Kopplade och synkade källor
Vi kopplar Google Drive, SharePoint, Notion, Confluence eller ditt hjälpcenter. Varje stycke sparas med titel, datum och länk, och synkroniseringen fångar upp dokument som ändras eller tas bort.
Nexura Digital-tjänst
En AI-kunskapsbas (RAG) som svarar utifrån dina dokument och hänvisar till dem
Ditt team frågar med vanliga ord och assistenten svarar med det dina dokument faktiskt säger, med länk till exakt källa. Finns svaret inte där är assistenten inställd på att säga det.
En AI-kunskapsbas byggd på RAG (retrieval-augmented generation) hittar de relevanta styckena i dina företagsdokument och formulerar svaret utifrån dem, med angivelse av källan. Vi sätter upp den för team som förlorar tid på att leta efter intern information eller som svarar på samma frågor om och om igen. Du börjar med ett 7-dagars test på en enda källa, med teamets verkliga frågor.
Vad som ingår: källor, behörigheter och källhänvisningar
Behörigheter som håller
Varje stycke bär metadata om team eller behörighetsnivå, och sökningen filtrerar utifrån vem som frågar. Allt som inte ska vara sökbart hålls utanför indexet, och vi kommer överens med dig om hur mycket detaljerade behörigheter som ska speglas.
Svar med källhänvisningar
Varje svar länkar till dokumentet och avsnittet det kommer från, så att vem som helst kan kontrollera det, och assistenten instrueras att säga att den inte hittar något i stället för att gissa. RAG minskar påhittade svar men eliminerar dem inte.
Vem det är till för, och vem det inte är till för
Passar bra om
Ditt team kontrollerar rutiner, produktblad, policyer eller supporthistorik varje dag, och dokumentationen finns och är rimligt aktuell.
Passar inte om
- Du har bara en handfull dokument: en bra FAQ-sida räcker
- Dina dokument motsäger varandra och ingen avgör vilket som gäller
- Du behöver exakta siffror från en levande databas: en integration eller en MCP-server passar bättre
- Ett misstag skulle få allvarliga följder och det finns ingen mänsklig granskning
Så mäter vi svarskvaliteten
En assistent som inte utvärderats är bara en demo, så vi testar den mot verkliga frågor innan teamet använder den.
Vad vi kontrollerar
- Om sökningen hämtar rätt dokument
- Om svaret håller sig till det som hämtats
- Om källhänvisningen pekar på rätt ställe
- Om den erkänner att den inte vet när informationen saknas
Hur vi kontrollerar det
Ditt team skriver frågor med förväntat svar och dess källa. Vi granskar manuellt och med en andra modell som bedömare, och kör om testsetet efter varje ändring av modell, styckning eller instruktioner. När systemet är i drift visar användarnas röster och obesvarade frågor var dokumentationen har luckor.
Så rullar vi ut den
Förberedelse
- Välj källor, ansvariga och vad som ska hållas utanför
- Ta bort dubbletter och föråldrade versioner
- Definiera åtkomstgrupper och vilken kanal som ska användas
Bygge
- Inläsning och synkronisering med n8n eller kod
- Vektorindex med hybridsökning, i Qdrant eller i Postgres med pgvector
- Assistent i Slack, Microsoft Teams eller en intern chatt
- Utvärdering, finjustering och en gradvis utrullning
Det som stannar kvar
Leveranser
- Arbetsflöden för inläsning och synkronisering på din server
- Vektorindex i ett konto i ditt namn
- Assistent inrättad i den kanal du valt
- Karta över källor och behörigheter
- Testset för utvärdering med resultat
Första steget: ett 7-dagars test med en källa
En avgränsad, mätt assistent
Tillsammans väljer vi en källa, till exempel en avdelnings mapp med rutiner, och en kanal. Vi bygger assistenten med källhänvisningar, kör ert teams frågor och granskar resultaten tillsammans innan vi lägger till fler källor. Omfattning, datum och villkor avtalas skriftligt innan vi börjar.
FAQ
Vanliga frågor
Används mina dokument för att träna modellen?
Med RAG tränas modellen inte om på dina dokument; den får bara de stycken som behövs för varje svar. Vi väljer leverantörer vars villkor utesluter att dessa data används för träning, och om data inte får lämna din infrastruktur tittar vi på öppna modeller på din egen server. Den juridiska bedömningen är upp till din rådgivare.
Kan den respektera de behörigheter vi redan har i Drive eller SharePoint?
Ja, med förbehåll. Vi filtrerar efter grupper eller samlingar utifrån vem som frågar, så länge kanalen, till exempel Slack eller Teams, identifierar personen. Att exakt spegla mycket detaljerade mappbehörigheter är mer komplicerat, så vi kommer överens om en tydlig åtkomstmodell innan indexering.
Fungerar den med skannade PDF-filer, tabeller eller Excel-filer?
Skannade PDF-filer behöver OCR, och komplexa tabeller tappar sin struktur om de delas upp illa, så vi hanterar dem separat. Kalkylblad med många siffror är bättre att fråga via en direkt integration, eftersom assistenten inte ska räkna utifrån fragment. Under genomgången flaggar vi de dokument som kommer att orsaka problem.
Vem underhåller kunskapsbasen efteråt?
Ditt team äger innehållet: när en rutin ändras speglar assistenten den efter nästa synkronisering. Vi lämnar inläsningen automatiserad, med larm om en synkronisering misslyckas och en guide för att lägga till källor. Vill ni att vi fortsätter att granska utvärderingar och finjustera, avtalas det separat.
Kontakt
Vilken fråga ställer ditt team oftast?
Skicka oss ett exempel och berätta var svaret finns idag. Vi föreslår ett 7-dagars test på den källan, med resultat att granska innan du bestämmer dig.