Я делал RAG-бота для Helpdesk не ради ещё одного чата. Инженер часто уже знает, что нужно проверить, но тратит время на поиск актуальной инструкции среди разрозненных страниц. Поэтому контур собирает знания из Confluence, превращает их в embeddings, хранит в Qdrant и возвращает релевантный фрагмент по вопросу, в том числе по типовым сценариям.

Здесь есть неприятный инженерный конфликт: чем увереннее звучит ответ, тем легче принять его без проверки. Но найденный фрагмент может быть устаревшим, неполным или не относиться к конкретному контексту заявки. RAG уменьшает путь до знания, но не превращает найденный текст в решение.

Поэтому я оставляю финальную проверку за инженером. Бот должен показать опорный материал и границы своей уверенности, а человек — сверить контекст, применимость инструкции и последствия действия. Иначе мы автоматизируем не поддержку, а распространение ошибки с хорошим интерфейсом.

Практический вывод для меня простой: начинать нужно не с обещания «AI ответит на всё», а с проверенной базы знаний, понятного источника ответа и привычки проверять результат. Так бот снимает поиск и помогает онбордингу, но ответственность остаётся там, где ей и положено быть.

На что ваши инженеры тратят больше времени: на диагностику проблемы или на поиск актуальной инструкции?