AI внутри систем, на которых держится бизнес, с контролем и ответственностью

SLAtech встраивает AI в существующие системы компании: CRM, ERP, порталы и архивы документов. Права доступа, данные и требования регулятора остаются под контролем, а за то, что мы построили, отвечает команда SLAtech.

Кратко

AI в организации не сводится к чат-боту на сайте. Без архитектуры, контроля данных и прав доступа он создаёт операционный, регуляторный и информационный риск. Поэтому мы проектируем AI как часть корпоративной системы: он работает с вашими данными, учитывает, кому что разрешено видеть, и отвечает со ссылкой на источник.

Что строим

Поиск и ответы по документам

Сотрудники тратят время на поиск в архивах, папках и старой переписке. Система находит ответ в документах компании и показывает, из какого документа и раздела он взят.

Ассистенты внутри CRM и ERP

Клиенты и сотрудники задают одни и те же вопросы о заказах, статусах и правилах. Ассистент отвечает по данным CRM или ERP, а если вопрос выходит за эти рамки, передаёт разговор человеку вместе с историей.

Обработка документов и автоматизация

Счета, договоры и формы вводят вручную, с ошибками и задержками. AI извлекает данные из документа, проверяет их по правилам и передаёт в систему, а спорные случаи оставляет человеку.

Доступ AI-агентов к вашим системам через MCP

AI-ассистенты, которыми пользуются сотрудники и клиенты, не видят ваших систем. Через MCP-сервер они получают нужные данные и действия только в пределах выданных прав и с журналом каждого обращения. Интеграция MCP

Как работает поиск по документам (RAG)

RAG (Retrieval-Augmented Generation) отвечает не из общей памяти модели, а на основе ваших документов. Работа идёт в четыре шага:

  1. Индексация. Документы разбиваются на смысловые фрагменты, для каждого строится векторное представление, и всё сохраняется в поисковом индексе.
  2. Поиск. Вопрос пользователя тоже переводится в вектор, и система находит самые близкие по смыслу фрагменты. В выдачу попадает только то, что этому пользователю разрешено видеть.
  3. Ответ. Модель получает вопрос и найденные фрагменты и формулирует ответ только на их основе. Если ответа в документах нет, система так и говорит.
  4. Ссылка на источник. К ответу прилагается ссылка на документ и раздел, чтобы его можно было проверить в оригинале.

Если данные не должны покидать организацию, систему можно развернуть на ваших серверах или в частном облаке.

Контроль: точность, безопасность, регулирование

Точность. Перед запуском мы собираем набор реальных вопросов с проверенными ответами и прогоняем по нему систему, а затем повторяем проверку после каждого изменения модели, инструкций или данных. Ответ без опоры на документы считается ошибкой.

Угрозы, специфичные для AI:

  • Prompt injection: текст в документе или письме, который пытается переписать инструкции модели. Инструкции и данные разделены, а действия с последствиями требуют подтверждения человека.
  • Утечка между клиентами и отделами: индекс и поиск учитывают, чей это документ, поэтому пользователь не получит фрагмент из чужих документов.
  • Журнал: каждый запрос и каждый ответ записываются, чтобы можно было разобрать спорный случай и показать проверяющему, что именно видела система.
  • Для уже работающих агентов есть отдельный аудит безопасности AI-агентов.

Регулирование. Системы с персональными данными в Израиле подпадают под Закон о защите частной жизни и поправку 13. Хранение, доступ и журналы проектируются с учётом этих требований: поправка 13 для информационных систем. Правила использования AI, распределение ответственности и документацию (AI governance) готовим вместе с вами.

Аудиты AI-систем

Если система уже собрана с помощью AI или к вашим данным уже подключён агент, начинать стоит с проверки.

Аудит систем, созданных с помощью AI

Безопасность, данные, нагрузка, расходы и сопровождение. На выходе письменный отчёт, план исправлений и обоснованная рекомендация: стабилизировать или переписать.

Проверка безопасности кода, написанного AI

Секреты в коде браузера, права доступа к базе, авторизация на сервере, несуществующие пакеты.

Аудит безопасности AI-агентов

Права агента и подключений MCP, prompt injection, утечка данных, необратимые действия, мониторинг.

Техническая проверка продукта на AI

Для инвесторов и покупателей: владение кодом, лицензии, доступ к данным, зависимость от платформы, стоимость AI на пользователя.

Где AI помогает, а где нет

Помогает, когда:

  • вопросов много, они повторяются, а ответы уже есть в документах или в системе;
  • данные приходят в документах (счета, договоры, формы), а результат можно проверить по правилам;
  • нужно искать по большому архиву, который никто не помнит целиком.

Не помогает, когда:

  • ошибка дорого обходится и выясняется только постфактум, а проверить ответ заранее нечем;
  • нужных данных нет или они существуют только в головах сотрудников;
  • задачу решает простое правило, форма или отчёт. Тогда AI добавляет стоимость и риск, а пользы не прибавляет.

Как работаем

  1. Диагностика. Разбираем данные и процессы: где AI окупится, где нет, хватает ли данных и в каком они состоянии.
  2. Прототип на ваших данных (PoC). Рабочая версия на реальных документах, проверка по набору вопросов с проверенными ответами и решение: продолжать, менять подход или остановиться. Обычно 2-4 недели.
  3. Продакшн. Встраиваем в ваши системы, настраиваем права, журналы и мониторинг, обучаем команду.
  4. Сопровождение 24/7. Следим за качеством ответов по тому же набору вопросов и за расходами на модели, разбираем инциденты, добавляем новые возможности.

Владение и смена провайдера

  • Код, индекс документов и инструкции модели принадлежат вам. Серверы, домены и ключи доступа с первого дня в ваших аккаунтах.
  • Модель подбирается под задачу: простая и недорогая для простых запросов, более сильная для сложных. Если у провайдера меняются цены или условия, модель можно заменить без переписывания системы.
  • Систему знает команда SLAtech, а не один человек. Документация написана так, чтобы с ней могла работать и ваша команда.

Готовый продукт: SLAtech AI

Если нужен не проект, а готовый ассистент для сайта, есть SLAtech AI, продукт SLAtech LTD. Он отвечает посетителям на иврите, русском и английском по материалам вашего сайта и даёт ссылку на страницу-источник. Сайт продукта · Как мы его построили

Инструменты

Частые вопросы

Чем RAG отличается от дообучения модели?

RAG находит ответ в ваших документах в момент запроса, поэтому новые документы начинают работать сразу, а у каждого ответа есть источник. Дообучение меняет саму модель. Оно нужно редко, для особого стиля или формата, и не подходит для фактов, которые часто меняются.

Сколько времени занимает запуск?

Прототип на ваших данных обычно занимает 2-4 недели. Срок выхода в продакшн зависит от того, со сколькими системами нужна интеграция, и определяется после диагностики.

Сколько это стоит?

Стоимость зависит от трёх вещей: объёма и состояния данных, числа интеграций и требований к безопасности. Отдельно учитываются расходы на модели в эксплуатации. Точную оценку даём после диагностики, а порядок цифр можно получить сразу в оценщике проекта.

Какие модели вы используете?

Ту, что подходит задаче по качеству, цене и требованиям к данным, часто разные модели для разных шагов. Привязки к одному провайдеру нет: модель можно заменить без переписывания системы.

Как AI работает на иврите?

Качество на иврите мы проверяем отдельно, на наборе вопросов на иврите. У иврита свои сложности: например, из-за приставок поиск по словам пропускает совпадения. Интерфейс на иврите работает справа налево.

Можно ли использовать AI с персональными данными по израильскому закону?

Можно, если система спроектирована под Закон о защите частной жизни и поправку 13: минимальный доступ, журналы, хранение и удаление по правилам. Подробнее на странице о поправке 13.

SLAtech LTD