Нужна база знаний, в которой понятно, какой документ актуален, кто отвечает за его обновление и кому разрешено его читать. Без этого даже хорошая модель будет уверенно пересказывать старые правила.
Начните не с загрузки всех папок, а с одной темы. Например, с внутренних HR-регламентов. Соберите 30–50 вопросов, которые чаще всего задают коллеги, и найдите документы, отвечающие на них. Так сразу станет видно, каких материалов не хватает.
Затем проверьте каждый файл: название, дату обновления, владельца, статус, ограничения доступа. Если одна инструкция встречается в трех версиях, назначьте ответственному задачу выбрать основную. Архивные документы лучше убрать из поискового индекса, а не надеяться, что нейросеть сама распознает старый текст.
Что должно быть у каждого материала:- Понятный заголовок, например «Командировки: оформление и возмещение расходов».
- Дата обновления и подразделение, которому принадлежит документ.
- Короткие разделы с вопросами или действиями вместо сплошного текста.
- Ссылка на связанные правила, если ответ зависит от другого документа.
- Указание, для каких сотрудников материал доступен.
Разделы базы знаний лучше строить вокруг реальных рабочих ситуаций, а не только названий департаментов. Сотрудник ищет «как вернуть деньги за билет», а не «финансовая политика, пункт 7.4». Смысловые заголовки помогают поиску сопоставить оба варианта. Хорошо организованная база знаний также облегчает онбординг новых сотрудников без участия бота.
Пример проверки. Попросите трех коллег самостоятельно найти правило переноса отпуска. Если они приносят разные версии, сначала исправьте документы. Это быстрее и надежнее, чем менять настройки модели наугад.