Tim Anda bertanya dengan bahasa sehari-hari dan asisten menjawab sesuai isi dokumen Anda, lengkap dengan tautan ke sumber yang tepat. Jika jawabannya tidak ada, asisten diatur untuk mengatakannya.
Basis pengetahuan AI yang dibangun dengan RAG (retrieval-augmented generation) menemukan bagian yang relevan dalam dokumen perusahaan Anda dan menyusun jawaban darinya, dengan mencantumkan sumbernya. Kami menerapkannya untuk tim yang membuang waktu mencari informasi internal atau terus menjawab pertanyaan yang sama. Anda memulai dengan uji coba 7 hari pada satu sumber, menggunakan pertanyaan nyata dari tim Anda.
Kami menghubungkan Google Drive, SharePoint, Notion, Confluence, atau pusat bantuan Anda. Setiap bagian disimpan beserta judul, tanggal, dan tautannya, dan sinkronisasi menangkap dokumen yang berubah atau dihapus.
Setiap bagian memiliki metadata tim atau tingkat akses, dan pencarian disaring berdasarkan siapa yang bertanya. Apa pun yang tidak boleh dicari tetap berada di luar indeks, dan kami menyepakati dengan Anda cara merefleksikan izin yang sangat rinci.
Setiap jawaban menautkan dokumen dan bagian asalnya, sehingga siapa pun bisa memeriksanya, dan asisten diinstruksikan untuk mengatakan bahwa ia tidak menemukan sesuatu alih-alih mengarang. RAG mengurangi jawaban yang dikarang, tetapi tidak menghilangkannya sepenuhnya.
Tim Anda setiap hari memeriksa prosedur, lembar spesifikasi, kebijakan, atau riwayat dukungan, dan dokumentasi tersebut ada serta cukup mutakhir.
Asisten yang belum dievaluasi hanyalah demo, jadi kami mengujinya dengan pertanyaan nyata sebelum tim menggunakannya.
Tim Anda menulis pertanyaan beserta jawaban yang diharapkan dan sumbernya. Kami meninjau secara manual dan dengan model kedua sebagai penilai, lalu menjalankan ulang kumpulan tersebut setiap kali model, pemotongan teks, atau instruksi diubah. Setelah berjalan, suara pengguna dan pertanyaan yang tidak terjawab menunjukkan celah dokumentasi.
Bersama Anda, kami memilih satu sumber, misalnya folder prosedur satu departemen, dan satu kanal. Kami membangun asisten dengan kutipan, menjalankan pertanyaan tim Anda, dan meninjau hasilnya bersama sebelum menambah sumber. Lingkup, tanggal, dan ketentuan disepakati secara tertulis sebelum kami mulai.
Dengan RAG, model tidak dilatih ulang dengan dokumen Anda; model hanya menerima bagian yang dibutuhkan untuk setiap jawaban. Kami memilih penyedia yang ketentuan API-nya mengecualikan data tersebut dari pelatihan dan, jika data tidak boleh keluar dari infrastruktur Anda, kami mempertimbangkan model terbuka di server Anda sendiri. Penilaian hukumnya menjadi tanggung jawab penasihat Anda.
Bisa, dengan catatan. Kami menyaring berdasarkan grup atau koleksi sesuai siapa yang bertanya, selama kanal seperti Slack atau Teams mengenali orangnya. Meniru izin folder yang sangat rinci secara persis lebih kompleks, jadi kami menyepakati model akses yang jelas sebelum pengindeksan.
PDF hasil pindaian membutuhkan OCR, dan tabel kompleks kehilangan strukturnya jika terpotong dengan buruk, jadi kami menanganinya secara terpisah. Spreadsheet berisi banyak angka lebih baik dikueri lewat integrasi langsung, karena asisten tidak seharusnya menghitung dari potongan-potongan data. Selama asesmen, kami menandai dokumen yang berpotensi bermasalah.
Tim Anda memiliki kontennya: ketika sebuah prosedur berubah, asisten mencerminkannya setelah sinkronisasi berikutnya. Kami membiarkan ingesti berjalan otomatis, memberi peringatan jika sinkronisasi gagal, dan menyediakan panduan untuk menambah sumber. Jika Anda ingin kami terus meninjau evaluasi dan penyetelan, hal itu disepakati terpisah.
Kirimkan contoh pertanyaannya dan beri tahu di mana jawabannya tersimpan saat ini. Kami akan mengusulkan uji coba 7 hari pada sumber tersebut, dengan hasil untuk Anda tinjau sebelum Anda memutuskan.