Búsqueda y respuestas corporativas sobre los documentos de la empresa. Sin alucinaciones.
AiST RAG convierte 1C:GD, los recursos compartidos, SBIS, Confluence y el correo en una búsqueda Ai unificada: formula la pregunta con sus palabras — y recibe una respuesta precisa con enlaces a la fuente original. Ya integrado en AiST Platform — se activa con una casilla.
- ⌕ Búsqueda híbrida + reranker
- ⛁ Más de 40 tipos de fuentes
- ⛨ ACL a nivel de documento
- ⌬ Citas con enlace al párrafo
- ◉ 152-ФЗ · on-prem · embeddings ru
El conocimiento corporativo está escondido en 30 sistemas. Nadie puede encontrarlo.
Según McKinsey, un empleado dedica 1.8 horas al día a buscar la información que necesita. Y ChatGPT responde con seguridad — pero se inventa la mitad de los hechos y no conoce sus contratos.
El conocimiento vive en 30 sistemas
1C:Gestión Documental, SBIS, Confluence, recursos compartidos, Outlook, Teams, el portal, Sharepoint. Para encontrar una respuesta, el empleado entra en 5 sistemas — o simplemente llama a un colega.
ChatGPT miente con aplomo
La Ai pública no conoce sus contratos ni sus reglamentos. Inventa respuestas verosímiles — que luego el jurista y el product manager desenredan durante semanas. No se puede confiar.
No se puede subir a ChatGPT
Contratos, listas de precios, datos personales de clientes, documentación de proyectos — por la 152-ФЗ y los NDA no pueden ir a una Ai pública. Es decir, la Ai queda vetada precisamente para el trabajo más valioso.
La cadena RAG completa ya está montada. Usted solo conecta las fuentes.
Parsing, OCR, chunking, embeddings, búsqueda híbrida, reranker, generación de respuestas con citas — cada etapa está configurada y funciona «de serie» dentro de AiST Platform.
-
01
Conecta las fuentes — con una casilla Más de 40 conectores: 1C:GD, SBIS, recursos compartidos (SMB/NFS/S3), Confluence, Sharepoint, Outlook, Bitrix24, el sitio web, bases de datos. Una cuenta de usuario de servicio — y listo.
-
02
La plataforma lo indexa todo por sí sola Reconoce escaneos (AiST OCR), extrae tablas de Excel, procesa PDF y PPT. Chunking por sentido, no por palabras. Sincronización incremental — cambia el documento, se actualiza el índice.
-
03
Búsqueda híbrida + reranker BM25 captura términos exactos y números; el vector — el sentido. El cross-encoder selecciona los 8 mejores chunks de 200 candidatos. Precisión de las respuestas — del orden de 0.92–0.96 en consultas corporativas.
-
04
Respuesta con citas y verificación El LLM forma la respuesta solo con los fragmentos encontrados. Cada afirmación — con una nota al párrafo del documento. Si los documentos no contienen la respuesta — dirá honestamente «no lo sé».
No «embeddings en Pinecone». Un RAG enterprise de pleno derecho.
12 ingenieros durante dos años montaron lo que usted activa con una simple casilla. Todo con ajuste industrial — parsing de tablas, ACL, sincronización incremental, multilingüismo, actualización del índice en tiempo real.
Hybrid Search
BM25 + dense vector + sparse vector. Captura tanto números exactos de contratos como consultas semánticas.
Reranker
El cross-encoder selecciona los mejores fragmentos entre los candidatos. +30% de precisión.
Índices multi-tenant
Cada departamento tiene su índice. Jurídico no busca en RR. HH.; ventas, no en jurídico.
ACL a nivel de documento
Los permisos se heredan de 1C:GD, AD y Confluence. El empleado ve solo lo que le corresponde.
OCR al vuelo
Escaneos de contratos, fotos con la tableta, PDF sin texto — mediante AiST OCR. Ruso, inglés, manuscrito.
Parsing de tablas
Excel, tablas en PDF y DOCX — conservamos la estructura. Puede preguntar «cuánto hay en la fila 7».
Citas y resaltado
Cada hecho de la respuesta — con enlace al párrafo. Puede abrir el documento y ver el fragmento resaltado.
Sincronización incremental
Cambia el documento — se actualiza el índice. Se elimina — desaparece de la búsqueda. Sin reindexaciones manuales.
Embeddings RU
BGE-M3, GigaEmbed, E5, su propio modelo. Afinados para el ruso — no el ada inglés de OpenAI.
Respuestas en streaming
La respuesta se va escribiendo a medida que se genera. El usuario no espera 10 segundos de silencio.
Métricas de calidad
Precision, recall, citation accuracy, faithfulness — de serie. Ve dónde flaquea el RAG.
Cualquier LLM a través del Gateway
GPT-4, Claude, GigaChat, YandexGPT, su self-host. Se cambia en la configuración — sin código.
Más de 40 conectores hacia donde ya reside su conocimiento.
No hace falta «reunir antes todo en el portal corporativo». Nos conectamos a lo que ya existe — 1C, recursos compartidos, SBIS, el correo, Confluence, bases de datos. Las fuentes permanecen en su sitio; el RAG las lee «en vivo».
// documentos y archivos
// recursos compartidos
// CRM & ERP
// correo & comunicaciones
// BD & catálogos
// web & externo
Un índice para toda la empresa — o uno por cada departamento.
Dentro de AiST Platform, cada departamento recibe su propio «sandbox» de conocimiento con sus fuentes y permisos. Jurídico no ve los documentos de ventas; RR. HH. no busca en los contratos de clientes. Un índice común — solo para lo que debe ser común.
La plataforma va por sí sola a recoger los cambios según un calendario. No hay que configurar nada en la fuente.
1C:GD o Confluence notifican por sí mismos un documento nuevo — el índice se actualiza en segundos.
Los permisos de la fuente se propagan al índice. En la búsqueda, el usuario solo ve lo que ya le pertenece.
Del jurista al soporte al cliente — un solo motor, distintos escenarios.
El RAG no es «otro buscador más». Es una nueva interfaz hacia todo el conocimiento de la empresa. Cada departamento se monta su asistente — con los documentos que precisamente necesita.
Búsqueda en la base de contratos
«Busca todos los contratos con penalizaciones tipo superiores al 5%» o «¿hay en nuestra práctica contratos con esta redacción?». Respuesta en segundos, no en horas de un asistente.
Asistente de reglamentos
El empleado pregunta «cuántos días de vacaciones me quedan y cómo tramitar un día libre» — y recibe la respuesta desde sus normativas internas y 1C:ZUP. RR. HH. se libera del 60% de las preguntas típicas.
Respuestas a clientes según la documentación
El chat del sitio web o de Telegram responde a las preguntas sobre el producto con precisión de experto — sobre la base de su documentación, FAQ y tickets. El 70% de las consultas se cierran sin intervención humana.
Búsqueda en la documentación de licitaciones
«Busca en esta licitación de 200 páginas todos los requisitos de certificación». Respuesta en 30 segundos, no en un día. El gestor llega a participar en 5 licitaciones en lugar de 1.
Documentación técnica para ingenieros
«¿Qué par de apriete llevan los pernos del nudo X?» — respuesta desde los GOST, los reglamentos y los planos. El ingeniero en la obra recibe la respuesta desde su tableta en 5 segundos, sin llamar a la oficina.
Búsqueda en la memoria corporativa
«¿Qué decidimos en la sesión de estrategia de septiembre sobre el proyecto X?» — respuesta desde las actas, los correos y las presentaciones. La memoria corporativa deja de depender de personas concretas.
No necesita montar un RAG. Ya está montado y funcionando.
Cada startup «hace su propio RAG» — y a los 6 meses obtiene un prototipo para 1000 documentos. Nosotros ya lo tenemos todo a nivel industrial: vector DB, embeddings, OCR, ACL, monitorización, eval. Se activa con una casilla.
Se activa — no se construye.
AiST RAG es un servicio dentro de AiST Platform. No necesita ingenieros de ML, una vector DB en su infraestructura, desarrollar el pipeline ni meses de experimentos. Abra el panel, elija las fuentes, pulse «indexar» — y en una hora el piloto está en producción.
«Llevábamos tres trimestres intentando montar nuestro propio RAG. Desplegamos AiST — y el primer asistente operativo para los juristas lo tuvimos al cuarto día»
Qué más hay en AiST Platform→El conocimiento de la empresa — bajo llave, auditado y en su perímetro.
El RAG trabaja con el activo más valioso de la empresa — el conocimiento. Por eso en AiST está diseñado primero para Seguridad, y solo después para la UX.
Perímetro cerrado
- On-prem o AiST BOX en su CPD
- Los documentos no salen del contorno
- Propagación de ACL desde 1C / AD / Confluence
- RBAC a nivel de documento y párrafo
- Enmascaramiento de PII en el índice
- Auditoría de cada consulta — en el SIEM
Calidad y control
- Cada respuesta — con cita
- Métricas de precision / faithfulness
- Listas negras de documentos y temas
- «No lo sé» en lugar de alucinaciones
- Tests A/B de embeddings y prompts
- Log de respuestas dudosas — a revisión
Gastos previsibles
- Presupuestos de tokens por departamento
- Caché de respuestas — un 40% menos de factura
- Embeddings en su propio perímetro — más barato
- Factura transparente en rublos
- ROI: tiempo de búsqueda antes y después
- Suscripción o compra de licencias
Lo que suelen preguntar antes de un piloto de RAG.
¿Seguro que no alucina?
El modelo responde solo con los fragmentos encontrados — ese es precisamente el sentido del RAG. Si los documentos no contienen la respuesta, el asistente dirá honestamente «información no encontrada». Cada afirmación — con una nota, verificable con un clic.
Tenemos 50 TB de archivos. ¿Lo soporta?
Sí. La vector DB se fragmenta horizontalmente y los embeddings se calculan por lotes en su propio perímetro. El mayor índice en producción — ~80 millones de chunks, respuesta en ~1.2 s. El volumen inicial no está limitado — solo la infraestructura.
¿Cómo funciona con los permisos de acceso?
Las ACL se propagan de la fuente al índice. Si en 1C:GD un documento es visible solo para los juristas — en la búsqueda también lo verán solo ellos. No hace falta configurar «permisos para el RAG» aparte.
¿Cuánto tarda la puesta en marcha?
Un piloto para un área temática — 1–2 semanas hasta producción. El despliegue completo del RAG corporativo con todas las fuentes — 4–6 semanas. Las plantillas para escenarios típicos (jurista, RR. HH., soporte) lo aceleran a la mitad.
¿Qué modelos se pueden usar?
Para los embeddings — BGE-M3, GigaEmbed, E5, el suyo propio. Para la respuesta — cualquier LLM a través de AiST Gateway: GPT-4, Claude, GigaChat, YandexGPT, su self-host. Se cambia en la configuración del bot — sin código.
¿Es al final un producto independiente o parte de la plataforma?
AiST RAG es un servicio dentro de AiST Platform. Puede comprarlo y usarlo por separado (como búsqueda+API), o directamente con el constructor de asistentes, roles, presupuestos y el Gateway. Un solo panel, una sola factura.
Envíenos sus documentos — le mostraremos las respuestas de la Ai sobre ellos en 30 minutos.
Solicite una demo: envíe algunos documentos corporativos, y el gestor le mostrará directamente en la reunión cómo el RAG responde con precisión a las preguntas sobre ellos.