AI-ассистент для исследований
Чем больше исследований накапливает платформа, тем ценнее становятся её данные - и тем сложнее с ними работать. Для нашего клиента это стало проблемой в ежедневной работе модераторов платформы: чтобы подобрать участников для нового исследования, приходилось вручную просматривать прошлые ответы, читать переписку и оценивать, кто подходит по интересам и опыту. То же касалось итоговых сводок - материалы нужно было собрать, выделить главное и вручную свести в отчёт.
Мы встроили в исследовательскую платформу AI-ассистента, который помогает сократить эту ручную работу. Модератор формулирует задачу обычным текстом и получает подборку участников, разбор предыдущих ответов или сводку по исследованию. Результаты можно проверить по исходным сообщениям, а доступ к данным остаётся в рамках существующей ролевой модели.
О клиенте
LookLook — исследовательская компания с собственной платформой для проведения опросов и работы с участниками. На ней можно формировать группы, создавать исследования, собирать и анализировать ответы. Платформа хранит историю исследований, ответы и профили участников - эти данные используются для подбора аудитории и работы с результатами предыдущих исследований.
Инструменты
Доступ модели к данным организовали через отдельные функции с учётом прав пользователя. Для поиска по накопленным материалам использовали OpenSearch, чтобы передавать в LLM только релевантную часть данных, а не всю историю сообщений целиком.
Команда
Команду проекта составили AI-инженер, QA-инженер и проектный менеджер. Они проработали AI-логику, проверили ключевые пользовательские сценарии и обеспечили согласованную реализацию решения.
Что сделали
Поиск и анализ на естественном языке
Модератор может описать задачу свободным текстом: найти участников с нужным опытом, посмотреть, что конкретный человек говорил в прошлых исследованиях, или подготовить сводку по собранным материалам.
Запросы можно формулировать на разных языках, поэтому работать с ответами из многоязычных исследований не приходится через отдельные сценарии для каждого языка.
Доступ с учётом ролей
В платформе действует ролевая модель: например, администратор может видеть больше данных об участнике, чем модератор. Давать языковой модели прямой доступ ко всей базе в такой ситуации было нельзя.
Поэтому данные запрашиваются через отдельные инструменты — для исследований, участников, групп и сообщений. Каждый запрос выполняется с учётом прав пользователя: если информация недоступна ему в обычном интерфейсе, через AI она тоже не откроется.
Работа с большими объёмами данных
Передавать в модель всю историю сообщений при каждом запросе было бы избыточно. Сначала OpenSearch отбирает релевантные материалы, и только после этого они передаются в LLM.
Так модель работает с более узким контекстом, а объём передаваемых данных и расход токенов остаются под контролем.
Проверка по первоисточнику
Результаты не остаются «чёрным ящиком». Если вывод основан на конкретном сообщении участника, модератор может перейти к нему и самостоятельно проверить контекст.
AI помогает быстрее находить нужную информацию и сводить её вместе, но исходные данные остаются доступными для проверки перед принятием решения.
Результат
Вместо последовательного просмотра истории исследований модератор может начать с запроса на естественном языке и перейти сразу к релевантным участникам, ответам или сводке.
При этом AI работает в рамках существующей ролевой модели, а результаты можно проверить по исходным сообщениям. То есть процесс стал проще для команды без необходимости ослаблять контроль над доступом к данным.