แหล่งข้อมูลที่เชื่อมต่อและซิงก์แล้ว
เราเชื่อมต่อกับ Google Drive, SharePoint, Notion, Confluence หรือศูนย์ช่วยเหลือของคุณ แต่ละย่อหน้าจะถูกเก็บพร้อมชื่อเรื่อง วันที่ และลิงก์ และการซิงก์จะรับเอกสารที่เปลี่ยนแปลงหรือถูกลบไปด้วย
บริการของ Nexura Digital
ฐานความรู้ AI (RAG) ที่ตอบจากเอกสารของคุณพร้อมอ้างอิงแหล่งที่มา
ทีมของคุณถามด้วยภาษาธรรมดา และผู้ช่วยตอบด้วยสิ่งที่เอกสารของคุณระบุจริง พร้อมลิงก์ไปยังแหล่งที่มาที่ตรงกัน เมื่อไม่มีคำตอบในเอกสาร ระบบจะถูกตั้งค่าให้บอกตามตรง
ฐานความรู้ AI ที่สร้างบน RAG (การสร้างคำตอบจากการค้นคืนข้อมูล) จะค้นหาย่อหน้าที่เกี่ยวข้องในเอกสารของบริษัท แล้วเขียนคำตอบจากย่อหน้านั้นพร้อมอ้างอิงแหล่งที่มา เราติดตั้งระบบนี้ให้ทีมที่เสียเวลาค้นหาข้อมูลภายในหรือต้องตอบคำถามเดิมซ้ำๆ คุณเริ่มด้วยการทดลองใช้ 7 วันกับแหล่งข้อมูลเดียว โดยใช้คำถามจริงของทีม
สิ่งที่รวมอยู่: แหล่งข้อมูล สิทธิ์การเข้าถึง และการอ้างอิง
สิทธิ์ที่ใช้งานได้จริง
แต่ละย่อหน้ามีข้อมูลกำกับว่าเป็นของทีมหรือระดับการเข้าถึงใด และการค้นหาจะกรองตามผู้ที่ถาม สิ่งที่ไม่ควรค้นหาได้จะไม่ถูกนำเข้าดัชนี และเราจะตกลงกับคุณว่าจะสะท้อนสิทธิ์ที่ละเอียดมากอย่างไร
คำตอบพร้อมการอ้างอิง
ทุกคำตอบจะลิงก์ไปยังเอกสารและส่วนที่มาของคำตอบ เพื่อให้ทุกคนตรวจสอบได้ และผู้ช่วยได้รับคำสั่งให้บอกว่าหาไม่พบ แทนการคาดเดา RAG ช่วยลดคำตอบที่แต่งขึ้นได้ แต่ไม่ได้กำจัดออกไปทั้งหมด
เหมาะกับใคร และไม่เหมาะกับใคร
เหมาะเมื่อ
ทีมของคุณตรวจสอบขั้นตอนการทำงาน ข้อมูลจำเพาะ นโยบาย หรือประวัติการซัพพอร์ตทุกวัน และเอกสารเหล่านั้นมีอยู่และเป็นปัจจุบันพอสมควร
ไม่เหมาะเมื่อ
- คุณมีเอกสารเพียงไม่กี่ฉบับ: หน้า FAQ ที่ดีก็เพียงพอ
- เอกสารของคุณขัดแย้งกันเองและไม่มีใครตัดสินว่าฉบับไหนถูกต้อง
- คุณต้องการตัวเลขที่แม่นยำจากฐานข้อมูลสด: การเชื่อมต่อหรือ MCP server เหมาะกว่า
- ความผิดพลาดอาจก่อให้เกิดผลกระทบร้ายแรงและไม่มีการตรวจทานโดยมนุษย์
เราวัดคุณภาพของคำตอบอย่างไร
ผู้ช่วยที่ยังไม่ได้รับการประเมินเป็นเพียงการสาธิต เราจึงทดสอบกับคำถามจริงก่อนที่ทีมจะใช้งาน
สิ่งที่เราตรวจสอบ
- การค้นหาดึงเอกสารที่ถูกต้องมาหรือไม่
- คำตอบยึดตามสิ่งที่ค้นคืนมาหรือไม่
- การอ้างอิงชี้ไปยังตำแหน่งที่ถูกต้องหรือไม่
- ผู้ช่วยยอมรับว่าไม่ทราบเมื่อไม่มีข้อมูลหรือไม่
วิธีที่เราตรวจสอบ
ทีมของคุณเขียนคำถามพร้อมคำตอบที่คาดหวังและแหล่งที่มา เราตรวจด้วยตนเองและใช้โมเดลอีกตัวเป็นผู้ประเมิน แล้วรันชุดคำถามนี้ซ้ำทุกครั้งที่มีการเปลี่ยนโมเดล การแบ่งส่วนข้อมูล หรือคำสั่ง เมื่อใช้งานจริง คะแนนโหวตจากผู้ใช้และคำถามที่ตอบไม่ได้จะเผยให้เห็นช่องว่างของเอกสาร
วิธีที่เราทยอยเปิดใช้งาน
การเตรียมการ
- เลือกแหล่งข้อมูล ผู้รับผิดชอบ และสิ่งที่ไม่นำเข้า
- ลบเวอร์ชันที่ซ้ำหรือล้าสมัย
- กำหนดกลุ่มการเข้าถึงและช่องทางที่จะใช้
การสร้างระบบ
- การนำเข้าและการซิงก์ด้วย n8n หรือโค้ด
- ดัชนีเวกเตอร์พร้อม hybrid search ใน Qdrant หรือใน Postgres ด้วย pgvector
- ผู้ช่วยใน Slack, Microsoft Teams หรือแชทภายในองค์กร
- การประเมิน การปรับแต่ง และการเปิดใช้งานทีละขั้น
สิ่งที่ยังคงอยู่กับคุณ
ผลงานที่ส่งมอบ
- workflow สำหรับการนำเข้าและซิงก์บนเซิร์ฟเวอร์ของคุณ
- ดัชนีเวกเตอร์ในบัญชีที่ใช้ชื่อของคุณ
- ผู้ช่วยที่ตั้งค่าไว้ในช่องทางที่คุณเลือก
- แผนผังแหล่งข้อมูลและสิทธิ์การเข้าถึง
- ชุดประเมินพร้อมผลลัพธ์
ขั้นแรก: การทดลองใช้ 7 วันกับแหล่งข้อมูลเดียว
ผู้ช่วยที่มีขอบเขตชัดเจนและวัดผลได้
เราจะเลือกแหล่งข้อมูลหนึ่งรายการร่วมกับคุณ เช่น โฟลเดอร์ขั้นตอนของแผนกหนึ่ง และช่องทางหนึ่ง เราจะสร้างผู้ช่วยพร้อมการอ้างอิง รันคำถามจากทีมของคุณ และตรวจผลลัพธ์ร่วมกันก่อนเพิ่มแหล่งข้อมูล ขอบเขต กำหนดการ และเงื่อนไขจะตกลงเป็นลายลักษณ์อักษรก่อนเริ่มงาน
FAQ
คำถามที่พบบ่อย
เอกสารของฉันจะถูกนำไปฝึกโมเดลหรือไม่?
ด้วย RAG โมเดลจะไม่ถูกฝึกใหม่ด้วยเอกสารของคุณ โมเดลจะได้รับเฉพาะย่อหน้าที่จำเป็นสำหรับคำตอบแต่ละข้อ เราเลือกผู้ให้บริการที่ข้อกำหนดการใช้งาน API ไม่นำข้อมูลนั้นไปฝึกโมเดล และหากข้อมูลไม่สามารถออกจากโครงสร้างพื้นฐานของคุณได้ เราจะพิจารณาโมเดลแบบเปิดที่รันบนเซิร์ฟเวอร์ของคุณ การประเมินทางกฎหมายเป็นหน้าที่ของที่ปรึกษาของคุณ
ระบบจะเคารพสิทธิ์ที่เรามีอยู่แล้วใน Drive หรือ SharePoint ได้หรือไม่?
ได้ แต่มีเงื่อนไข เราจะกรองตามกลุ่มหรือคอลเลกชันตามผู้ที่ถาม ตราบใดที่ช่องทาง เช่น Slack หรือ Teams สามารถระบุตัวบุคคลได้ การจำลองสิทธิ์ระดับโฟลเดอร์ที่ละเอียดมากให้ตรงทุกประการทำได้ยากกว่า ดังนั้นเราจะตกลงรูปแบบการเข้าถึงที่ชัดเจนก่อนการทำดัชนี
รองรับ PDF ที่สแกน ตาราง หรือไฟล์ Excel หรือไม่?
PDF ที่สแกนต้องใช้ OCR และตารางที่ซับซ้อนจะเสียโครงสร้างหากถูกแบ่งไม่ดี เราจึงจัดการส่วนเหล่านี้แยกต่างหาก สเปรดชีตที่เต็มไปด้วยตัวเลขควรค้นผ่านการเชื่อมต่อโดยตรงจะดีกว่า เพราะผู้ช่วยไม่ควรคำนวณจากข้อมูลที่ไม่ครบ ในขั้นการประเมิน เราจะระบุเอกสารที่น่าจะก่อปัญหาไว้ล่วงหน้า
ใครดูแลฐานความรู้ภายหลัง?
ทีมของคุณเป็นเจ้าของเนื้อหา เมื่อขั้นตอนเปลี่ยน ผู้ช่วยจะสะท้อนการเปลี่ยนแปลงหลังการซิงก์ครั้งถัดไป เราจะทำให้การนำเข้าเป็นอัตโนมัติ พร้อมการแจ้งเตือนเมื่อการซิงก์ล้มเหลว และคู่มือการเพิ่มแหล่งข้อมูล หากคุณต้องการให้เราช่วยตรวจสอบผลการประเมินและปรับแต่งต่อ จะตกลงกันแยกต่างหาก
ติดต่อเรา
ทีมของคุณถามคำถามอะไรบ่อยที่สุด?
ส่งตัวอย่างมาให้เราและบอกว่าคำตอบอยู่ที่ไหนในปัจจุบัน เราจะเสนอการทดลองใช้ 7 วันกับแหล่งข้อมูลนั้น พร้อมผลลัพธ์ให้คุณตรวจสอบก่อนตัดสินใจ