Asystent AI dla firmy: chatbot oparty na dokumentach

W wielu firmach odpowiedź na proste pytanie znajduje się w jednym z kilkudziesięciu dokumentów, ale pracownik nie wie, w którym. Asystent AI może pomóc odnaleźć odpowiedni fragment i przygotować odpowiedź, o ile dokumentacja jest aktualna, uprawnienia poprawne, a za decyzję nadal odpowiada człowiek.

Jak działa asystent oparty na dokumentach

Często stosowanym podejściem jest RAG (Retrieval-Augmented Generation), czyli generowanie odpowiedzi z wykorzystaniem wyszukanych materiałów. System dzieli dokumenty na fragmenty, tworzy indeks, wyszukuje treści powiązane z pytaniem i przekazuje je modelowi językowemu. Odpowiedź może zawierać odwołania do źródeł.

RAG ogranicza część błędów, ale ich nie eliminuje. System może wyszukać niewłaściwy fragment, pominąć wyjątek, połączyć sprzeczne dokumenty albo sformułować odpowiedź wykraczającą poza źródło. Zachowanie „nie wiem” trzeba zaprojektować i przetestować; nie wynika ono automatycznie z użycia RAG.

Do czego firma może użyć asystenta AI

Rozsądne przypadki użycia obejmują:

• wyszukiwanie informacji w instrukcjach i procedurach;
• wsparcie wdrożenia nowych pracowników;
• przygotowanie wstępnego streszczenia dokumentu;
• odnajdywanie różnic między wersjami materiałów;
• tworzenie projektu odpowiedzi na podstawie zatwierdzonej bazy wiedzy;
• kierowanie pytania do właściwej osoby lub procesu.

Wynik o skutkach prawnych, finansowych, kadrowych, medycznych lub dotyczących bezpieczeństwa powinien zostać sprawdzony przez osobę mającą odpowiednie kompetencje.

Jakie dokumenty można przetwarzać w asystencie AI

Obsługiwane formaty zależą od wybranego komponentu do odczytu dokumentów. Tekstowy PDF zwykle jest prostszy do przetworzenia niż skan, złożona tabela, odręczna notatka albo dokument zawierający wiele kolumn.

Przed indeksowaniem trzeba sprawdzić:

• czy dokument jest aktualny i zatwierdzony;
• kto jest jego właścicielem;
• kto może zobaczyć jego treść;
• czy zawiera dane osobowe albo tajemnicę przedsiębiorstwa;
• jak zostaną rozpoznane tabele, przypisy i załączniki;
• co stanie się ze starą wersją po aktualizacji.

Indeks nie powinien stać się ukrytą kopią materiałów, które usunięto z systemu źródłowego.

Uprawnienia i kontrola dostępu w asystencie AI

Asystent powinien wyszukiwać wyłącznie w dokumentach dostępnych dla pytającego. Samo ukrycie odnośnika w interfejsie nie jest kontrolą dostępu. Uprawnienia trzeba egzekwować w warstwie aplikacji i wyszukiwania.

Testy powinny obejmować próby:

• zadania pytania o dane innego działu;
• wydobycia treści poleceniem umieszczonym w dokumencie;
• obejścia ograniczeń przez zmianę sposobu sformułowania pytania;
• uzyskania odpowiedzi z dokumentu po odebraniu uprawnień;
• odtworzenia poufnego fragmentu na podstawie historii rozmowy.

Model językowy w chmurze czy model lokalny

Przy korzystaniu z zewnętrznego API pytanie i wybrane fragmenty dokumentów mogą trafić do infrastruktury dostawcy modelu. Sprawdźcie warunki konkretnej usługi, retencję, lokalizację przetwarzania, podwykonawców, mechanizmy kontroli danych i umowę powierzenia.

Model uruchomiony lokalnie zmniejsza zależność od zewnętrznego API, ale poufności sam nie zapewnia. Dane mogą opuścić środowisko przez telemetrię, kopie, integracje, błędne uprawnienia lub przejęte konto. Własna instalacja przenosi też na firmę odpowiedzialność za aktualizacje, monitoring, wydajność i zabezpieczenie serwerów.

Wybór powinien wynikać z klasyfikacji danych, wymagań jakościowych, kosztu i zdolności utrzymania. Założenie, że jeden typ modelu jest zawsze bezpieczniejszy, nie wytrzymuje zderzenia z konkretną architekturą.

Jak mierzyć jakość odpowiedzi asystenta AI

Pokazowa odpowiedź na kilka prostych pytań nie wystarcza do odbioru systemu. Trzeba przygotować zestaw testowy obejmujący:

• pytania z jednoznaczną odpowiedzią;
• pytania wymagające połączenia kilku źródeł;
• pytania o informacje nieobecne w bazie;
• sprzeczne i nieaktualne dokumenty;
• literówki, skróty i synonimy;
• próby uzyskania informacji bez uprawnień.

Dla każdego przypadku oceńcie poprawność wyszukanych fragmentów, zgodność odpowiedzi ze źródłem, kompletność oraz poprawność odmowy. Wyniki zachowajcie, aby porównywać jakość po zmianie modelu, sposobu dzielenia dokumentów lub instrukcji systemowej.

Prompt injection, czyli polecenia ukryte w dokumentach

Dokument może zawierać polecenie skierowane do modelu, celowo albo przypadkowo. OWASP opisuje to jako pośrednie wstrzyknięcie polecenia (prompt injection): model przyjmuje treść z zewnętrznego źródła, np. pliku, i zmienia przez nią swoje zachowanie. System nie powinien traktować tekstu ze źródła jak nadrzędnej instrukcji. Potrzebne są ograniczenia narzędzi, filtrowanie wyniku, kontrola uprawnień i testy odporności na prompt injection.

Jeżeli asystent może wysłać wiadomość, zmienić rekord lub uruchomić proces (np. przez automatyzację w n8n), skutki błędu są większe niż w przypadku samej odpowiedzi tekstowej. Działania powinny wymagać potwierdzenia, mieć minimalne uprawnienia, limit zakresu i czytelny dziennik operacji.

Plan wdrożenia asystenta AI w firmie

1. Wybierzcie jeden przypadek użycia i określ niedozwolone zastosowania.
2. Uporządkujcie dokumenty, właścicieli i uprawnienia.
3. Opiszcie przepływ danych przez wszystkie komponenty.
4. Przygotujcie zestaw pytań testowych oraz kryteria akceptacji.
5. Uruchomcie pilotaż dla niewielkiej grupy.
6. Zbierajcie błędne odpowiedzi i poprawiajcie proces razem z instrukcją modelu.
7. Ustalcie monitoring, koszty, retencję i procedurę wyłączenia systemu.
8. Rozszerzajcie zakres dopiero po spełnieniu kryteriów jakości i bezpieczeństwa.

Kiedy asystent AI jest gotowy do szerszego użycia

Asystent AI może skrócić drogę do informacji, jeżeli pracuje na uporządkowanych materiałach i respektuje uprawnienia użytkownika. Nie należy obiecywać, że odpowiada wyłącznie na podstawie dokumentów albo zawsze przyznaje, że czegoś nie wie, dopóki takie zachowanie nie zostanie rzetelnie przetestowane.

Podobną bazę wiedzy na mniejszą skalę można zbudować w narzędziu Google, co opisujemy we wpisie o NotebookLM w firmie. Własnych asystentów AI i automatyzacje projektujemy po analizie danych, ryzyka i oczekiwanej jakości.

Źródła

• OWASP GenAI Security Project, LLM01:2025 Prompt Injection, https://genai.owasp.org/llmrisk/llm01-prompt-injection/ (dostęp 2.10.2026)
• NIST, AI 600-1: Artificial Intelligence Risk Management Framework, Generative Artificial Intelligence Profile, lipiec 2024, https://doi.org/10.6028/NIST.AI.600-1 (dostęp 2.10.2026)

Stan na 2 października 2026 r.