מקורות מחוברים ומסונכרנים
אנחנו מחברים את Google Drive, SharePoint, Notion, Confluence או מרכז העזרה שלכם. כל קטע נשמר עם הכותרת, התאריך והקישור שלו, והסנכרון מזהה מסמכים שהשתנו או נמחקו.
שירות של Nexura Digital
בסיס ידע עם AI (RAG) שעונה ממסמכים שלכם ומצטט אותם
הצוות שואל בשפה רגילה, והעוזר עונה ממה שכתוב במסמכים שלכם בפועל, עם קישור למקור המדויק. כשהתשובה לא נמצאת שם, הוא מוגדר לומר זאת.
בסיס ידע עם AI שנבנה על RAG (יצירה מועשרת באחזור) מאתר את הקטעים הרלוונטיים במסמכי החברה שלכם ומנסח את התשובה מהם, עם ציון המקור. אנחנו מטמיעים אותו לצוותים שמאבדים זמן בחיפוש אחר מידע פנימי או שחוזרים על אותן תשובות שוב ושוב. מתחילים בניסיון של 7 ימים על מקור אחד, עם השאלות האמיתיות של הצוות.
מה כלול: מקורות, הרשאות וציטוטים
הרשאות שנשמרות
לכל קטע מצורפים מטא-נתונים של צוות או רמת גישה, והחיפוש מסנן לפי מי ששואל. מה שאסור לחפש נשאר מחוץ לאינדקס, ומסכימים איתכם על הדרך לשקף הרשאות מדויקות מאוד.
תשובות עם ציטוטים
כל תשובה מקשרת למסמך ולקטע שממנו נלקחה, כך שכל אחד יכול לבדוק אותה, והעוזר מונחה לומר שאינו מוצא מידע ולא להמציא. RAG מפחית תשובות שהומצאו, אך אינו מבטל אותן לחלוטין.
למי זה מתאים, ולמי לא
מתאים אם
הצוות שלכם בודק נהלים, דפי מפרט, מדיניות או היסטוריית תמיכה מדי יום, והתיעוד הזה קיים ועדכני באופן סביר.
לא מתאים אם
- יש לכם רק קומץ מסמכים: עמוד שאלות נפוצות טוב יספיק
- המסמכים שלכם סותרים זה את זה ואין מי שמחליט איזה מהם נכון
- אתם צריכים נתונים מדויקים ממסד נתונים חי: אינטגרציה או שרת MCP מתאימים יותר
- טעות הייתה גורמת לנזק חמור ואין בדיקה אנושית
איך אנחנו מודדים את איכות התשובות
עוזר שלא נבדק הוא רק הדגמה, ולכן אנחנו בודקים אותו מול שאלות אמיתיות לפני שהצוות משתמש בו.
מה בודקים
- האם החיפוש מאחזר את המסמך הנכון
- האם התשובה נשארת נאמנה למה שאוחזר
- האם הציטוט מפנה למקום הנכון
- האם העוזר מודה כשאינו יודע, כשהמידע לא קיים
איך בודקים
הצוות שלכם כותב שאלות עם התשובה הצפויה ומקורה. אנחנו בודקים ידנית ובעזרת מודל שני כשופט, ומריצים את הסט מחדש אחרי כל שינוי במודל, בחלוקה לקטעים או בהוראות. אחרי ההשקה, הצבעות של משתמשים ושאלות ללא מענה חושפות פערים בתיעוד.
איך מטמיעים
הכנה
- בחירת מקורות, בעלים ומה נשאר בחוץ
- הסרת גרסאות כפולות או מיושנות
- הגדרת קבוצות גישה והערוץ לשימוש
בנייה
- קליטה וסנכרון באמצעות n8n או קוד
- אינדקס וקטורי עם חיפוש היברידי, ב-Qdrant או ב-Postgres עם pgvector
- העוזר ב-Slack, ב-Microsoft Teams או בצ'אט פנימי
- הערכה, כוונון והשקה הדרגתית
מה נשאר אצלכם
תוצרים
- תהליכי קליטה וסנכרון על השרת שלכם
- אינדקס וקטורי בחשבון על שמכם
- העוזר מוגדר בערוץ שבחרתם
- מפת מקורות והרשאות
- סט הערכה עם התוצאות שלו
צעד ראשון: ניסיון של 7 ימים עם מקור אחד
עוזר מוגדר ונמדד
בוחרים יחד מקור אחד, למשל תיקיית נהלים של מחלקה אחת, וערוץ אחד. אנחנו בונים את העוזר עם ציטוטים, מריצים את השאלות של הצוות ובודקים את התוצאות יחד לפני שמוסיפים מקורות. ההיקף, התאריכים והתנאים מוסכמים בכתב לפני שמתחילים.
FAQ
שאלות נפוצות
האם המסמכים שלי ישמשו לאימון המודל?
ב-RAG המודל לא מאומן מחדש על המסמכים שלכם. הוא מקבל רק את הקטעים שנדרשים לכל תשובה. אנחנו בוחרים ספקים שתנאי ה-API שלהם מוציאים את המידע הזה מאימון, ואם אי אפשר לצאת עם המידע מחוץ לתשתית שלכם, בוחנים מודלים פתוחים על השרת שלכם. ההערכה המשפטית נתונה ליועץ שלכם.
האם זה יכבד את ההרשאות שכבר יש לנו ב-Drive או ב-SharePoint?
כן, עם הסתייגויות. אנחנו מסננים לפי קבוצות או אוספים לפי מי ששואל, בתנאי שהערוץ, כמו Slack או Teams, מזהה את האדם. שחזור מדויק של הרשאות תיקיות מפורטות מאוד מורכב יותר, ולכן מסכימים על מודל גישה ברור לפני האינדוקס.
האם זה עובד עם PDF סרוקים, טבלאות או קבצי Excel?
PDF סרוקים דורשים OCR, וטבלאות מורכבות מאבדות את המבנה שלהן אם הן נחתכות לא נכון, ולכן אנחנו מטפלים בהן בנפרד. גיליונות עם נתונים מספריים עדיפים דרך אינטגרציה ישירה, כי העוזר לא צריך לחשב מתוך קטעים. במהלך האפיון נסמן את המסמכים שייצרו בעיות.
מי מתחזק את בסיס הידע אחר כך?
הצוות שלכם הוא הבעלים של התוכן: כשנוהל משתנה, העוזר משקף זאת אחרי הסנכרון הבא. הקליטה נשארת אוטומטית, יש התראות אם סנכרון נכשל, ויש מדריך להוספת מקורות. אם תרצו שנמשיך לעבור על ההערכות ולכוונן, זה מוסכם בנפרד.
יצירת קשר
איזו שאלה הצוות שלכם שואל הכי הרבה?
שלחו לנו דוגמה וספרו איפה התשובה נמצאת היום. נציע ניסיון של 7 ימים על המקור הזה, עם תוצאות לבחינה לפני שתחליטו.