эмбеддинг

что это

компьютер не понимает смысл слов — он понимает числа. эмбеддинг решает это: специальная модель читает текст и выдаёт длинный список чисел, который работает как координаты на «карте смыслов». тексты про возврат денег окажутся на этой карте рядом, тексты про доставку — в другом районе. аналогия: gps-координаты, только вместо «где на земле» — «где в пространстве смыслов». два кафе рядом на карте — близкие координаты; два текста про одно и то же — близкие эмбеддинги.

дальше всё просто: хотите найти документы под вопрос клиента — переводите вопрос в координаты и ищете, что лежит рядом. так работает векторная база и весь смысловой поиск.

зачем это бизнесу

эмбеддинги — рабочая лошадка задач «найди похожее»: поиск по базе знаний (сердце rag), поиск дублей заявок, кластеризация отзывов («на что жалуются чаще всего»), рекомендации «похожие товары». пример: свалка из 3000 отзывов за год превращается в карту из восьми смысловых групп с размерами — за час, а не за неделю ручного чтения. приятный бонус: эмбеддинги считаются копеечными моделями, это один из самых дешёвых ии-инструментов.

о чём спросить подрядчика

• «какая модель эмбеддингов используется и как она работает с русским языком?» — часть моделей заточена под английский, на русском качество поиска заметно проседает. кто не проверял на русском — не проверял вообще.
• «как вы режете документы на куски перед индексацией?» — качество поиска ломается чаще о нарезку, чем о модель: слишком крупные куски — поиск неточный, слишком мелкие — теряется контекст. осмысленный ответ здесь — признак реального опыта.