जुड़े और सिंक किए गए स्रोत
हम Google Drive, SharePoint, Notion, Confluence या आपके हेल्प सेंटर को जोड़ते हैं। हर अंश अपने शीर्षक, तारीख और लिंक के साथ संग्रहीत होता है, और सिंक उन दस्तावेज़ों को पकड़ता है जो बदलते या हटाए जाते हैं।
Nexura Digital सेवा
एक AI ज्ञान बेस (RAG) जो आपके दस्तावेज़ों से उत्तर देता है और उनका हवाला देता है
आपकी टीम सामान्य भाषा में सवाल पूछती है और असिस्टेंट वही जवाब देता है जो आपके दस्तावेज़ों में लिखा है, साथ में सटीक स्रोत का लिंक। जब जवाब मौजूद न हो, तो वह यह साफ़ बताने के लिए सेट किया गया है।
RAG (retrieval-augmented generation) पर आधारित AI ज्ञान बेस आपके कंपनी दस्तावेज़ों में प्रासंगिक अंश खोजता है और उन्हीं से जवाब लिखता है, स्रोत का हवाला देते हुए। हम इसे उन टीमों के लिए लगाते हैं जो आंतरिक जानकारी खोजने या एक ही सवालों के जवाब बार-बार देने में समय गँवाती हैं। आप एक स्रोत पर, अपनी टीम के असली सवालों के साथ, 7-दिन के ट्रायल से शुरुआत करते हैं।
क्या शामिल है: स्रोत, अनुमतियाँ और हवाले
अनुमतियाँ जो टिकती हैं
हर अंश के साथ टीम या एक्सेस-स्तर की मेटाडेटा जुड़ी होती है, और खोज इस आधार पर फ़िल्टर होती है कि सवाल कौन पूछ रहा है। जो कुछ खोजा नहीं जाना चाहिए, वह इंडेक्स से बाहर रहता है, और बहुत बारीक अनुमतियों को कैसे दर्शाया जाए, यह हम आपके साथ तय करते हैं।
हवाले वाले जवाब
हर जवाब उस दस्तावेज़ और खंड से लिंक होता है जहाँ से वह आया है, ताकि कोई भी उसकी जाँच कर सके। असिस्टेंट को निर्देश दिया गया है कि कोई जानकारी न मिले तो अनुमान लगाने के बजाय यह कहे। RAG मनगढ़ंत जवाब कम करता है, पर पूरी तरह खत्म नहीं करता।
यह किसके लिए है, और किसके लिए नहीं
अच्छा मेल है, अगर
आपकी टीम हर दिन प्रक्रियाएँ, स्पेक शीट, नीतियाँ या सपोर्ट इतिहास देखती है, और वह दस्तावेज़ीकरण मौजूद है और काफ़ी हद तक अद्यतन है।
उपयुक्त नहीं, अगर
- आपके पास बस कुछ ही दस्तावेज़ हैं: एक अच्छा FAQ पेज काफ़ी होगा
- आपके दस्तावेज़ एक-दूसरे से टकराते हैं और कोई तय नहीं करता कि कौन-सा सही है
- आपको किसी लाइव डेटाबेस से सटीक आँकड़े चाहिए: इंटीग्रेशन या MCP सर्वर बेहतर फ़िट है
- गलती के गंभीर परिणाम होंगे और कोई मानवीय समीक्षा नहीं होगी
हम जवाब की गुणवत्ता कैसे मापते हैं
जिस असिस्टेंट का मूल्यांकन नहीं हुआ, वह सिर्फ़ एक डेमो है, इसलिए टीम के उपयोग से पहले हम उसे असली सवालों पर जाँचते हैं।
हम क्या जाँचते हैं
- क्या खोज सही दस्तावेज़ लाती है
- क्या जवाब लाए गए अंश तक सीमित रहता है
- क्या हवाला सही जगह की ओर इशारा करता है
- क्या जानकारी न होने पर वह मानता है कि उसे पता नहीं
हम इसे कैसे जाँचते हैं
आपकी टीम अपेक्षित उत्तर और उसके स्रोत के साथ सवाल लिखती है। हम हाथ से और एक दूसरे मॉडल को जज बनाकर समीक्षा करते हैं, और मॉडल, चंकिंग या निर्देशों में हर बदलाव के बाद पूरे सेट को दोबारा चलाते हैं। लाइव होने के बाद उपयोगकर्ता के वोट और अनुत्तरित सवाल दस्तावेज़ों की कमियाँ दिखाते हैं।
हम इसे कैसे लागू करते हैं
तैयारी
- स्रोत, ज़िम्मेदार लोग और क्या बाहर रहेगा, यह चुनें
- डुप्लीकेट या पुराने संस्करण हटाएँ
- एक्सेस समूह और उपयोग किया जाने वाला चैनल तय करें
निर्माण
- n8n या कोड से इनजेशन और सिंक
- Qdrant में, या pgvector के साथ Postgres में, हाइब्रिड खोज वाला वेक्टर इंडेक्स
- Slack, Microsoft Teams या आंतरिक चैट में असिस्टेंट
- मूल्यांकन, ट्यूनिंग और धीरे-धीरे रोलआउट
आपके पास क्या रहता है
डिलीवरेबल्स
- इनजेशन और सिंक वर्कफ़्लो आपके सर्वर पर
- वेक्टर इंडेक्स आपके नाम वाले खाते में
- आपके चुने चैनल में सेट किया गया असिस्टेंट
- स्रोतों और अनुमतियों का मानचित्र
- परिणामों के साथ मूल्यांकन सेट
पहला कदम: एक स्रोत के साथ 7-दिन का ट्रायल
दायरे में बंधा, मापा गया असिस्टेंट
हम आपके साथ एक स्रोत चुनते हैं, जैसे किसी विभाग का प्रक्रिया फ़ोल्डर, और एक चैनल। हम हवाले वाला असिस्टेंट बनाते हैं, आपकी टीम के सवाल चलाते हैं और आगे स्रोत जोड़ने से पहले नतीजों की साथ मिलकर समीक्षा करते हैं। दायरा, तारीखें और शर्तें शुरू करने से पहले लिखित में तय होती हैं।
FAQ
Frequently asked questions
क्या मेरे दस्तावेज़ मॉडल को प्रशिक्षित करने में इस्तेमाल होंगे?
RAG में मॉडल आपके दस्तावेज़ों पर दोबारा प्रशिक्षित नहीं होता; उसे हर जवाब के लिए केवल ज़रूरी अंश मिलते हैं। हम ऐसे प्रदाता चुनते हैं जिनकी API शर्तें इस डेटा को प्रशिक्षण से बाहर रखती हैं, और अगर डेटा आपके इन्फ़्रास्ट्रक्चर से बाहर नहीं जा सकता, तो हम आपके अपने सर्वर पर ओपन मॉडल देखते हैं। कानूनी आकलन आपके सलाहकार का काम है।
क्या यह Drive या SharePoint में पहले से मौजूद अनुमतियों का सम्मान कर सकता है?
हाँ, कुछ शर्तों के साथ। हम पूछने वाले व्यक्ति के आधार पर समूहों या संग्रहों से फ़िल्टर करते हैं, बशर्ते चैनल, जैसे Slack या Teams, व्यक्ति की पहचान करता हो। बहुत बारीक फ़ोल्डर अनुमतियों को हूबहू दर्शाना अधिक जटिल है, इसलिए इंडेक्स करने से पहले हम एक स्पष्ट एक्सेस मॉडल पर सहमत होते हैं।
क्या यह स्कैन किए गए PDF, टेबल या Excel फ़ाइलों के साथ काम करता है?
स्कैन किए गए PDF के लिए OCR चाहिए, और जटिल टेबल अगर गलत तरीके से टूटें तो उनकी संरचना खो जाती है, इसलिए हम उन्हें अलग से संभालते हैं। आँकड़ों से भरी स्प्रेडशीट बेहतर तरीके से सीधे इंटीग्रेशन से पूछी जाती हैं, क्योंकि असिस्टेंट को टुकड़ों से गणना नहीं करनी चाहिए। आकलन के दौरान हम उन दस्तावेज़ों को चिह्नित करते हैं जिनसे दिक्कत होगी।
बाद में ज्ञान बेस का रखरखाव कौन करता है?
सामग्री की ज़िम्मेदारी आपकी टीम की है: जब कोई प्रक्रिया बदलती है, तो अगले सिंक के बाद असिस्टेंट उसे दर्शाता है। हम इनजेशन स्वचालित छोड़ते हैं, सिंक विफल होने पर अलर्ट देते हैं और स्रोत जोड़ने की गाइड देते हैं। अगर आप चाहें कि हम मूल्यांकन और ट्यूनिंग की समीक्षा जारी रखें, तो वह अलग से तय होगा।
संपर्क करें
आपकी टीम सबसे अधिक कौन-सा सवाल पूछती है?
हमें एक उदाहरण भेजें और बताएँ कि आज जवाब कहाँ मौजूद है। हम उस स्रोत पर 7-दिन के ट्रायल का प्रस्ताव देंगे, जिसके नतीजे आपके निर्णय से पहले समीक्षा के लिए होंगे।