Как мы научили ИИ читать корпоративные регламенты: от наивного RAG до измеримого pipeline

Практический кейс создания корпоративного RAG-сервиса для поиска по внутренним нормативным документам. Авторы прошли путь от стандартного пайплайна до гибридной архитектуры с BM25, embeddings, RRF, reranking и структурным chunking, а также построили систему оценки качества через LLM-as-a-Judge. Показаны результаты A/B-теста с реранкером по 9 метрикам и объясняется, почему в production-RAG важнее качество подготовки документов и retrieval, чем выбор самой умной LLM.