Teamly: как ИИ-ассистент превращает хаотичную базу знаний в онбординг за дни

Teamly выпустили крупное обновление платформы управления корпоративными знаниями. Теперь ИИ-ассистент берёт данные не из общих тренировочных выборок, а из актуальной внутренней базы компании. Авторы прямо называют это решением главной проблемы корпоративного ИИ — и судя по статистике, они правы.

Почему корпоративный ИИ не работает

За последние два года компании вложили от 30 до 40 миллиардов долларов в корпоративные ИИ-решения. К лету 2025-го цифры оказались неутешительными: по разным оценкам, 95% внедрений не принесли ни измеримой экономии времени, ни прибавки к финансовым показателям. Деньги потрачены, пресс-релизы написаны — метрики молчат.

Причина редко в самой модели. Новый сотрудник открывает корпоративного ассистента и задаёт простой вопрос — как оформить командировку в другой часовой пояс. Ассистент отвечает уверенно и подробно.

Но неправильно. Актуальный регламент лежит в переписке HR-директора. Прошлогодняя версия пылится в архиве уволившейся коллеги, куда никто не заглядывал с её ухода.

А ключевые нюансы процесса существуют только в голове специалиста, которая сейчас в декрете — и выгрузить знания перед уходом её никто не попросил. В такую среду и приходит большинство корпоративных ИИ-ассистентов: подключены, но питаться им нечем.

Что изменилось в апрельском обновлении

Teamly сосредоточились на слое, который обычно остаётся в тени, — на инфраструктуре знаний, которая лежит под ассистентом. Обновление затрагивает не интерфейс чата, а то, как компания хранит, структурирует и актуализирует внутренние документы. Ключевые возможности: Автоматическая организация материалов по темам и ролям сотрудников Выявление устаревших документов с рекомендациями по обновлению Связывание смежных регламентов и инструкций в единые цепочки Диагностика пробелов: платформа показывает, каких знаний в базе не хватает * Генерация обучающих треков из уже существующих материалов Итог: ассистент получает не хаотичный архив разрозненных текстов, а живую структурированную базу. Именно это позволяет давать осмысленные ответы, а не уверенно ошибаться.

Онбординг как главный сценарий

Первые недели нового сотрудника — непрерывный поток одинаковых вопросов: как взять отпуск, где найти корпоративный шаблон, к кому идти с технической проблемой. До сих пор это означало очередь к HR или многочасовой поиск по Confluence и внутренним чатам, где последний ответ датирован позапрошлым годом. Теперь Teamly формирует персональный трек онбординга из материалов базы знаний: пошаговые инструкции, ключевые политики компании, чек-листы на первые 30 дней. ИИ-ассистент отвечает, опираясь на актуальные внутренние документы, а не на общие знания из предобучения.

«Знания где-то есть, ассистент подключён — но брать данные ему неоткуда» — в этом авторы видят корень проблемы большинства корпоративных ИИ-внедрений.

По данным компании, правильно выстроенная база знаний сокращает период выхода на полную продуктивность с нескольких недель до нескольких дней.

Что это значит

Бюджеты на корпоративный ИИ уже распределены — теперь компании разбираются, почему отдача не оправдывает ожиданий. Ответ чаще всего не в выборе модели и не в качестве ассистента, а в том, что под ним нет нормально организованной базы знаний. Если данные разбросаны по мессенджерам, архивам и головам сотрудников — ни одна модель не поможет. Teamly делают ставку на простой тезис: структурированные знания умножают ценность любого ИИ-инструмента, а без них даже мощная модель будет давать уверенные, но бесполезные ответы.