Заказчик
Прием решений до

10.07.26 (включительно)

Форма вознаграждения

По договоренности

Статус продукта

Идея

Тип задачи

Задачи ИКТ

Сфера применения

Медиасфера

Область задачи

Другие технологические решения

Тех задание
Тип продукта

ПО/ИС

Описание проблемы

В деятельности современных IT- и сервисных компаний сотрудники ежедневно сталкиваются с огромным массивом внутренней информации: техническими регламентами, инструкциями, проектной документацией, гайдлайнами и юридическими соглашениями. Поиск нужных данных и ответов на специфические вопросы внутри корпоративных Wiki-систем и сетевых папок вручную занимает значительное количество рабочего времени и снижает общую эффективность команд.

Ожидаемый эффект

Реализация задачи позволит автоматизировать поиск по корпоративным документам, сократив время сотрудников на получение нужной информации в 3–5 раз. За счет развертывания системы строго в локальном контуре (On-Premise) будут полностью исключены риски утечки данных и нарушения NDA. Компания получит независимый ИИ-инструмент на базе Open-Source технологий, работающий без платных зарубежных подписок и внешних API. Это снизит нагрузку на профильные департаменты за счет автоматических ответов на типовые вопросы на казахском и русском языках.

ФИО ответственного лица

Габдулов Д.Ж.

Цель и описание задачи (проекта)

Исследование возможностей и создание прототипа (Proof of Concept) локального корпоративного ИИ-ассистента на базе Open-Source языковых моделей (LLM) с архитектурой RAG, способного оперативно и безопасно осуществлять контекстный поиск и анализ информации по внутренним регламентам и документам компании без передачи данных во внешние облачные сервисы. Описание задачи: В рамках выполнения технологической задачи предлагается решить проблему безопасного и быстрого поиска информации внутри корпоративных баз данных. Современные публичные ИИ-решения (ChatGPT, Claude и др.) не могут быть использованы в контуре компании из-за строгих требований информационной безопасности и условий NDA. Задача заключается в том, чтобы развернуть и адаптировать открытую языковую модель (например, Llama 3, Mistral или аналоги) полностью на локальных мощностях. Проект включает в себя: Создание модуля для загрузки и индексации текстовых документов (PDF, DOCX, TXT); Настройку векторной базы данных для точного извлечения контекста (RAG); Разработку удобного веб-интерфейса (чат-бота), который будет отвечать на вопросы сотрудников на казахском и русском языках, обязательно ссылаясь на конкретные пункты и страницы документов-первоисточников. Результатом задачи должен стать работоспособный прототип, упакованный в Docker-контейнер, для демонстрации внутренней технической команде.

Примечание