Как научить AI знать ваш бизнес: базы знаний без программиста

Каждый раз, когда менеджер уходит в отпуск или увольняется, ИИ-помощник снова превращается в болванку. Он не знает ваших продуктов, ваших клиентов, ваших правил. Вы объясняете всё заново — и это бесит.

В этой статье: три уровня базы знаний для ИИ — от простого файла в Claude до векторной базы. Что именно туда класть. Как один мой клиент перестал тратить 40 минут в день на объяснение контекста.

ИИ по умолчанию знает о вашем бизнесе примерно столько же, сколько стажёр в первый день — то есть ничего. Умный, схватывает быстро, но без контекста угадывает в пустоту.

Большинство фаундеров это игнорируют. Пишут "напиши письмо клиенту", получают что-то среднее по больнице — и решают, что ИИ не годится для серьёзной работы. Годится. Проблема в ТЗ, не в инструменте.

Чем больше контекста вы даёте нейросети, тем точнее ответ. Это редакторская задача, не техническая. Программист для этого не нужен.

Три уровня базы знаний

Я делю подход к базам знаний на три уровня — по сложности внедрения и масштабу задачи. Большинству фаундеров хватает первого. Второй нужен, когда в компании уже есть документация. Третий — когда объём информации перевалил за сотни страниц.

Уровень 1: файлы в Claude Projects

Самое простое, что существует. Заходите в Claude.ai, создаёте Project, загружаете туда 3-5 текстовых файлов с описанием бизнеса. Больше ничего не нужно.

Каждый раз, открывая чат внутри этого проекта, вы получаете Клода, который уже знает всё, что лежит в файлах. Не надо объяснять, кто ваши клиенты, не надо копировать прайс в каждый запрос.

Что класть в эти файлы — разберу ниже, там конкретный список.

Ограничение одно: файлы обновляете вручную. Если линейка продуктов меняется каждую неделю, придётся перезагружать. Для большинства это нормально.

Я использую этот подход для большей части клиентских проектов: собираю один раз нормальные файлы, загружаю — и дальше работаем. Первые два дня люди обычно удивляются, насколько точными стали ответы.

Уровень 2: Notion AI

Если база знаний уже живёт в Notion — это дополнительный рычаг. Notion AI работает прямо внутри ваших страниц: задаёт вопросы по документам, генерирует на основе существующих материалов, суммаризирует встречи.

База живая: обновляете страницу в Notion — ИИ сразу видит актуальные данные. Минус в том, что Notion AI работает только внутри своей экосистемы. За её пределами снова придётся копировать контекст вручную или экспортировать файлы для Claude Projects.

Для команды из 3-7 человек, которая уже ведёт документацию в Notion, это органичный путь.

Уровень 3: векторная база — когда другого выхода нет

Supabase с расширением pgvector или аналоги. Вы храните тысячи документов, при каждом запросе ИИ находит релевантные фрагменты и отвечает на их основе.

Технически это работает так: документ разбивается на небольшие фрагменты, каждый превращается в числовой вектор — математическое представление смысла, — и при запросе система находит ближайшие по смыслу, не по ключевым словам. Поэтому поиск работает, даже когда вы формулируете вопрос иначе, чем написан ответ.

Схема называется RAG (retrieval-augmented generation). Она нужна, если у вас несколько сотен страниц инструкций и договоров, данные обновляются чаще раза в неделю или нужна интеграция в собственный продукт или Telegram-бота.

Без разработчика тут не обойтись. Браться за это стоит только тогда, когда первые два уровня явно не справляются. По моему опыту, векторная база нужна примерно каждому десятому из тех, кто ко мне приходит.

Что именно класть в базу знаний

Конкретный список — для первого уровня, для файлов в Claude Projects:

Файл 1: описание продукта или услуги. Что вы продаёте, кому, сколько стоит, что входит. Не маркетинговые тексты — реальное описание от первого лица. Как бы вы объяснили другу на кухне.

Файл 2: описание целевой аудитории. Кто ваши клиенты, чего они хотят, чего боятся, как принимают решения о покупке. 1-2 страницы, реальные типажи, не абстрактные персоны.

Файл 3: типичные возражения и ответы. "Это дорого", "мне нужно посоветоваться", "у вас нет кейсов в нашей нише" — и ваши ответы на каждое. ИИ будет отвечать так, как ответили бы вы.

Файл 4: примеры хорошего и плохого. Хорошее письмо клиенту и плохое, хороший пост и плохой. Если занимаетесь контентом — несколько текстов, которые зашли. ИИ учится на паттернах.

Файл 5 (опционально): FAQ и регламенты. Как работает доставка, как подать заявку на возврат, какие документы нужны для сделки — всё, что вы повторяете снова и снова.

Итого: 5 файлов, 5-10 страниц текста, один день работы. После этого ИИ начинает говорить на языке вашего бизнеса.

открытый ноутбук с текстом на экране, пустой стакан кофе рядом, вечернее освещение из окна справа, левая часть кадра тёмная

Как структурировать файлы

Пишите человеческим языком — без JSON, без специальных форматов, просто текст с подзаголовками. Нейросеть прекрасно понимает структуру вроде "## Наши продукты" и "## Как мы работаем".

Одно правило, которое реально важно: пишите конкретно. Не "мы работаем с малым бизнесом", а "наши клиенты — владельцы интернет-магазинов с оборотом 2-15 млн в месяц, которые хотят снизить долю ручной работы в обработке заказов". Разница в качестве ответов — колоссальная.

Как это работает у меня на практике

Один из моих клиентов — фаундер небольшой EdTech-компании. До того как мы настроили базу знаний, каждый запрос к ИИ начинался с 10-15 минут объяснения контекста: кто их студенты, какой формат курсов, что нельзя обещать в маркетинговых текстах.

Умножьте на 5-6 запросов в день — около 40 минут ежедневно только на объяснения.

Мы потратили один день на то, чтобы собрать 4 файла: описание курсов, портрет студента, список запрещённых обещаний и 8 примеров хороших email-писем студентам. Загрузили в Claude Project.

Через неделю он написал мне: "Я просто открываю чат и пишу задачу. Всё."

Экономия — 35-40 минут в день. За месяц это 12-15 часов освобождённого времени без найма, без переговоров, без дополнительных расходов.

Та же логика работает для команды. Если у вас есть менеджеры или помощники — они тоже перестанут переспрашивать у вас контекст. Одна хорошо написанная база знаний заменяет 80% брифингов.

Частые вопросы фаундеров

Не опасно загружать информацию о бизнесе в Claude?

Антропик не использует данные из платных проектов для обучения моделей — это прямо прописано в политике. Если данные по-настоящему чувствительные (коммерческая тайна, персональные данные клиентов), держите их за пределами внешних сервисов и разворачивайте локальную модель. Для большинства рабочих задач публичного Claude Pro вполне достаточно.

Нужно ли обновлять базу, если ничего кардинально не менялось?

Раз в квартал стоит пересматривать файлы — что устарело, что добавилось. Если появился новый продукт или изменился портрет клиента, обновляйте сразу. Делать из этого еженедельный ритуал не нужно, но и забывать на год тоже не стоит.

Можно ли сделать базу знаний для нескольких сотрудников?

В Claude Projects можно добавлять участников по ссылке — все будут работать в одном контексте. В Notion AI это работает из коробки, если у вас общее рабочее пространство. Для более сложных сценариев — когда разные роли видят разные части базы — нужен третий уровень с векторной базой.

С чего начать?

Возьмите самый часто повторяющийся запрос к ИИ — тот, где вы постоянно объясняете одно и то же. Напишите этот контекст один раз, сохраните как текстовый файл, загрузите в Claude Project. Потестируйте три дня. Этого хватит, чтобы почувствовать разницу.

Если хотите разобраться, какой уровень базы знаний нужен именно вам и что туда писать — напишите мне в Telegram. Разберём вашу задачу и выйдем с конкретным планом.

Написать в Telegram