Ваш банк уже знає відповідь. Співробітники просто не можуть її знайти.

Співробітник відділення отримує запитання про валютний переказ для клієнта-нерезидента. Відповідь існує. Вона є в процедурі, оновленій минулого кварталу, в роз'яснювальному листі від комплаєнсу і в кейсі, який навесні вирішував колега з іншого регіону. Співробітник не знаходить жодного з цих джерел, дзвонить колезі, а клієнт чекає.

Це не рідкісна ситуація. Це звичайний режим роботи більшості банків.

> ~19% робочого часу йде на пошук інформації, потрібної для виконання завдань — McKinsey Global Institute, The social economy (2012).

Цій цифрі вже понад десять років, і у блогах вендорів її часто перебільшують до «1,8 години на день». Точне значення менш важливе, ніж сама закономірність: працівники розумової праці витрачають приблизно день на тиждень на пошук того, що організація вже знає. У банку ціна вища, бо неправильна відповідь — це не просто повільно. Це комплаєнс-інцидент.

Чому пошук в інтранеті так і не запрацював

Банки не ігнорували цю проблему. У більшості є інтранет, система документообігу, SharePoint і кілька просторів у Confluence. Проблема не в нестачі документів. Вона у трьох структурних розривах:

• Пошук знаходить файли, а не відповіді. На запитання «чи можемо ми відкрити рахунок клієнту з посвідкою на тимчасове проживання?» співробітник отримує список із 40 PDF, а не абзац, який відповідає на запитання.
• Версії розходяться. Процедура в інтранеті, вкладення в листі й копія на чиємусь робочому столі кажуть три різні речі. Ніхто не знає, яка з них чинна.
• Знання живуть у людях. Найкорисніші відповіді — в головах досвідчених співробітників, у старих тікетах і листуванні, які жоден пошук не індексує.

Що насправді робить AI-шар знань

AI-шар знань — це не чат-бот поверх інтранету. У банку він має добре робити чотири речі.

1. Відповідати з джерелом, щоразу

Кожна відповідь містить посилання на документ, розділ і версію, звідки вона взята, і співробітник може це посилання відкрити. Якщо система не знаходить підтвердного джерела, вона прямо про це каже, а не вигадує. Це одне правило дає більше довіри, ніж будь-який вибір моделі.

2. Враховувати, хто що має право бачити

Касир відділення і член кредитного комітету не повинні отримувати однакові відповіді. Шар знань успадковує наявні в банку права доступу (ролі, підрозділи, рівні конфіденційності) і фільтрує те, що кожен користувач може отримати, ще до того, як модель це побачить.

3. Знати, яка версія чинна

Документи завантажуються з датами набрання чинності та статусом. Замінені процедури зберігаються для аудиту, але не використовуються у відповідях. Коли політика змінюється, відповідь змінюється того ж дня, а не тоді, коли хтось згадає оновити FAQ.

4. Залишати слід

Кожне запитання, знайдене джерело й відповідь журналюються. Комплаєнс може переглянути, що саме казали співробітникам, помітити запитання, які повторюються і сигналізують про нечіткі процедури, та довести, які інструкції були доступні на певну дату.

Де це окупається першим

• Фронт-офіс і відділення: умови продуктів, тарифи, правила онбордингу, винятки.
• Комплаєнс і AML: внутрішні процедури, роз'яснення регулятора, минулі рішення в схожих кейсах.
• Операційний підрозділ і бек-офіс: інструкції до процесів, посібники до систем, маршрути ескалації.
• Нові співробітники: помічник з онбордингу, який відповідає на запитання, які соромно ставити двічі.

Спільне в усіх випадках: багато однакових запитань, відповіді заховані в довгих документах, і реальна ціна помилки.

Як це працює всередині банку

Банк не може відправити внутрішні процедури в публічний AI-сервіс і сподіватися на краще. Продакшн-рішення виглядає так:

• Розгортання на вашій інфраструктурі. On-premise або у вашій приватній хмарі, з моделями, які обираєте ви, зокрема з відкритими моделями, що ніколи не залишають ваш периметр.
• Конектори до наявних систем. Шар знань читає з вашої СЕД, інтранету й тікет-систем. Вам не потрібно мігрувати контент ще в одну платформу.
• Людська відповідальність за контент. Кожна предметна область має власника, який затверджує джерела й переглядає позначені відповіді. AI знаходить і готує чернетки, відповідальність залишається за людьми.
• Спостережуваність. Кожен запит прозорий: що запитали, що знайшли, яка модель відповіла, скільки це тривало і скільки коштувало.

Чекліст для покупця

Перш ніж обирати вендора чи будувати рішення самостійно, перевірте:

• Посилання на джерела: Чи кожна відповідь веде на конкретний розділ джерела? Що відбувається, коли джерела немає?
• Права доступу: Увійдіть як співробітник відділення і спитайте про закриту тему. Чи система коректно відмовляє?
• Версіонування: Замініть процедуру на нову версію. Як швидко змінюються відповіді і чи можна побачити, якою була стара відповідь?
• Мови: Запитайте українською про документ, написаний англійською, і навпаки.
• Розгортання: Чи може рішення повністю працювати у вашому периметрі з моделями на ваш вибір?
• Аудит: Чи може комплаєнс вивантажити всі запитання й відповіді за певний період?
• Відповідальність: Хто оновлює контент і скільки зусиль це потребує щомісяця?
• Контроль витрат: Чи видно вартість одного запиту і чи можна встановити ліміти для підрозділів?

Як ми це впроваджуємо

Ми починаємо з однієї предметної області та однієї групи користувачів, а не з усього банку.

1. Discovery та оцінка (2–3 тижні). Збираємо запитання, які люди реально ставлять, джерела, що на них відповідають, і правила доступу, які до них застосовуються.
2. Proof of concept. Робочий помічник на вибірці реальних документів, протестований реальними користувачами, з виміряною якістю відповідей.
3. Запуск у продакшн. Конектори, права доступу, журнал аудиту й runbook, з яким ваша команда зможе працювати. Типовий термін запуску — 6–12 тижнів від старту.

Ми приходимо з уже зібраною платформою для чату, пошуку, спостережуваності та контролю доступу, тож вам не доводиться платити за побудову інфраструктури з нуля.

FAQ

Чи буде AI вигадувати? Може, якщо дозволити йому відповідати без джерела. Ми налаштовуємо систему відповідати лише на основі знайдених документів, а інакше казати «я не знайшов цього». Якість відповідей вимірюється на тестовому наборі реальних запитань ще до запуску.

Чи залишають наші документи межі банку? Не за on-premise розгортання. Документи, індекси й моделі залишаються у вашій інфраструктурі.

А якщо наші документи в безладі? Зазвичай так і є. Частина discovery — визначити, які джерела є авторитетними. Помічник також виявляє суперечливі документи, і це часто перший корисний результат.

Чим це відрізняється від Microsoft Copilot чи звичайного корпоративного пошуку? Універсальні інструменти створені для загальної офісної роботи. Банку потрібні посилання на джерела на рівні відповіді, суворе фільтрування за правами доступу, контроль версій регламентованих документів і журнал аудиту, розрахований на перевірку комплаєнсом.