Склад на 400 человек — это три смены, десятки процессов и непрерывный поток новичков. Регламенты в таком контуре существуют, но живут в папке на сетевом диске и в распечатках у старших смен. Вопрос «как оформить возврат брака от клиента» чаще решается звонком наставнику, чем поиском по документу. Мы разбираем кейс распределительного центра, где внутренний чат-бот по регламентам снял с наставников часть нагрузки.

Что было до проекта

Распределительный центр на 12 000 SKU, 400 сотрудников, текучка в линейном персонале около 45% в год. Больше 60 действующих регламентов: приёмка, отгрузка, инвентаризация, работа с браком, охрана труда, взаимодействие с 1С:WMS. Среднее время получения ответа на рабочий вопрос — 15–20 минут: пока найдут наставника, пока он освободится. Наставники тратили на консультации 2–3 часа за смену вместо своих прямых задач.

Почему поиск по папке не решает задачу

Файловый поиск ищет по словам, а не по смыслу. Кладовщик формулирует «клиент вернул паллету, что делать», а в регламенте написано «порядок оформления возврата товара ненадлежащего качества». Плюс документы дублируются версиями, и никто не понимает, какая редакция актуальна. Обычная LLM из публичного доступа здесь не подходит: во внутренних инструкциях есть коммерческая тайна, а персональные данные сотрудников регулируются 152-ФЗ.

Как устроили бота

Развернули приватную языковую модель в контуре заказчика — данные не уходят во внешние сервисы. Поверх неё собрали RAG: 180 документов разбили на смысловые блоки с привязкой к пункту, версии и дате утверждения. Ответ всегда сопровождается цитатой из регламента, чтобы сотрудник мог проверить первоисточник.

Доступ выдали по ролям через домен: кладовщик видит складские инструкции, но не кадровые приказы. Интерфейс — виджет на терминалах сбора данных и Telegram для ИТР. Если модель не уверена в ответе, вопрос автоматически уходит наставнику, а его ответ попадает в базу знаний. Для онбординга бот связали с 1С:ЗУП: новый сотрудник получает доступ в первый рабочий день.

Результаты через три месяца

78% вопросов закрываются без эскалации. Среднее время ответа — 40 секунд вместо 15 минут. Нагрузка на наставников упала примерно на два часа за смену. В базе накопилось 340 уникальных формулировок, при этом топ-20 вопросов закрывают 60% обращений — это сразу видно в аналитике и показывает, какие регламенты надо переписать. Количество ошибок при оформлении возвратов снизилось примерно на треть.

Практические шаги для повторения

1. Проведите инвентаризацию документов и назначьте владельца каждого регламента — без ответственного база знаний устареет за месяц.
2. Разметьте тексты: смысловые блоки, версия, дата утверждения. Это самая трудоёмкая часть, и её нельзя пропускать.
3. Запускайте пилот на одной смене или участке, на 2–4 недели, с заранее зафиксированными метриками.
4. Опишите регламент обновления: новая редакция документа — обязательная переиндексация.
5. Научите наставников работать с логами вопросов, а не только отвечать в чате.

Что важно не сломать

Бот не принимает решения по нестандартным ситуациям и не консультирует по вопросам вне утверждённых документов — на это нужен явный запрет в промпте и настройках. Обязательно нужен владелец продукта внутри компании: он следит за актуальностью базы и разбирает спорные ответы. Иначе через полгода бот начнёт уверенно цитировать отменённый регламент.

Как мы можем помочь

Мы внедряем приватные LLM и RAG-системы по внутренним документам: от аудита регламентов и разметки до развёртывания в контуре заказчика и интеграции с 1С и CRM. Если у вас распределённая команда и объём инструкций, который уже не помещается в голову наставника, — обсудить проект можно на коротком созвоне: оценим объём документов и предложим схему пилота.