В кейсе Oganov Digital и банка Точка есть одна важная деталь.

В этот раз мне пришлось глубоко заходить в архитектуру базы данных и выстраивать её с нуля. Проект шёл достаточно долго, и за это время стало хорошо видно, как на практике оцифровывается опыт компании: знания, решения, накопленные правила, рабочие приёмы, внутреннее know-how.

Сама по себе оцифровка здесь не является чем-то выдающимся. Этим занимаются многие IT-компании, и как услуга она давно перестала быть редкостью. Проблема в другом. Просто сложить знания в базу недостаточно.

Их нужно привести в форму, с которой вообще может работать искусственный интеллект.

Понять, какие данные где лежат, в каком контексте они применимы, в каком объёме их можно использовать и в каком виде возвращать пользователю.

По сути, нужно заранее заложить в систему правила работы с этой базой, а не надеяться, что модель «как-нибудь разберётся».

В какой-то момент стало ясно, что именно это и есть ключевая точка. Не сам ИИ и не интерфейс бота, а архитектура данных и логика доступа к ним.

Позже я сделал ещё несколько проектов, где результат держался ровно на этом же принципе. Предсказуемость и качество работы ИИ-ассистента обеспечивались не моделью, а тем, как была собрана база: семантика поиска, структура, тегирование, ограничения и связи между данными.

Я сделаю вторую часть этого кейса и разберу именно эту часть работы. Ту часть, которая обычно считается «внутренней», но по факту и определяет, будет система работать или нет.