📊 У Morgan Stanley 16 000+ финансовых советников и база из 100 000+ research-документов. Проблема была не в нехватке знаний — а в том, что нужный фрагмент почти невозможно найти вовремя.
🤖 В 2023 они внедрили AI-ассистента на GPT-4. Первая версия уверенно отвечала на ~7000 предзаданных вопросов — типичная стартовая точка почти любого корпоративного AI-пилота.
🧱 Дальше — стена. Расширение охвата упирается не в модель, а в вопрос: какие данные вообще можно доставать AI, и кто отвечает за ответ. По ряду отраслевых оценок, значительная часть корпоративных RAG-проектов буксует именно на этом этапе.
Morgan Stanley закрыли это архитектурой из трёх вопросов: 🔐 Какие знания допустимо доставать (доступ размечен по ролям и чувствительности) ✅ Можно ли проверить источник каждого ответа ✍️ Кто отвечает за финальное решение (AI сокращает поиск, подпись — за человеком)
📈 Итог: охват расширился с ~7000 вопросов почти до всего корпуса.
💡 Вывод простой: модель — компонент, который можно купить у кого угодно. Карта знаний компании и правила доступа к ним — то, что купить готовым нельзя.
А в вашей компании есть карта того, какие знания вообще доступны AI-ассистенту?
