Mentorium
Почему базы знаний есть почти у всех, но ими никто не пользуется?
В большинстве компаний существует база знаний. Там лежат инструкции, документы, регламенты, ответы на типовые вопросы. Со временем таких материалов становится всё больше.
Проблема в том, что найти в этой базе что-то конкретное часто сложнее, чем спросить коллегу.
Обычный поиск по базе работает довольно примитивно. Он ищет совпадения по словам. Если пользователь сформулировал запрос немного по-другому, система может просто не понять, что именно ему нужно. В результате человек открывает десятки страниц, просматривает документы и всё равно не находит точного ответа.
Со временем сотрудники перестают пользоваться базой знаний вообще. Гораздо быстрее написать коллеге в корпоративный чат и спросить напрямую.
Именно такую проблему и пытается решить Mentorium, который делает наша команда в “Словософт”.
Проблема в том, что найти в этой базе что-то конкретное часто сложнее, чем спросить коллегу.
Обычный поиск по базе работает довольно примитивно. Он ищет совпадения по словам. Если пользователь сформулировал запрос немного по-другому, система может просто не понять, что именно ему нужно. В результате человек открывает десятки страниц, просматривает документы и всё равно не находит точного ответа.
Со временем сотрудники перестают пользоваться базой знаний вообще. Гораздо быстрее написать коллеге в корпоративный чат и спросить напрямую.
Именно такую проблему и пытается решить Mentorium, который делает наша команда в “Словософт”.
1
Что такое Mentorium?
Mentorium — это умная система поиска по базе знаний. Она помогает быстро находить нужную информацию даже в очень больших массивах данных.
Главное отличие в том, что система не просто ищет совпадения по словам и не ограничивается только лишь векторизацией базы знаний.
Сегодня многие решения уже используют эмбеддинги и умеют искать по смыслу. Но на практике этого часто недостаточно: без дополнительной логики такие системы легко дают неточные или «размытые» ответы.
В Mentorium поиск устроен глубже. Сначала система находит релевантные фрагменты, а затем дополнительно отбирает их по смыслу вопроса, отсекая лишнее и собирая из этого целостный ответ. В итоге пользователь получает не список документов и не случайную подборку, а нормальный, точный ответ с привязкой к источникам.
Главное отличие в том, что система не просто ищет совпадения по словам и не ограничивается только лишь векторизацией базы знаний.
Сегодня многие решения уже используют эмбеддинги и умеют искать по смыслу. Но на практике этого часто недостаточно: без дополнительной логики такие системы легко дают неточные или «размытые» ответы.
В Mentorium поиск устроен глубже. Сначала система находит релевантные фрагменты, а затем дополнительно отбирает их по смыслу вопроса, отсекая лишнее и собирая из этого целостный ответ. В итоге пользователь получает не список документов и не случайную подборку, а нормальный, точный ответ с привязкой к источникам.
2
Как Mentorium работает с информацией?
Когда система подключается к источнику данных, она, как и многие решения, загружает контент и выстраивает структуру базы знаний: связи между документами, разделами и смысловыми блоками.
Но на этом сходство с типовыми системами заканчивается.
В большинстве случаев поиск работает в один проход: нашли похожие фрагменты — отдали результат. Из-за этого в ответ часто попадает лишнее. В Mentorium логика другая. Найденные фрагменты проходят несколько этапов отбора: система последовательно уточняет, что именно имел в виду пользователь, пересобирает контекст и отсекает всё, что не даёт прямого ответа.
По сути это не единичный поиск, а несколько итераций, в процессе которых результат каждый раз «очищается» и становится точнее.
За счёт этого из большой базы знаний в ответ попадает не просто что-то похожее, а действительно релевантная информация без лишних и отвлекающих данных.
Но на этом сходство с типовыми системами заканчивается.
В большинстве случаев поиск работает в один проход: нашли похожие фрагменты — отдали результат. Из-за этого в ответ часто попадает лишнее. В Mentorium логика другая. Найденные фрагменты проходят несколько этапов отбора: система последовательно уточняет, что именно имел в виду пользователь, пересобирает контекст и отсекает всё, что не даёт прямого ответа.
По сути это не единичный поиск, а несколько итераций, в процессе которых результат каждый раз «очищается» и становится точнее.
За счёт этого из большой базы знаний в ответ попадает не просто что-то похожее, а действительно релевантная информация без лишних и отвлекающих данных.
3
Ответы, а не просто ссылки
Пользователь получает не список документов, а сразу готовый ответ: с цитатами, ссылками на источники и дополнительными материалами. При этом всегда можно посмотреть, откуда именно взялась информация.
По форме это похоже на то, как отвечают современные AI-сервисы вроде Perplexity.
Разница в том, как достигается такой результат. У крупных моделей это во многом эффект масштаба и обучения на огромных объёмах данных. В случае Mentorium похожий результат получается за счёт более точной работы с конкретной базой знаний: отбора, фильтрации и сборки ответа из релевантных источников.
В итоге даже на относительно небольшой базе система даёт аккуратные ответы.
По форме это похоже на то, как отвечают современные AI-сервисы вроде Perplexity.
Разница в том, как достигается такой результат. У крупных моделей это во многом эффект масштаба и обучения на огромных объёмах данных. В случае Mentorium похожий результат получается за счёт более точной работы с конкретной базой знаний: отбора, фильтрации и сборки ответа из релевантных источников.
В итоге даже на относительно небольшой базе система даёт аккуратные ответы.
4
Интеграция с чат-ботом
Mentorium можно использовать не только как отдельный инструмент для поиска по базе знаний. Его можно подключить к чат-боту, о котором мы рассказывали тут. В таком случае пользователь просто задаёт вопрос в чате, а бот обращается к Mentorium и получает от него готовый ответ из базы знаний.
Со стороны это выглядит как обычный диалог. Человек задаёт вопрос и сразу получает понятный ответ, хотя на самом деле система ищет информацию сразу по всей базе знаний компании.
Именно поэтому наш бот может так быстро отвечать на сложные вопросы — за ним стоит Mentorium, который умеет находить нужную информацию в больших массивах данных.
Со стороны это выглядит как обычный диалог. Человек задаёт вопрос и сразу получает понятный ответ, хотя на самом деле система ищет информацию сразу по всей базе знаний компании.
Именно поэтому наш бот может так быстро отвечать на сложные вопросы — за ним стоит Mentorium, который умеет находить нужную информацию в больших массивах данных.
5
Почему это важно для компаний?
Когда доступ к информации становится быстрым и понятным, база знаний начинает реально работать.
Сотрудники тратят меньше времени на поиск документов, быстрее находят нужные инструкции и реже отвлекают коллег вопросами. В итоге рабочие процессы начинают идти быстрее, а нагрузка на команды поддержки снижается.
По сути Mentorium превращает базу знаний из набора документов в удобный инструмент, который действительно помогает людям получать ответы.
Сотрудники тратят меньше времени на поиск документов, быстрее находят нужные инструкции и реже отвлекают коллег вопросами. В итоге рабочие процессы начинают идти быстрее, а нагрузка на команды поддержки снижается.
По сути Mentorium превращает базу знаний из набора документов в удобный инструмент, который действительно помогает людям получать ответы.
КОНТАКТЫ
+7 926 63 999 37 privet@slovo2050.ru
ООО СЛОВОСОФТ"
ИНН 9723226567
ИНН 9723226567