ЮMoney построила RAG-платформу и AI-ассистента «Юджин» для поиска по корпоративной Wiki

Платёжный сервис ЮMoney рассказал на Habr, как построил собственную RAG-платформу (Retrieval-Augmented Generation) и AI-ассистента «Юджин» — он заменил обычный поиск по корпоративной Wiki и понимает смысл запроса сотрудника, а не просто совпадения по ключевым словам.

Почему обычный поиск перестал справляться

Компании со временем накапливают тысячи страниц внутренней документации, и найти в ней нужную информацию становится всё сложнее. По описанию ЮMoney, обычный поиск по корпоративной Wiki перестаёт справляться с этим объёмом: сотрудники тратят время на навигацию по страницам и вместо самостоятельного поиска ответа повторяют одни и те же вопросы коллегам.

• Компания — ЮMoney, российский платёжный сервис
• Название ассистента — «Юджин», построен на технологии RAG
• Автор материала — Илья, директор департамента разработки ЮMoney
• Ключевое решение команды — отказ от готовых (off-the-shelf) RAG-решений в пользу собственной платформы
• Целевая аудитория материала — архитекторы, AI-инженеры и специалисты, внедряющие корпоративные LLM-решения

Как устроен AI-ассистент «Юджин»

Юджин объединяет корпоративные знания компании с возможностями больших языковых моделей. RAG расшифровывается как Retrieval-Augmented Generation — «генерация с дополнением через поиск»: сначала система находит в базе знаний фрагменты документации, релевантные вопросу, а затем языковая модель формулирует ответ на их основе, а не просто по данным, на которых она изначально обучена. Это позволяет отвечать по смыслу запроса, а не по формальному совпадению слов, как в классическом полнотекстовом поиске по Wiki.

По описанию команды ЮMoney, именно переход больших языковых моделей в разряд рабочего инструмента сделал возможным объединение накопленных корпоративных знаний с возможностями LLM — так и появился Юджин, способный понимать смысл вопроса сотрудника, а не только ключевые слова в нём.

Почему ЮMoney отказалась от готовых решений

Илья, директор департамента разработки ЮMoney, обещает читателям объяснить, почему команда отказалась от готовых RAG-решений на рынке и выбрала путь построения собственной платформы для корпоративных знаний. Автор адресует материал в первую очередь архитекторам и AI-инженерам, которые сталкиваются с похожим выбором при внедрении LLM внутри компании — то есть решают, встраивать ли готовый продукт или строить платформу под свои корпоративные данные самостоятельно.

Материал ЮMoney заявлен как практический разбор именно этого выбора: почему собственная разработка оказалась предпочтительнее покупки или подключения стороннего RAG-сервиса для поиска по внутренней документации компании.

«Меня зовут Илья, я директор департамента разработки ЮMoney.

Расскажу, почему отказались от готовых решений и как построили RAG-платформу для корпоративных знаний», — пишет автор материала на Habr.

Что это значит

ЮMoney показывает типичный для 2026 года путь корпораций от разрозненной документации в Wiki к внутреннему AI-ассистенту на базе RAG — технологии, которая становится стандартом для поиска знаний внутри компаний с большим объёмом внутренней документации, а материал ЮMoney адресован в первую очередь тем, кто сам внедряет подобные решения.