка-бота-тон-источники-поведение-при-отсутствии-ответа","Настройка бота: тон, источники, поведение при отсутствии ответа",[47,237,239],{"id":238},"системный-промпт","Системный промпт",[10,241,242],{},"Системный промпт определяет, как бот разговаривает. Пример рабочего промпта:",[244,245,250],"pre",{"className":246,"code":248,"language":249},[247],"language-text","Ты -- ИИ-ассистент компании [Название]. Отвечай на вопросы сотрудников\nстрого на основе предоставленного контекста из базы знаний.\n\nПравила:\n- Отвечай кратко и по существу.\n- Всегда указывай название статьи-источника.\n- Если в контексте нет информации для ответа, скажи:\n  «Я не нашёл ответа в базе знаний. Обратитесь к [ответственный отдел].»\n- Не выдумывай данные, не используй информацию из обучающих данных.\n- Формат ответа: 2-4 предложения + ссылка на источник.\n","text",[164,251,248],{"__ignoreMap":252},"",[47,254,256],{"id":255},"fallback-поведение","Fallback-поведение",[10,258,259],{},"Самая частая ошибка -- не настроить поведение бота, когда он не знает ответ. Без явного fallback модель начнёт галлюцинировать: выдавать правдоподобную, но неверную информацию.",[10,261,262],{},"Три уровня fallback:",[25,264,265,271,277],{},[28,266,267,270],{},[70,268,269],{},"Низкая уверенность (cosine similarity \u003C 0.75)."," Бот отвечает: «Я нашёл частичное совпадение, но не уверен в ответе» и показывает найденный фрагмент как цитату.",[28,272,273,276],{},[70,274,275],{},"Нет совпадений (similarity \u003C 0.5)."," Бот прямо говорит, что не нашёл ответ, и предлагает обратиться к конкретному человеку или отделу.",[28,278,279,282],{},[70,280,281],{},"Опасные темы."," Вопросы про зарплаты, персональные данные, юридические решения -- бот перенаправляет в HR или юротдел без попытки ответить.",[47,284,286],{"id":285},"управление-источниками","Управление источниками",[10,288,289],{},"Не все документы одинаково полезны для бота. Настройте приоритизацию:",[65,291,292,295,298],{},[28,293,294],{},"Актуальные регламенты -- высокий приоритет (boost в retrieval).",[28,296,297],{},"Архивные документы -- низкий приоритет или исключение.",[28,299,300],{},"FAQ -- высокий приоритет, потому что вопросы в FAQ уже сформулированы в формате «вопрос-ответ», и retrieval по ним работает точнее.",[14,302,304],{"id":303},"обучение-модели-загрузка-документов-faq-процедур","Обучение модели: загрузка документов, FAQ, процедур",[10,306,307],{},"Термин «обучение» здесь условный. Вы не дообучаете (fine-tune) языковую модель -- это дорого и обычно не нужно. Вы обновляете векторную базу, по которой работает retrieval.",[47,309,311],{"id":310},"первоначальная-загрузка","Первоначальная загрузка",[25,313,314,317,320],{},[28,315,316],{},"Выгрузите все статьи из целевого раздела базы знаний.",[28,318,319],{},"Пропустите через пайплайн: очистка HTML-тегов -- разбивка на чанки -- генерация embeddings -- загрузка в векторное хранилище.",[28,321,322],{},"Сохраните метаданные каждого чанка: ID исходной статьи, заголовок, дата последнего обновления, раздел.",[47,324,326],{"id":325},"инкрементальное-обновление","Инкрементальное обновление",[10,328,329],{},"База знаний -- живой организм. Статьи обновляются, добавляются, удаляются. Настройте автоматическую синхронизацию:",[65,331,332,342,345],{},[28,333,334,335,167,338,341],{},"Подпишитесь на события ",[164,336,337],{},"OnWikiPageAdd",[164,339,340],{},"OnWikiPageUpdate"," через REST API.",[28,343,344],{},"При каждом событии переиндексируйте только изменённую статью.",[28,346,347],{},"Запускайте полную переиндексацию раз в неделю как страховку от рассинхронизации.",[47,349,351],{"id":350},"faq-как-отдельный-источник","FAQ как отдельный источник",[10,353,354],{},"Если у вас есть внутренний FAQ (а если нет -- заведите), загрузите его отдельным источником с повышенным приоритетом. Формат «вопрос-ответ» идеально ложится на RAG: при поиске по вопросу пользователя сначала матчатся похожие вопросы из FAQ, и ответы получаются точнее.",[10,356,357],{},"Размер FAQ, при котором это начинает работать хорошо, -- от 50 пар «вопрос-ответ». Меньше -- эффект незаметен.",[14,359,361],{"id":360},"измерение-качества-метрики-которые-стоит-отслеживать","Измерение качества: метрики, которые стоит отслеживать",[10,363,364],{},"Поставили бота -- через месяц нужно понять, работает он или создаёт путаницу. Три ключевых метрики:",[47,366,368],{"id":367},"точность-ответов-answer-accuracy","Точность ответов (Answer Accuracy)",[10,370,371],{},"Выберите случайные 50 вопросов за неделю. Попросите эксперта (того, кто знает правильные ответы) оценить каждый ответ бота: верно \u002F частично верно \u002F неверно \u002F «правильно отказался отвечать».",[10,373,374],{},"Нормальный показатель для корпоративного RAG-бота через 2-3 итерации настройки: 75-85% верных ответов. 90%+ -- отличный результат, но требует хорошо структурированной базы.",[47,376,378],{"id":377},"deflection-rate-процент-снятых-вопросов","Deflection Rate (процент снятых вопросов)",[10,380,381],{},"Сколько вопросов, которые раньше задавались людям, теперь закрывает бот. Считается просто: сравните количество типовых вопросов в общем чате до и после запуска бота.",[10,383,384],{},"Ожидаемый диапазон: 30-50% типовых вопросов перехватывает бот в первый месяц. Оставшиеся 50-70% -- это либо сложные кейсы, либо вопросы, ответов на которые нет в базе.",[47,386,388],{"id":387},"время-до-ответа","Время до ответа",[10,390,391],{},"Бот отвечает за 2-5 секунд. Человек в чате -- в среднем за 15-45 минут (если не забудет). Даже если бот ошибается в 20% случаев, экономия времени на остальных 80% обычно перекрывает затраты.",[14,393,395],{"id":394},"ограничения-что-ии-база-знаний-не-умеет","Ограничения: что ИИ-база знаний не умеет",[10,397,398],{},"Честная оценка того, где технология буксует.",[10,400,401,404],{},[70,402,403],{},"Сложные многошаговые процессы."," Если ответ требует сопоставления информации из 5 разных регламентов и учёта контекста конкретного сотрудника (его отдел, стаж, должность) -- бот справится плохо. RAG хорошо работает с фактоидными вопросами: «какой срок согласования заявки на закупку?» Хуже -- с комплексными: «могу ли я оформить командировку через неделю после отпуска, если я на испытательном?»",[10,406,407,410],{},[70,408,409],{},"Таблицы и структурированные данные."," Если ваша документация содержит сложные таблицы с тарифами, расчётами, формулами -- RAG-пайплайн теряет структуру при разбивке на чанки. Таблицы лучше обрабатывать отдельным модулем.",[10,412,413,416],{},[70,414,415],{},"Актуальность."," Если статья в базе устарела, бот даст устаревший ответ с полной уверенностью. ИИ не проверяет свежесть данных самостоятельно. Вся ответственность за актуальность -- на тех, кто ведёт базу знаний.",[10,418,419,422],{},[70,420,421],{},"Галлюцинации."," Даже с RAG модель иногда перефразирует фрагмент так, что смысл искажается. Это редко (при правильном промпте -- в 3-7% случаев), но это не ноль. Для критически важных решений (юридические, финансовые, кадровые) бот должен давать ссылку на источник, а решение принимает человек.",[10,424,425,428],{},[70,426,427],{},"Мультимодальность."," Если инструкция -- это скриншоты интерфейса или видеозапись, текстовый RAG её не обработает. Нужна отдельная индексация изображений, и это пока значительно дороже и менее надёжно.",[14,430,432],{"id":431},"безопасность-данных-облако-коробка-периметр","Безопасность данных: облако, коробка, периметр",[47,434,436],{"id":435},"облачный-битрикс24","Облачный Битрикс24",[10,438,439],{},"Документы проходят через внешнюю модель (OpenAI, Anthropic, YandexGPT). Это означает, что фрагменты текста передаются на серверы провайдера. Что нужно проверить:",[65,441,442,445,448],{},[28,443,444],{},"Политика провайдера по использованию данных для обучения (OpenAI API и Anthropic API не используют данные клиентов для обучения -- но прочитайте актуальный DPA).",[28,446,447],{},"Соответствие 152-ФЗ: если в документах есть персональные данные, передача на зарубежные серверы может нарушать закон.",[28,449,450],{},"Логирование запросов: сохраняет ли ваш сервер вопросы сотрудников и ответы бота? Кто имеет к ним доступ?",[47,452,454],{"id":453},"коробочная-версия","Коробочная версия",[10,456,457],{},"У коробочной версии Битрикс24 есть преимущество: данные не выходят за периметр. Но для RAG вам всё равно нужна языковая модель. Варианты:",[65,459,460,466],{},[28,461,462,465],{},[70,463,464],{},"Локальная модель."," Llama 3, Mistral, GigaChat API (серверы в РФ). Качество ответов ниже, чем у GPT-4 или Claude, но данные остаются внутри.",[28,467,468,471],{},[70,469,470],{},"Приватный endpoint."," Azure OpenAI Service или выделенный инстанс YandexGPT с гарантиями по изоляции данных.",[47,473,475],{"id":474},"разграничение-доступа","Разграничение доступа",[10,477,478],{},"Продумайте, кто какие документы видит через бота. Если у вас в базе знаний есть раздел «Только для руководителей», бот не должен цитировать эти документы рядовому сотруднику. Реализуется через фильтрацию при retrieval: в метаданных каждого чанка хранится уровень доступа, и при поиске бот учитывает роль пользователя из Битрикс24.",[14,480,482],{"id":481},"когда-стандартных-решений-недостаточно","Когда стандартных решений недостаточно",[10,484,485],{},"Типовые сценарии, которые мы в Aventra реализуем для клиентов:",[65,487,488,494,500,506],{},[28,489,490,493],{},[70,491,492],{},"RAG-бот с интеграцией в CRM."," Бот не просто отвечает по базе знаний -- он подтягивает контекст из карточки клиента и предлагает менеджеру готовый ответ с учётом истории сделки.",[28,495,496,499],{},[70,497,498],{},"Мультиязычная база."," Компания работает в нескольких странах, документация на 2-3 языках. Бот отвечает на языке вопроса, используя источники на любом из языков.",[28,501,502,505],{},[70,503,504],{},"Автоматическое пополнение базы."," Бот фиксирует вопросы, на которые не нашёл ответ, и создаёт черновики статей для базы знаний. Редактор проверяет и публикует.",[28,507,508,511],{},[70,509,510],{},"Интеграция с бизнес-процессами."," Бот не только отвечает, но и запускает действия: создаёт заявку, назначает ответственного, отправляет документ на согласование.",[10,513,514],{},"У нас 75+ приложений в маркетплейсе Битрикс24 и статус ТОП-5 разработчиков. Если вам нужна ИИ-интеграция, которая учитывает специфику вашей компании, а не работает «из коробки, но мимо» -- напишите нам. Оценим задачу, покажем примеры реализации и скажем честно, если для вашего случая ИИ-бот пока избыточен.",{"title":252,"searchDepth":516,"depth":516,"links":517},3,[518,522,523,529,534,539,544,545,550],{"id":16,"depth":519,"text":17,"children":520},2,[521],{"id":49,"depth":516,"text":50},{"id":59,"depth":519,"text":60},{"id":97,"depth":519,"text":98,"children":524},[525,526,527,528],{"id":101,"depth":516,"text":102},{"id":128,"depth":516,"text":129},{"id":153,"depth":516,"text":154},{"id":205,"depth":516,"text":206},{"id":234,"depth":519,"text":235,"children":530},[531,532,533],{"id":238,"depth":516,"text":239},{"id":255,"depth":516,"text":256},{"id":285,"depth":516,"text":286},{"id":303,"depth":519,"text":304,"children":535},[536,537,538],{"id":310,"depth":516,"text":311},{"id":325,"depth":516,"text":326},{"id":350,"depth":516,"text":351},{"id":360,"depth":519,"text":361,"children":540},[541,542,543],{"id":367,"depth":516,"text":368},{"id":377,"depth":516,"text":378},{"id":387,"depth":516,"text":388},{"id":394,"depth":519,"text":395},{"id":431,"depth":519,"text":432,"children":546},[547,548,549],{"id":435,"depth":516,"text":436},{"id":453,"depth":516,"text":454},{"id":474,"depth":516,"text":475},{"id":481,"depth":519,"text":482},"Искусственный интеллект","2026-04-18","Как подключить AI к базе знаний Битрикс24 и получить бота, который отвечает на вопросы сотрудников по внутренним документам. Пошаговая инструкция.","md",{},true,"\u002Fblog\u002Fai-baza-znaniy-bitrix24","11 мин",{"title":5,"description":553},"blog\u002Fai-baza-znaniy-bitrix24","ythqKL8HiMz5HgqbKxeMZZetPgQeaTti_vP7JRLIgjw",1777313433379]