Tilkoblede, synkroniserte kilder
Vi kobler til Google Drive, SharePoint, Notion, Confluence eller hjelpesenteret ditt. Hvert avsnitt lagres med tittel, dato og lenke, og synkroniseringen fanger opp dokumenter som endres eller slettes.
Nexura Digital-tjeneste
En KI-kunnskapsbase (RAG) som svarer ut fra dokumentene dine og oppgir kildene
Teamet ditt spør med vanlig språk, og assistenten svarer med det dokumentene faktisk sier, med lenke til den nøyaktige kilden. Finnes ikke svaret, er den satt opp til å si fra om det.
En KI-kunnskapsbase bygget på RAG (retrieval-augmented generation) finner de relevante avsnittene i bedriftens dokumenter og skriver svaret ut fra dem, med kilde. Vi setter den opp for team som mister tid på å lete etter intern informasjon, eller på å gi de samme svarene om og om igjen. Du starter med en 7-dagers test på én kilde, med teamets egne spørsmål.
Hva som er inkludert: kilder, tilganger og sitater
Tilganger som holder
Hvert avsnitt har metadata om team eller tilgangsnivå, og søket filtrerer etter hvem som spør. Alt som ikke skal kunne søkes i, holdes utenfor indeksen, og vi blir enige med deg om hvordan svært detaljerte tilganger skal speiles.
Svar med sitater
Hvert svar lenker til dokumentet og avsnittet det kommer fra, slik at alle kan kontrollere det. Assistenten er instruert til å si at den ikke finner noe, i stedet for å improvisere. RAG reduserer oppdiktede svar, men fjerner dem ikke helt.
Hvem det passer for, og hvem det ikke passer for
Godt egnet hvis
Teamet ditt slår opp i prosedyrer, produktdatablad, retningslinjer eller supporthistorikk hver dag, og dokumentasjonen finnes og er rimelig oppdatert.
Ikke egnet hvis
- Du bare har en håndfull dokumenter: en god FAQ-side er nok
- Dokumentene dine motsier hverandre, og ingen bestemmer hvilket som gjelder
- Du trenger eksakte tall fra en levende database: en integrasjon eller en MCP-server passer bedre
- En feil ville få alvorlige konsekvenser, og det finnes ingen menneskelig gjennomgang
Slik måler vi kvaliteten på svarene
En assistent som ikke er evaluert, er bare en demo, så vi tester den mot reelle spørsmål før teamet tar den i bruk.
Hva vi sjekker
- Om søket finner riktig dokument
- Om svaret holder seg til det som ble hentet
- Om sitatet peker til riktig sted
- Om den innrømmer at den ikke vet, når informasjonen ikke finnes
Hvordan vi sjekker det
Teamet ditt skriver spørsmål med forventet svar og kilde. Vi går gjennom dem manuelt og med en annen modell som dommer, og kjører settet på nytt etter hver endring i modell, oppdeling eller instruksjoner. Når løsningen er i drift, viser brukernes stemmer og ubesvarte spørsmål hull i dokumentasjonen.
Slik ruller vi det ut
Forberedelse
- Velg kilder, eiere og hva som skal holdes utenfor
- Fjern duplikater og utdaterte versjoner
- Definer tilgangsgrupper og kanalen som skal brukes
Bygging
- Innhenting og synkronisering med n8n eller kode
- Vektorindeks med hybrid søk, i Qdrant eller i Postgres med pgvector
- Assistent i Slack, Microsoft Teams eller en intern chat
- Evaluering, finjustering og gradvis utrulling
Det som blir igjen
Leveranser
- Arbeidsflyter for innhenting og synkronisering på din server
- Vektorindeks i en konto i ditt navn
- Assistent satt opp i kanalen du valgte
- Oversikt over kilder og tilganger
- Evalueringssett med resultater
Første steg: en 7-dagers test med én kilde
En avgrenset, målt assistent
Vi velger sammen med deg én kilde, for eksempel prosedyremappen til én avdeling, og én kanal. Vi bygger assistenten med sitater, kjører teamets spørsmål og gjennomgår resultatene sammen før vi legger til flere kilder. Omfang, datoer og vilkår avtales skriftlig før vi starter.
FAQ
Ofte stilte spørsmål
Brukes dokumentene mine til å trene modellen?
Med RAG trenes ikke modellen på dokumentene dine; den mottar bare avsnittene som trengs for hvert svar. Vi velger leverandører hvis API-vilkår utelukker at data brukes til trening, og hvis data ikke kan forlate infrastrukturen din, ser vi på åpne modeller på din egen server. Den juridiske vurderingen er opp til rådgiveren din.
Kan den respektere tilgangene vi allerede har i Drive eller SharePoint?
Ja, med forbehold. Vi filtrerer etter grupper eller samlinger basert på hvem som spør, så lenge kanalen, for eksempel Slack eller Teams, identifiserer personen. Å speile svært detaljerte mappetilganger helt nøyaktig er mer komplisert, så vi blir enige om en tydelig tilgangsmodell før indeksering.
Fungerer det med skannede PDF-er, tabeller eller Excel-filer?
Skannede PDF-er trenger OCR, og kompliserte tabeller mister strukturen hvis de deles dårlig, så vi håndterer dem separat. Regneark med mange tall spørres best gjennom en direkte integrasjon, fordi assistenten ikke bør regne ut fra fragmenter. Under vurderingen markerer vi dokumentene som vil skape problemer.
Hvem vedlikeholder kunnskapsbasen etterpå?
Teamet ditt eier innholdet: når en prosedyre endres, speiles det av assistenten etter neste synkronisering. Vi lar innhentingen gå automatisk, med varsler hvis en synkronisering feiler, og en veiledning for å legge til kilder. Vil du at vi fortsatt skal følge opp evalueringer og finjustering, avtales det separat.
Kontakt
Hvilket spørsmål stiller teamet ditt oftest?
Send oss et eksempel og fortell hvor svaret ligger i dag. Vi foreslår en 7-dagers test på den kilden, med resultater å gå gjennom før du bestemmer deg.