Сфера управления знаниями стремительно меняется вслед за развитием искусственного интеллекта и более глубокого понимания ценности корпоративных знаний со стороны бизнеса. Дмитрий Лактионов, руководитель отдела внедрения BSS, рассказывает, какие тренды ожидают отрасль в наступившем 2026 году.
От фиксации к извлечению (анализу): как ИИ ускоряет работу с глубинными знаниями
На первом месте, безусловно, стоит более глубокое внедрение ИИ в работу со знаниями, накопленными в компании. Речь идет не только об уже завоевавших признание ИИ-помощниках для поиска информации и генерации ответов на основе текстовых документов из базы знаний, но и об активном развитии инструментов обработки контента в нетекстовых форматах: видео, аудио, изображения.
Само понятие «знания» сегодня трактуется гораздо шире, чем просто документ, инструкция или регламент. Сейчас это в том числе записи вебинаров, переговоров, записи встреч из Zoom, которые также несут в себе ценную информацию. Благодаря ИИ эти артефакты стало возможно фиксировать и анализировать быстрее и эффективнее.
Развитие такого функционала приводит к тому, что пользовательский опыт становится более целостным: при обработке запросов к базе знаний система будет учитывать в том числе мультимедиа информацию. Такой подход в конечном счете даст возможность повысить охват тех знаний, которые копятся в компаниях, но редко обрабатываются, поскольку не представлены в текстовом виде.
Участие ИИ в обработке такой информации поможет сделать СУЗ-платформы более эффективными при работе с глубоким уровнем управления знаниями — их извлечением и фиксацией, — ускоряя этот процесс и делая его удобнее.
Генерация нового контента на основе корпоративных знаний
Следующий тренд — использование искусственного интеллекта для создания новых документов на основе существующих знаний. Здесь ИИ выступает как исполнитель, которому ставят задачи: переформулировать данные, изменить структуру, адаптировать стиль или упростить язык (например, в случае нормативной документации), а также формировать обучающие материалы.
ИИ вполне способен, отталкиваясь от информации из корпоративной базы знаний, создать учебный контент или презентации по заданной теме. Это направление станет одним из ключевых в развитии технологии.
Для повышения качества работы ИИ-инструментов важна и возможность тонкой настройки системы в соответствии с особенностями контента, с которым идет работа, и самой задачи. Что приводит нас к вопросу удобства и качества настройки всей ИИ-инфраструктуры: результат будет зависеть от промптов, параметров RAG и LLM, как выстроен процесс чанкинга — разбиения контента на логические фрагменты. Все это определит, насколько эффективными и релевантными окажутся итоговые результаты работы ИИ.
И если раньше эти задачи решались сложными инструментами с использованием дорогостоящих специалистов, то сейчас происходит «консьюмеризация» данного функционала — с ним может справиться обычный контент-менеджер. Поэтому очень важно обращать внимание на то, присутствуют ли такие возможности в СУЗ-платформах.
Разделение ИИ-труда для лучшего результата
Еще одна тенденция: появление ИИ-моделей, заточенных под решение очень конкретных задач. Например, некоторые эффективно анализируют большие данные и формируют по ним строгие нормативные документы, но проигрывают при необходимости создать более простой и дружелюбный текст. То же самое с моделями, которые хорошо работают с текстом, но хуже — с изображениями или видео. То есть рынок моделей становится более специализированным, появляются фавориты по своим направлениям.
Вероятнее всего, в итоге это приведет к ситуации, когда в рамках одной базы знаний будут использоваться сразу несколько языковых моделей — в зависимости от типа запроса и пользовательского сценария. Например, для обработки изображений — одна модель, для аналитики таблиц и больших данных — другая. Это повысит удобство пользователей и сделает опыт взаимодействия с платформой и самим искусственным интеллектом максимально комфортным. Крайне важно, чтобы платформа, к которой будут подключаться различные LLM-модели, изначально предусматривала такие возможности.
Обогащение базы знаний динамическими данными с помощью ИИ-агентов
Еще одно направление развития сферы работы со знаниями — создание ИИ-агентов. Зачастую при обработке запросов в системах управления знаниями задача стоит шире, чем просто извлечь информацию из хранилища базы знаний: требуются дополнительные данные из других систем, как корпоративных, так и внешних. Здесь на помощь и приходят ИИ-агенты, которые могут получать нужные сведения из сторонних по отношению к базе знаний источников, обрабатывать их и обогащать ими финальный результат работы ИИ.
Например, в банке есть нормативные документы по продуктам, которые меняются редко, и оперативные данные, такие как процент кешбэка или остатки по счетам. Когда сотрудник обращается к ИИ с вопросом об условиях обслуживания для конкретного клиента, часть информации будет взята из базы знаний, а переменные значения — подтянуты из других систем, например, из АБС. В результате обработки эти данные агрегируются, и пользователь получает полноценный ответ, учитывающий информацию из всех источников. Таким образом, ИИ-сервисы возьмут на себя обработку информации, облегчая человеку выполнение таких задач.
В роли ИИ-агента может выступать и конкретная нейросеть, решающая специфическую задачу. Например, сотруднику отдела продаж нужно подготовить отчет по переговорам, который будет включать оценку клиентского потенциала. В качестве ИИ-агента может быть использована нейросеть, которая обработает результаты видеосозвона с клиентом и, опираясь на внутренние критерии компании, даст оценку такого клиента и перспектив сотрудничества с ним.
СУЗ как структурная основа бизнес-процессов
В заключение стоит подчеркнуть важный и ценный тренд — все более глубокое проникновение систем управления знаниями в рутинные бизнес-процессы. Меняется восприятие базы знаний: из нишевого вспомогательного решения она становится структурной платформой. Эта платформа не только хранит полный объем корпоративных данных, но и предоставляет исчерпывающий набор сервисов. Работа с системой становится простой и эффективной, а ее внедрение в ежедневные процессы — органичным.
Бизнес приходит к пониманию, что знания нужны сотрудникам не время от времени в качестве справочных или обучающих материалов, а постоянно, при решении повседневных задач.
В результате базы знаний трансформируются в информационное ядро, которое используется в разных системах. Это приводит к необходимости интеграций СУЗ с телефонией, чат-ботами, сервисами самообслуживания, CRM, банковскими и ERP-платформами и другими ИТ-продуктами.
Поэтому перед нами и вендорами других платформ стоит задача обеспечить возможность и простор таких интеграций, в том числе с учетом ИИ-возможностей СУЗ-систем. И сделать это так, чтобы были учтены привычные пользовательские сценарии, уникальные для разных компаний.