Настоящая разделительная линия в этой категории — уже не вопрос «есть ли в платформе ИИ». Практически везде он есть. Значимое различие в том, была ли платформа с первого дня построена вокруг ИИ-готовых знаний или это вики эпохи до ИИ, к которой потом прикрутили чат-бота.

Причина, по которой это различие теперь имеет вес, носит технический характер: большинство корпоративных ИИ-ассистентов работают, извлекая релевантный контент со страниц самой компании и используя его для обоснования ответов — подход, известный как retrieval-augmented generation (генерация с дополненным поиском). Качество ответа, таким образом, ограничено качеством, свежестью и структурой исходного контента — именно поэтому гигиена базы знаний незаметно превратилась в задачу ИИ-инфраструктуры, а не в запоздалую мысль о документации.

Это различие становится очевидным, как только контент начинает накапливаться: инструменты, ориентированные в первую очередь на совместную работу, обрастают устаревшими и дублирующимися страницами по мере роста команд, и любой ИИ, наложенный поверх этого хаоса, наследует всё это — включая уверенное повторение информации, которая уже не соответствует действительности.

Некоторые из перечисленных ниже платформ остаются по сути документами для людей с добавленным ИИ; другие были перестроены или созданы с нуля на совершенно иной основе. Вот десять из них, которые уже используются прямо сейчас.

Notion (с Notion AI)

Notion всегда привлекал своей гибкостью: рабочее пространство, которое может превратиться в вики, базу данных, трекер проектов или всё сразу — в зависимости от того, как команда решит его использовать, — практически без жёсткой структуры, навязанной извне.

Notion AI располагается поверх всего этого как довольно недорогая надстройка, позволяя пользователям задавать вопросы и получать ответы, основанные непосредственно на контенте, который команда уже написала, а также помогая с обобщением и составлением текстов.

Если знания команды уже живут в Notion, это, как правило, отличное соотношение цены и качества без необходимости миграции. Честная оговорка: система наследует весь беспорядок, уже существующий в рабочем пространстве, потому что ИИ организован ровно настолько, насколько организованы страницы под ним.

Confluence (Atlassian Intelligence + Rovo)

Confluence начинался как простая командная вики и превратился во нечто значительно большее, особенно в сочетании с Rovo — более новым слоем ИИ-агентов Atlassian, работающим вместе с Jira, Loom и остальным стеком Atlassian.

Atlassian Intelligence добавляет автоматическое обобщение заметок со встреч, рекомендации по контенту и поиск на естественном языке поверх существующей структуры вики — возможности, которые имеют большое значение для инженерных и продуктовых команд, уже живущих в Confluence в своей повседневной проектной работе.

Его настоящая сила проявляется там, где документация соседствует с активной разработкой. Ограничение в том, что он заметно хуже справляется с фиксацией неявных знаний, которые изначально никогда не записывались в виде страниц.

В этом и заключается основной компромисс с Confluence: он естественно подходит организациям, где инженерные и продуктовые команды являются главными потребителями знаний, и менее очевиден для подразделений, чьи знания по своей природе не живут в структурированных страницах.

Guru

Guru построен вокруг простой, намеренно узкой идеи: знания живут в «карточках», которые проверяются и поддерживаются в актуальном состоянии, а задача ИИ — показывать нужную карточку нужному человеку в нужный момент, а не быть универсальной ИИ-поисковой системой по всей компании.

Это делает его действительно сильным для курируемых, структурированных знаний, которые обязаны оставаться точными (внутренние SOP, материалы для поддержки продаж, сценарии для операторов), именно потому, что кто-то несёт ответственность за корректность каждой карточки.

Ограничение — его признают даже сами сторонники Guru — в том, что система по-прежнему фундаментально требует человека, который запишет знания; если никто не документирует процесс, Guru просто нечего будет показывать.

Bloomfire

Bloomfire сделал серьёзную ставку на то, что называет «Enterprise Intelligence», а не просто на хранение знаний, позиционируясь вокруг управления (governance), надёжности контента и знаний, которые активно самоисправляются по мере изменения организации, вместо того чтобы незаметно устаревать в фоне.

Платформа получила высокие независимые оценки готовности именно в смысле управления: автоматический мониторинг состояния контента, отслеживание ответственных и диалоговый ИИ, объединённые в один операционный слой, а не в три отдельных надстройки.

Эта концепция важна, потому что Bloomfire ориентирован на несколько иного клиента, чем Notion или Guru: на предприятие, уже обожгшееся на ИИ-инициативах, которые провалились не из-за плохой модели, а потому что лежащая в их основе база знаний была хаосом, который никто реально не измерял.

Document360

Document360 выстроил свою идентичность вокруг одной конкретной задачи, с которой справляется необычно хорошо: отточенной публичной документации — центров помощи, документации продуктов и материалов для онбординга, которые реально просматривают клиенты или внешние пользователи, а не только внутренняя команда.

Его ИИ-ассистированный поиск помогает быстро ориентироваться в больших библиотеках документации, и платформа заслужила прочную репутацию именно в этом публичном сценарии использования, а не во внутренних вопросах-ответах.

Если задача — чистый, профессиональный центр помощи со встроенным надёжным ИИ-поиском, Document360, как правило, один из наиболее специализированных вариантов; если же нужна внутренняя система вопросов-ответов в Slack, он просто нацелен на совершенно другую аудиторию.

Tettra

Tettra сознательно держит всё лёгким: структурированная внутренняя вики в сочетании с системой вопросов-ответов, которая использует ИИ, чтобы показывать уже существующие ответы до того, как человеку придётся в третий раз за месяц задавать коллеге тот же вопрос.

Операционно его выделяет то, где он живёт: он отвечает прямо внутри Slack, не заставляя никого покидать инструмент, в котором он уже работает, и заходить в отдельное место.

Для небольших и средних команд, которым не нужны управленческие мощности вроде Bloomfire, привлекательность Tettra в основном и заключается в этом качестве с низким трением: «ответ просто появляется там, где вы уже общаетесь».

Shelf

Shelf занимает действительно иную стартовую позицию, чем большинство платформ выше. Он явно построен вокруг идеи, что ИИ-агентам из базы знаний нужно нечто иное, чем людям.

Люди могут бегло просматривать документ, делать выводы и терпеть некоторую двусмысленность; агенту нужны структура, прослеживаемость и однозначное обоснование — иначе он уверенно сгенерирует неправильный ответ вместо того, чтобы указать на неопределённость.

Shelf сосредоточен на активном удалении дубликатов, постоянном мониторинге свежести и прослеживаемости источников для каждого ИИ-сгенерированного ответа, рассматривая управляемое качество данных как сам продукт, а не пункт в списке функций поверх традиционной вики.

Это полезное напоминание, что инструменты для «ИИ-агентов в продакшене» и инструменты для «сотрудников, просматривающих вики», всё сильнее расходятся в отдельные категории, даже если оба формально называются программным обеспечением для управления знаниями.

KMS Lighthouse

KMS Lighthouse заслужил репутацию именно в регулируемых средах с высокими ставками (здравоохранение, финансы, телекоммуникации, операционная поддержка клиентов), где сотруднику нужен точный и немедленно правильный ответ из внутренней документации, а не правдоподобно звучащее обобщение.

Это меньше общая корпоративная вики и больше операционный инструмент, напрямую встроенный в живое взаимодействие с клиентами: система, на которую оператор контакт-центра опирается посреди разговора, а не то, что просматривают между встречами.

Именно эта вертикализованная, ориентированная на точность направленность и есть всё отличие от более широких горизонтальных платформ, пытающихся обслуживать все подразделения сразу.

Microsoft SharePoint (с Copilot)

Преимущество SharePoint — то же, что проявляется во всей экосистеме Microsoft: глубокая нативная интеграция с остальным Microsoft 365, управление доступом на основе ролей, история версий и рабочие процессы, на которые сильно регулируемые или сложные организации уже полагаются в управлении документами.

Добавление Copilot поверх этого привносит карточки знаний и поиск на естественном языке прямо в приложениях, которыми люди пользуются ежедневно, вместо того чтобы просить сотрудников заходить в отдельное место.

Повторяющаяся критика, звучащая в независимых обзорах, заключается в том, что настройка и управление правами доступа могут по-настоящему занимать много времени без выделенной ИТ-поддержки, а точность ответов иногда требует проверки человеком, прежде чем кто-то будет на них опираться.

Coworker AI

Coworker AI решает проблему, которой большинство платформ выше по-настоящему не касаются: реальность, что большая часть институциональных знаний вообще никогда не записывается.

Она живёт в тредах Slack, записях торговых звонков, заметках CRM и в головах людей, которые просто достаточно давно работают, чтобы помнить, как всё устроено на самом деле.

Архитектура платформы строит непрерывно обновляемый граф знаний по более чем сотне подключённых инструментов, фиксируя то, что сотрудники реально делали и говорили, а не только то, что кто-то нашёл время формально задокументировать.

Это явно не база знаний, ориентированная на документы, как Notion или Confluence. Честное позиционирование: платформа дополняет эти инструменты в части структурированной документации, покрывая при этом гораздо более крупный и хаотичный слой знаний, который изначально никто не собирался записывать.

Источник: Metaverse Post