Tiimisi kysyy tavallisella kielellä, ja avustaja vastaa sen mukaan, mitä asiakirjasi todella sanovat, ja linkittää tarkan lähteen. Kun vastausta ei ole, avustaja on määritetty kertomaan se.
RAG-pohjainen (retrieval-augmented generation) tekoälytietopankki etsii yrityksesi asiakirjoista oleelliset kohdat ja muodostaa vastauksen niiden pohjalta viitaten lähteeseen. Otamme sen käyttöön tiimeille, jotka menettävät aikaa sisäisen tiedon etsimiseen tai toistavat samoja vastauksia. Aloitat 7 päivän kokeilulla yhdellä lähteellä tiimisi todellisilla kysymyksillä.
Yhdistämme Google Driveen, SharePointiin, Notioniin, Confluenceen tai ohjekeskukseesi. Jokainen kohta tallennetaan otsikkonsa, päivämääränsä ja linkkinsä kanssa, ja synkronointi huomioi asiakirjat, jotka muuttuvat tai poistetaan.
Jokaisella kohdalla on tiimi- tai käyttötasotiedot, ja haku suodattaa tulokset kysyjän mukaan. Kaikki, mitä ei saa etsiä, jätetään indeksin ulkopuolelle, ja sovimme kanssasi, miten hyvin jyvitetyt oikeudet kuvataan.
Jokainen vastaus linkittää asiakirjaan ja osioon, josta se on peräisin, joten kuka tahansa voi tarkistaa sen. Avustaja on ohjeistettu sanomaan, ettei se löydä tietoa, eikä keksimään. RAG vähentää keksittyjä vastauksia, mutta ei poista niitä kokonaan.
Tiimisi tarkistaa päivittäin toimintaohjeita, tuoteselosteita, käytäntöjä tai tukihistoriaa, ja dokumentaatio on olemassa ja kohtuullisen ajantasainen.
Arvioimaton avustaja on pelkkä demo, joten testaamme sen oikeilla kysymyksillä ennen kuin tiimi ottaa sen käyttöön.
Tiimisi kirjoittaa kysymyksiä odotettuine vastauksineen ja lähteineen. Arvioimme vastaukset käsin ja käyttämällä toista mallia arvioijana, ja ajamme sarjan uudelleen aina, kun mallia, pilkkomista tai ohjeita muutetaan. Käyttöönoton jälkeen käyttäjien äänet ja vastaamattomat kysymykset paljastavat dokumentaation aukot.
Valitsemme kanssasi yhden lähteen, esimerkiksi yhden osaston toimintaohjeiden kansion, ja yhden kanavan. Rakennamme avustajan lainauksineen, ajamme tiimisi kysymykset ja käymme tulokset läpi yhdessä ennen lisälähteitä. Laajuus, aikataulut ja ehdot sovitaan kirjallisesti ennen aloitusta.
RAG-menetelmässä mallia ei kouluteta uudelleen asiakirjoillasi; se saa vain kunkin vastauksen tarvitsemat kohdat. Valitsemme palveluntarjoajat, joiden API-ehdot sulkevat tiedot koulutuksen ulkopuolelle. Jos tietoja ei saa poistua infrastruktuuristasi, tarkastelemme avoimia malleja omalla palvelimellasi. Oikeudellisen arvion tekee neuvonantajasi.
Voi, joitakin rajoituksia lukuun ottamatta. Suodatamme ryhmien tai kokoelmien mukaan sen perusteella, kuka kysyy, kunhan kanava, kuten Slack tai Teams, tunnistaa henkilön. Hyvin tarkkojen kansiooikeuksien täsmällinen peilaaminen on monimutkaisempaa, joten sovimme selkeän käyttömallin ennen indeksointia.
Skannatut PDF-tiedostot tarvitsevat OCR-tunnistuksen, ja monimutkaiset taulukot menettävät rakenteensa, jos ne pilkotaan huonosti, joten käsittelemme ne erikseen. Lukuja sisältäviä taulukoita kannattaa kysellä suoran integraation kautta, koska avustajan ei pidä laskea palasista. Arvioinnin aikana merkitsemme asiakirjat, jotka aiheuttavat ongelmia.
Tiimisi omistaa sisällön: kun menettely muuttuu, avustaja heijastaa sen seuraavassa synkronoinnissa. Jätämme tuonnin automatisoiduksi, hälytykset synkronoinnin epäonnistuessa ja ohjeen uusien lähteiden lisäämiseen. Jos haluat, että jatkamme arviointien ja virityksen seurantaa, siitä sovitaan erikseen.
Lähetä meille esimerkki ja kerro, missä vastaus on nyt. Ehdotamme 7 päivän kokeilua tällä lähteellä, ja tulokset käydään läpi ennen päätöstäsi.