YooMoney запустил внутреннего AI‑ассистента на базе RAG, заменив поиск по Wiki

Что случилось?

Компания YooMoney столкнулась с типичной проблемой крупных организаций: в их корпоративной Wiki накопилось более 15 000 страниц технической и бизнес‑документации. Обычный полнотекстовый поиск перестал удовлетворять потребности сотрудников – они тратили часы на навигацию, задавали одни и те же вопросы коллегам и часто получали устаревшие ответы.

Как решили?

Когда большие языковые модели (LLM) стали доступными в виде API, команда разработчиков решила объединить их с внутренними данными. Был построен RAG‑pipeline (Retrieval‑Augmented Generation):

1. Индексация всех статей Wiki с помощью векторного поисковика (FAISS/Elastic).
2. Запрос от пользователя проходит через LLM, которая формулирует семантический запрос к векторному индексу.
3. Полученные фрагменты передаются обратно в модель, которая генерирует ответ в естественном языке, учитывая контекст.

Результатом стал внутренний AI‑ассистент «Юджин». Он умеет отвечать на вопросы о продуктах, процессах и политиках компании, а также предлагать ссылки на оригинальные документы.

Ключевые цифры

• Сокращение времени поиска: средний запрос теперь решается за 12 секунд вместо 3‑5 минут.
• Уменьшение повторных вопросов: количество дублирующих запросов в чат‑каналах упало на 43 %.
• Экономия рабочего времени: по оценкам HR, ежегодно экономится более 2 200 человеко‑часов.

Более подробно о реализации и результатах можно прочитать в оригинальной статье на Habr AI: https://habr.com/ru/companies/yoomoney/articles/1054144/

Что дальше?

Команда планирует добавить поддержку мульти‑язычности и интеграцию с системами тикет‑менеджмента, чтобы «Юджин» мог автоматически создавать задачи на основе запросов сотрудников.