Разработка корпоративной AI-платформы: безопасная работа с нейросетями, управление доступом к знаниям и командная работа на сервере компании (не SaaS)

Исходная задача:

Компания искала способ системно использовать нейросети в работе сотрудников, но при этом решить несколько принципиальных проблем.

Во-первых, данные компании не должны покидать корпоративный контур.
Во-вторых, разные сотрудники должны иметь доступ к разным наборам знаний.
В-третьих, нейросети должны работать не только как чат-интерфейс, а как инструмент работы с корпоративными документами и внешними источниками информации.

Стало понятно, что существующие SaaS-решения не позволяют реализовать такой уровень контроля и интеграции.

Поэтому было принято решение разработать собственную корпоративную AI-платформу, разворачиваемую внутри инфраструктуры компании.

Какие возможности мы увидели в задаче:

Создать корпоративную AI-инфраструктуру, а не просто интерфейс к моделям.
Реализовать многоуровневую систему знаний (RAG) для работы с документами.
Построить жёсткое разграничение доступа к знаниям между отделами.
Интегрировать интеллектуальный веб-поиск, позволяющий получать подтверждённые ответы.
Сделать систему командной работы вокруг AI, а не инструмент одного пользователя.
Создать решение, которое может работать внутри инфраструктуры - на сервере компании (on-prem).

Нужно было ответить на вопросы:

Как использовать нейросети в компании, не передавая данные внешним сервисам?

Как разделить доступ к корпоративным знаниям между отделами?

Как объединить локальные модели и внешние AI-API в одной системе?

Как обеспечить качественный поиск информации с подтверждением источников?

Как сделать AI инструментом командной работы, а не личным помощником одного сотрудника?

Что мы сделали:

Разработали корпоративную AI-платформу

Мы создали систему Progressive.AiCreate Studio — платформу, которая объединяет работу с нейросетями, корпоративными знаниями и командными процессами в едином интерфейсе.

Реализовали многоуровневую систему знаний (RAG)

Система поддерживает несколько уровней документов: корпоративные знания, проектные документы пользователей и документы текущего запроса.
Это позволяет гибко использовать знания компании, не смешивая разные уровни доступа.

Создали жёсткое разграничение знаний между группами

Доступ к документам определяется на уровне системы, а не на уровне промптов.
Например, секретарь может работать только с документами своего отдела, в то время как финансовый директор имеет доступ к финансовым данным компании.

Построили интеллектуальный веб-поиск

Система анализирует запрос пользователя, формирует поисковый запрос, собирает релевантные источники и строит ответ на основе найденных документов, указывая ссылки на источники.

Добавили инструменты командной работы

В платформе реализованы:

групповые чаты
личные диалоги сотрудников
возможность делиться диалогами
fork диалогов для дальнейшей работы.

Это превращает нейросети в инструмент совместной работы команды.

Сделали систему лёгкой для развёртывания

Платформа может работать даже на небольших серверах и не требует сложной инфраструктуры.
Это позволяет внедрять систему внутри компаний без масштабных затрат на инфраструктуру.

Корпоративная AI-платформа с управляемыми знаниями и on-prem архитектурой на сервере компании

Почему компаниям нужна собственная AI-инфраструктура

Большинство современных AI-сервисов работают как облачные платформы.
Это удобно для личного использования, но плохо подходит для корпоративной среды.

Когда сотрудники используют внешние сервисы, компания теряет контроль над:

корпоративными документами
внутренними знаниями
историей запросов сотрудников.

Кроме того, становится невозможным ограничить доступ сотрудников к чувствительной информации.

Поэтому всё больше компаний начинают строить собственную инфраструктуру работы с нейросетями.

Архитектура корпоративной AI-платформы

В основе системы лежит архитектура, объединяющая несколько ключевых компонентов:

backend-платформа для работы пользователей
векторная база знаний (Qdrant)
система хранения документов
интеграция с локальными и внешними моделями
модуль интеллектуального веб-поиска.

Такой подход позволяет объединить работу с корпоративными знаниями, внешними источниками информации и нейросетями в единой системе.

Разграничение доступа к знаниям

Одной из ключевых задач проекта стало создание системы контроля доступа к знаниям.

Документы компании распределяются по уровням и группам доступа.
Сотрудник может работать только с теми документами, которые разрешены для его группы.

Например:

секретарь может видеть только административные документы
маркетинг — материалы для продвижения
финансовый отдел — финансовую информацию.

Это реализовано на уровне системы хранения знаний, поэтому модель физически не получает доступ к данным, которые ей нельзя использовать.

Интеллектуальный поиск информации

Система включает собственный модуль веб-поиска.

Запрос пользователя анализируется, после чего формируется поисковый запрос к внешним поисковым API.
Полученные результаты проходят фильтрацию по релевантности, после чего наиболее подходящие источники используются для генерации ответа.

В результате пользователь получает ответ, основанный на проверенных источниках, с указанием ссылок на них. По сути - собственный Perplexity внутри компании, без подписки.

Командная работа вокруг AI

Платформа изначально проектировалась как инструмент для командной работы.

Пользователи могут:

делиться диалогами
продолжать диалог коллеги в формате fork - копия исходного со всем контекстом
обсуждать результаты в групповых чатах
использовать документы команды в качестве источников знаний.

Таким образом нейросети становятся частью коллективной работы компании.

В результате проекта была создана корпоративная AI-платформа, которая позволяет компаниям безопасно использовать нейросети внутри своей инфраструктуры.

Система объединяет:

работу с нейросетями
управление корпоративными знаниями
разграничение доступа сотрудников
командную работу вокруг AI.

Платформа уже используется внутри Progressive OS как основной инструмент работы с нейросетями.