Игорь Градов
Игорь Градов
6 мин
ai

Семантическое ядро: это способ запретить LLM угадывать смысл корпоративных терминов

Корпоративные ИИ-инструменты уже используют сотрудники десятков российских предприятий, и каждый чат с моделью строит собственную версию смысла одних и тех же терминов, от «партии» до «заказа», что создаёт реальный риск для ERP-проектов и управленческого учёта.

Семантическое ядро: это способ запретить LLM угадывать смысл корпоративных терминов
Почему это важно

Когда десять сотрудников одного предприятия работают с LLM (большой языковой моделью, то есть ChatGPT, DeepSeek, GigaChat и подобными), каждый вкладывает в слово «партия» или «операция» свой смысл. Модель угадывает контекст, а не берёт его из утверждённого источника. Семантическое ядро предприятия фиксирует эти смыслы один раз и делает их доступными для любой модели.

Тему поднял практик внедрения ERP-систем: после публикации о концепции «1С:ERP 2026» и обсуждения с коллегами стало очевидно, что проблема выходит за границы одной системы. Если предприятие уже допускает использование LLM (а остановить это невозможно: кто-то работает в ChatGPT, кто-то в DeepSeek, кто-то в локальных моделях), ему нужен не просто набор промптов и не глоссарий в конце регламента, а машинно-читаемый пакет с зафиксированными терминами, их связями и правилами использования.

Что Когда Кто выпустил Цена
Концепция семантического ядра предприятия для работы с LLM Июнь 2025 (публикация) Автор статьи о «1С:ERP 2026» (независимый эксперт) Бесплатная методология, старт возможен с Excel-файлов

Семантическое ядро: это не глоссарий, а рабочий пакет

Семантическое ядро предприятия, если говорить коротко, это машинно-читаемый набор файлов, где зафиксированы ключевые термины компании, их классификация, связи между ними, возможные состояния, ответственные и правила использования человеком и языковой моделью.

Автор разводит три уровня, и для практики это принципиально:

  • Таксономия отвечает на вопрос «какие классы бизнес-предметов существуют». Например, «партия материалов», «производственная партия», «серия изделия» и «объект прослеживаемости» перестают прятаться под одним словом «партия» и получают отдельные определения.
  • Онтология (описание связей между объектами предприятия) отвечает на вопрос «как эти предметы живут в модели предприятия»: откуда возникает заказ на производство, какие состояния проходит, какие документы его фиксируют, какие KPI (ключевые показатели эффективности) от него зависят.
  • Семантическое ядро это практический рабочий пакет, который соединяет таксономию, онтологические профили, ERP-связи, учётные признаки, регламенты и правила использования в LLM. Его можно положить в корпоративную папку, оформить в Excel или JSON и приложить к промптам (текстовым инструкциям для модели).

Почему «партия» ломает работу без единого ядра?

Проблема наглядна на одном примере. Руководитель пишет в модель слово «партия» и имеет в виду партию материалов на складе. Финансист под тем же словом понимает аналитический разрез себестоимости. Начальник производства имеет в виду производственную партию. Специалист по качеству подразумевает партию для контроля.

Модель отвечает уверенно каждому, но внутри того смысла, который она сама восстановила из контекста. Возникает галлюцинация (когда ИИ уверенно выдаёт то, чего в реальности предприятия нет), замаскированная под грамотный ответ. Финансист получает справку с перепутанными понятиями, руководитель принимает решение на основе документа, собранного из разных смысловых слоёв.

Точно так же «операция» может означать технологическую, хозяйственную, платёжную, складскую операцию или операцию контроля качества. Слово одно, а предметов шесть.

Как попробовать: четыре шага к семантическому ядру

  1. Соберите «болевой список» терминов. Возьмите пять слов, которые чаще всего вызывают путаницу в вашей компании («заказ», «партия», «операция», «документ», «объект учёта»), и выпишите все значения, которые вкладывают в них разные подразделения.
  2. Оформите Excel-ядро. Создайте таблицу: термин, класс предмета, определение, владелец, ERP-объект (если есть), допустимые синонимы, недопустимые подмены. Автор методологии подтверждает: начинать можно именно с управляемого Excel-файла и набора регламентных промптов.
  3. Напишите типовой промпт для сотрудников. Промпт должен содержать инструкцию: «Прикрепи файл семантического ядра и используй определения из него. Не придумывай значения терминов самостоятельно».
  4. Закрепите регламентом. Сформулируйте правило: при работе с LLM по темам производства, ERP, управленческого учёта, бюджетирования и качества сотрудники подключают утверждённое семантическое ядро.

Российские аналоги: что доступно уже сейчас?

Для аудитории, работающей в РФ, важно понимать: семантическое ядро это не привязка к конкретной модели. Его можно использовать и с YandexGPT, и с GigaChat, и с локальными моделями.

Параметр Зарубежные LLM (ChatGPT, Gemini, DeepSeek) Российские LLM (YandexGPT, GigaChat)
Доступность для корпоративного контура Риски передачи данных за рубеж Серверы в РФ, проще согласовать с безопасностью
Подключение семантического ядра через промпт Поддерживают вложения и системные промпты Поддерживают, но объём контекстного окна может отличаться
Локальные модели Возможны через open-source (открытые модели) Доступны через развёртывание на собственных серверах

Ядро остаётся одним и тем же файлом для любой модели. Разница в том, где обрабатываются данные и какой объём контекста принимает конкретная LLM.

Что делать с этим прямо сейчас, по ролям

Автору на Дзене и копирайтеру. Если вы пишете для корпоративных заказчиков, предложите им услугу: составление семантического ядра для работы с ИИ. Это новая ниша, и спрос на неё растёт быстрее, чем появляются специалисты.

Маркетологу и аналитику. Проверьте, не разъехались ли термины в ваших промптах. Если отдел маркетинга называет «лидом» одно, а отдел продаж другое, модель будет выдавать отчёты с перепутанными метриками.

Предпринимателю и руководителю. Не запрещайте сотрудникам использовать LLM. Вместо этого дайте им единый смысловой контур: файл с определениями и типовой промпт. Это дешевле, чем разгребать последствия «каждый спрашивал модель по-своему».

Мнение редакции dzen.guru

На мой взгляд, автор статьи указал на одну из самых недооценённых задач корпоративного ИИ в России. Компании тратят месяцы на выбор модели, настройку доступов и политику безопасности, а потом десять отделов работают с одной и той же LLM в десяти разных смысловых полях. Семантическое ядро это не модный термин, а конкретный файл, который можно собрать за неделю и который сразу снижает количество ошибок в документах.

Оговорка: методология пока существует как концепция одного эксперта, а не как готовый продукт с проверенными внедрениями. Шаблонов в открытом доступе нет, придётся собирать под себя.

Что сделать сегодня: откройте любой чат с LLM, введите слово «заказ» без контекста и посмотрите, какое определение даст модель. Потом введите то же слово с пояснением из вашей учётной политики. Разница в ответах покажет, зачем нужно ядро, нагляднее любой статьи.

Частые вопросы

Семантическое ядро это то же самое, что глоссарий?

Нет. Глоссарий перечисляет термины и их определения. Семантическое ядро это рабочий пакет, который включает классификацию предметов (таксономию), описание связей между ними (онтологию), привязку к ERP-объектам, правила использования в промптах и указание на ответственных. Глоссарий можно напечатать и повесить на стену. Ядро подключается к модели как файл.

Обязательно ли нанимать консультанта или можно собрать ядро самим?

Автор методологии прямо говорит: начинать можно с управляемого Excel-файла. Соберите список из 20-30 терминов, которые чаще всего вызывают разночтения, опишите их по шаблону (термин, класс, определение, владелец, ERP-объект) и раздайте сотрудникам вместе с типовым промптом. Консультант нужен, когда ядро разрастается до сотен предметов и требует онтологических связей.

Подойдёт ли ядро для работы с российскими моделями?

Да. Семантическое ядро это текстовый файл (Excel, JSON или просто документ), который подключается к любой LLM через промпт или системный промпт (постоянная инструкция, которая действует на весь диалог). YandexGPT, GigaChat и локальные модели принимают такие вложения так же, как ChatGPT или DeepSeek.

Если ваши сотрудники уже задают вопросы моделям о бюджетах, заказах и качестве, значит, модель уже строит свою версию вашего предприятия. Вопрос только в том, кто эту версию контролирует: вы или случайный контекст из чата.

Поделиться:TelegramVK
Игорь Градов
Игорь Градов

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».

Комментарии

Читайте также

Арбитраж криптовалюты без навыков кода: как запустить бота через API «Финама» и ИИ за 4 часа
ai

Арбитраж криптовалюты без навыков кода: как запустить бота через API «Финама» и ИИ за 4 часа

Боты для арбитража криптовалют на практике: как запустить статарбитраж через Trade API «Финама» с помощью Python и ИИ-агентов, чтобы зарабатывать на…

6 мин
ai

Model collapse крадёт у текстов разнообразие: как авторам защитить свой голос

Термин model collapse (коллапс модели) описывает процесс, при котором нейросеть, обученная на текстах другой нейросети, теряет разнообразие: сначала пропадают…

7 мин
Нейросеть для кода проходит тесты, но оставляет дыры: разбор на реальных функциях Python
ai

Нейросеть для кода проходит тесты, но оставляет дыры: разбор на реальных функциях Python

Нейросеть для написания кода на Python выдаёт результат, который запускается с первого раза, но опытный разработчик из России 3 июня 2025 года показал на…

6 мин