Чему научили два внедрения Memoza
в золоторудных компаниях
Василий Борисов («Серч Сентрик»), Наталья Некроенко
(«НОРДГОЛД МЕНЕДЖМЕНТ») и Ирина Апухтина
(«Полиметалл УК») сопоставили два проекта:
что повторяется в любом внедрении, что зависит от данных
и где ИИ пока не оправдал ожиданий
(«НОРДГОЛД МЕНЕДЖМЕНТ») и Ирина Апухтина
(«Полиметалл УК») сопоставили два проекта:
что повторяется в любом внедрении, что зависит от данных
и где ИИ пока не оправдал ожиданий
Для нас это уже пятое выступление
в институте. С 2022 года мы рассказывали о едином геоинформационном пространстве, контроле качества исторических геолого-геофизических данных, доступек публичным данным по недропользованию и RAG в Memoza. Теперь настало время подвести итоги практики.
в институте. С 2022 года мы рассказывали о едином геоинформационном пространстве, контроле качества исторических геолого-геофизических данных, доступек публичным данным по недропользованию и RAG в Memoza. Теперь настало время подвести итоги практики.
Единый сценарий внедрения при разных источниках и масштабах данных
Оба проекта шли по одному типовому плану. Сначала установка
и настройка системы. Затем индексирование файловых данных, интеграция с MS AD, создание единого окна поиска и обучение пользователей. После этого подключение баз данных, загрузка НСИ
и пространственных данных, развертывание большой языковой модели и снова обучение. Заканчивается все опытной эксплуатацией. Такой каркас оказался устойчивым: менялось содержимое этапов,
но не их порядок.
и настройка системы. Затем индексирование файловых данных, интеграция с MS AD, создание единого окна поиска и обучение пользователей. После этого подключение баз данных, загрузка НСИ
и пространственных данных, развертывание большой языковой модели и снова обучение. Заканчивается все опытной эксплуатацией. Такой каркас оказался устойчивым: менялось содержимое этапов,
но не их порядок.
Главные различия оказались в данных. Первая компания пришла с каталогом фондов: больше тысячи единиц по филиалам, до миллиона файлов, плюс несколько тысяч файлов геологических книг и две базы данных. Вторая — с двумя файловыми хранилищами по 2 млн
с лишним файлов каждое и тремя источниками структурированных данных: по российским и зарубежным активам и ГИС-сервером. Масштаб, форматы и права доступа в каждом случае.
с лишним файлов каждое и тремя источниками структурированных данных: по российским и зарубежным активам и ГИС-сервером. Масштаб, форматы и права доступа в каждом случае.
Что оказалось ценнее всего
Самым полезным для геолога стал единый каталог материалов с геопривязкой
к контурам работ. Второй по значимости фактор — люди: там, где за данные отвечают выделенные специалисты, результат заметен сразу, и никакая технология это не заменяет.
Приятной неожиданностью стали быстро собранная витрина для базы геологоразведки и решение вопроса аудита удалений, а также новый коннектор к ГИС-серверу, который строит схему данных на лету. Еще один сюрприз: к единому поиску потянулись негеологические подразделения, которым нужны регламенты и корпоративная база знаний.
к контурам работ. Второй по значимости фактор — люди: там, где за данные отвечают выделенные специалисты, результат заметен сразу, и никакая технология это не заменяет.
Приятной неожиданностью стали быстро собранная витрина для базы геологоразведки и решение вопроса аудита удалений, а также новый коннектор к ГИС-серверу, который строит схему данных на лету. Еще один сюрприз: к единому поиску потянулись негеологические подразделения, которым нужны регламенты и корпоративная база знаний.
Что мешало?
Больше всего трудностей принесли постраничные сканы фондовых отчетов: требованияк распознаванию там очень высокие, но именно такие задачи двигают продукт вперед. Данные зарубежных активов, упакованные в JSON, мы встретили впервые,
и Memoza пришлось доработать, в частности научить ее скрывать пустые колонки.
Осталась и методологическая дилемма геопоиска: что хуже для геолога, получить лишние файлы или не найти нужные? Единого ответа на нее нет,
и в разных командах подход разный. Аналогично с ролевой моделью:
на одном диске права были настроены, на другом нет.
и Memoza пришлось доработать, в частности научить ее скрывать пустые колонки.
Осталась и методологическая дилемма геопоиска: что хуже для геолога, получить лишние файлы или не найти нужные? Единого ответа на нее нет,
и в разных командах подход разный. Аналогично с ролевой моделью:
на одном диске права были настроены, на другом нет.
LLM: ожидания и реальность
На слайде мы честно назвали этот раздел «LLM не взлетела». В одном из проектов модель запускали на арендованном сервере с одной видеокартой, и ограничения были в размере модели и контекста (отсюда дробление документов на мелкие фрагменты), в содержимом (без разметки сложно отвечать на вопросы по таблицам) и в самом подходе к пилоту: завышенные ожидания и неясные планы. Часть этих проблем Memoza LLM уже закрывает, потому что появились режим «документ — папка» и агентский поиск.
Мы показали, как это выглядит на вопросах трех типов:
по неструктурированным данным без агентского поиска,
с ним и по структурированным базам.
Мы показали, как это выглядит на вопросах трех типов:
по неструктурированным данным без агентского поиска,
с ним и по структурированным базам.
Прогноз vs реальность
Год назад мы обозначили четыре направления развития Memoza LLM и теперь сверили их с реальностью. Генерация документов пока не нашла востребованности: улучшений много, но ничего глобального. «Суперчат» работает, но для этого пришлось создать и наполнять каталог данных, а больших кейсов пока нет. «Функциональное сращивание» поискового и LLM-интерфейсов внесено в жесткие планы на четвертый квартал 2026 года.
«Умный парсинг» уже вышел в релизе с Docling и RapidOCR,
а на подходе релиз с MinerU, PaddleOCR и VLM. Попутно появились история чатов, поддержка OpenAI-compatible API и vLLM-сервера, SSO и ссылки на документы в ответах агентского поиска. Главный вывод двух внедрений: результат зависит не только от платформы,
но и от подготовки данных и людей, а ИИ полезен там, где под ним есть каталог, геопривязка и управляемый доступ. Такую основу дает Memoza, платформа доступа к данным и знаниям компании, которая объединяет поиск, геопривязку и работу с ИИ.
«Умный парсинг» уже вышел в релизе с Docling и RapidOCR,
а на подходе релиз с MinerU, PaddleOCR и VLM. Попутно появились история чатов, поддержка OpenAI-compatible API и vLLM-сервера, SSO и ссылки на документы в ответах агентского поиска. Главный вывод двух внедрений: результат зависит не только от платформы,
но и от подготовки данных и людей, а ИИ полезен там, где под ним есть каталог, геопривязка и управляемый доступ. Такую основу дает Memoza, платформа доступа к данным и знаниям компании, которая объединяет поиск, геопривязку и работу с ИИ.