Knowledge Base + RAG — Go Global UAE

Проблема

Менеджеры Go Global UAE были перегружены повторяющимися вопросами клиентов — про документы, процесс поступления, регламент. В нерабочее время клиенты ждали ответа сутками, «горячие» сделки терялись.

Параллельно — каждый новый сотрудник забирал у руководителя отдела часы персональных объяснений. Онбординг был узким горлышком и для команды, и для роста.

Решение

Бот стал второй линией поддержки и онбординг-наставником одновременно.

Клиент пишет в Telegram → получает ответ за секунды, в формате как будто отвечает живой менеджер. Не «вот ссылка на FAQ», а конкретный ответ на конкретный вопрос с учётом контекста диалога.

Новый сотрудник вышел на работу → получает доступ к боту с режимом «всё про регламент и процесс». Не нужно дёргать руководителя — бот знает где что лежит и как что работает.

Партнёр-амбассадор задаёт вопрос → видит ту информацию которую ему положено видеть, без доступа к внутренним материалам менеджеров.

Результат

Самая денежная цифра — close rate вырос на ~35%. Из каждых 100 потенциальных клиентов теперь конвертируются 35 дополнительно. Раньше эти сделки терялись в окне «менеджер не на месте, клиент остыл».

Менеджеры разгружены наполовину — это не «уволили половину», это «освободили половину времени для сложных переговоров». Простые вопросы бот закрывает сам.

Самое неожиданное — позиция онбординг-наставника закрылась как функция. Не было увольнений, просто эта работа перестала быть работой. Новые сотрудники проходят онбординг через бота за пару дней вместо двух недель. Руководители вернулись к продажам.

200+ клиентов в месяц получают мгновенный ответ в нерабочее время. В выходные. В пики. Ночью. Это не оптимизация — это новая категория сервиса.

Уроки

Ключевой урок — access control важнее качества генерации. Реальная ценность пришла когда правильно разделили роли: что видит менеджер vs клиент vs партнёр. Один и тот же вопрос от разных людей требует разных ответов — это бизнес-логика, которую сама модель не соберёт.

На корпусе из 1200+ страниц hybrid retrieval работал заметно лучше чистого vector search. Технические термины и редкие имена терялись в семантическом сходстве, но ловились keyword-поиском.

Самый острый момент при запуске — первая версия бота иногда «додумывала» детали которых не было в базе. Решилось не заменой модели, а жёсткими ограничениями в системном промпте и шагом верификации перед ответом. Промпт — это бизнес-логика.