Как КНАУФ создал FAQ для клиентов на базе RAG – из разрозненных документов и всего за 2 недели

Компания
КНАУФ – крупнейший производитель строительных отделочных материалов из гипса. Компания осуществляет полный цикл производства: от добычи сырья до поставки высококачественной продукции потребителям в точки продаж, на склады и строительные объекты. КНАУФ в России обладает мощной научно-исследовательской и производственной базой.
Январь 2025
Клиентский сервис
Производство
Инструменты
Задача
В сфере строительства и ремонта у потребителей часто возникают вопросы, связанные с выбором подходящих материалов или их правильным использованием.
Покупатели регулярно обращаются за советами в службу поддержки КНАУФ, причем, по статистике, до 50% запросов поступает в нерабочее время операторов.
Для общения с клиентами КНАУФ активно применяет ботов, которые доступны на сайте, в VK, Telegram, по электронной почте и через телефонные каналы. Однако традиционные чат-боты не всегда способны справиться со сложными запросами пользователей. А для КНАУФ важно не только быстро реагировать, но и давать клиентам полноценные консультации.
К тому же, учитывая огромный спектр продукции и нюансов ее применения, обучение сценарного бота занимает слишком много времени. Требуется время на разбор вопросно-ответных пар, проверку актуальности данных и обновление бота. Поэтому в компании решили попробовать новый подход на базе генеративного ИИ и интегрировали Jay Knowledge Hub, интеллектуальную систему для поиска по неразмеченным данным на основе RAG и дата-агентов.
Как ассистент Kai стал еще умнее
Ассистент Kai — виртуальный помощник компании КНАУФ, доступный в официальных каналах компании, — ежемесячно помогает 2000+ клиентам. Kai, например, может подсказать характеристику продукта, рассказать о применении стройматериалов и быстро сориентировать по сайту.
В рамках proof-of-concept экспериментов с генеративным искусственным интеллектом внутри AI-ассистента было принято решение не переписывать чат-бота с нуля, а сделать новую ветку в уже существующем боте.


Такая доработка требовала минимум трудозатрат, позволяла напрямую обращаться к Jay Knowledge Hub и значительно расширяла объем знаний ассистента. В отличие от традиционного способа разработки FAQ, основанного на паттернах и предзаписанных вопросно-ответных парах, Jay Knowledge Hub позволяет искать ответы на вопросы по загруженным в базу документам.
Для проекта были отобраны часто задаваемые вопросы из различных источников: комментариев во ВКонтакте и YouTube, писем на электронную почту, а также технические листы, документация и альбомы рабочих чертежей на 400 000 слов. Всего порядка 1 000 страниц неразмеченных документов. Для того, чтобы база знаний показала высокий процент точности ответов, на этом этапе нам было важно убедиться, что подготовленная информация не содержит противоречий.
Александр Симонов
Руководитель проектов, КНАУФ
Когда документы проверили на актуальность и полноту, их загрузили в Jay Knowledge Hub для обучения векторной базы данных.
Как работает обработка документов и поиск ответов
в Jay Knowledge Hub
1
Собранные документы загружаются в систему, где они индексируются и автоматически разбиваются на небольшие фрагменты текста — чанки. Каждый чанк преобразуется в векторный формат, подходящий для быстрого поиска, и становится частью векторной базы данных.
2

Когда пользователь задает вопрос в чате, система выполняет поиск по чанкам, определяя наиболее релевантные фрагменты на основе семантической близости. Найденные чанки передаются в LLM, которая формирует финальный ответ для пользователя. Внутри Jay Knowledge Hub есть ряд настроек, по которым производится векторизация и поиск чанков, также есть возможность выбрать подходящую генеративную модель.

Для проекта была подобрана качественная и при этом недорогая модель от Open AI – GPT-4o mini. А весь процесс сбора данных и тестовых вопросов, обучения, тестирования и вывода решения в прод занял всего 2 недели. Учитывая полученный объем знаний Kai, разработка похожего решения классическим подходом могла бы занять месяцы!
Не только быстро, но и качественно
Тестирование проводилось с использованием заранее подготовленных вопросов и идеальных ответов, которые подготовили специалисты из КНАУФ. Каждый вопрос сопровождался указанием, в каком документе содержится ответ. Вопросы прогонялись через систему, после чего результат сравнивался с ожидаемым идеальным ответом. Для оценки соответствия ответов также использовали ИИ, который анализировал, насколько ответы совпадают по смыслу. Это позволило определить уровень точности решения, который составил 89%.
Уже на первых тестах база знаний на ИИ показала себя очень уверенно – 89% точности ответов!
Подключение ИИ к сценарному чат-боту позволило в разы ускорить поддержку актуальности данных. Теперь на основе базы знаний из технических документов и FAQ бот формулирует ответы так, будто с клиентом общается живой человек из технической поддержки. Это позволяет круглосуточно консультировать тысячи пользователей, экономя до 50% времени сотрудников. Особенно нравится, что даже если бот не знает ответа на вопрос пользователя, он все равно даст грамотный ответ с точки зрения технической поддержки.
Александр Симонов
Руководитель проектов, КНАУФ
Результаты
Благодаря готовой интеграции Jay Knowledge Hub с диалоговой платформой JAICP, диалоговой платформой на которой был разработан AI-ассистент Kai, вывод решения в эксплуатацию был реализован за 1 день.

Теперь Kai умеет отвечать на более чем 3000 вопросов по продуктам компании, информация о которых содержалась в загруженных в Jay Knowledge Hub документах. AI-ассистент легко понимает любые формулировки вопросов, справляется с ошибками в запросах, а если не обладает экспертизой, вежливо переводит диалог на оператора.

Когда стартовал активный этап тестирования, бота передали специалистам из КНАУФ. Коллеги были поражены, откуда Kai мог знать столько деталей и так полно и грамотно отвечать клиентам!
Что дальше
В работе у проектной группы — создание новой версии AI-ассистента с расширенными возможностями и знаниями. Планируется интеграция базы данных КНАУФ с Jay Knowledge Hub, чтобы обновление базы знаний происходило динамически, без необходимости ручной загрузки файлов в систему.

В будущем чат-ботом будут пользоваться не только клиенты компании, но и её сотрудники (а их более 100), включая консультантов в местах продаж и специалистов отдела поддержки.

Также в планах разработка голосового бота на базе Jay Knowledge Hub. Здесь еще ведутся работы по ускорению генерации ответов на лету, но уже текущие тесты показывают скорость в 500 мc, приближающуюся к показателям текущих проектов для голосового канала в 300 мс.

Другие кейсы