Ваша команда ставить запитання простою мовою, а асистент відповідає на основі того, що справді написано у ваших документах, і посилається на точне джерело. Якщо відповіді немає, його налаштовано так і сказати.
База знань на основі ШІ з RAG (retrieval-augmented generation) знаходить потрібні фрагменти у документах вашої компанії та формулює відповідь з них із посиланням на джерело. Ми впроваджуємо її для команд, які втрачають час на пошук внутрішньої інформації або постійно повторюють одні й ті самі відповіді. Почати можна з 7-денного пробного періоду на одному джерелі, використовуючи реальні запитання вашої команди.
Ми під'єднуємо Google Drive, SharePoint, Notion, Confluence або ваш центр довідки. Кожен фрагмент зберігається разом із назвою, датою і посиланням, а синхронізація враховує документи, які змінюються або видаляються.
Кожен фрагмент має метадані команди або рівня доступу, а пошук фільтрується залежно від того, хто ставить запитання. Усе, що не повинно бути доступним для пошуку, залишається поза індексом, а дуже детальні права ми узгоджуємо з вами окремо.
Кожна відповідь містить посилання на документ і розділ, звідки вона взята, тож будь-хто може її перевірити. Асистента налаштовано повідомляти, що він не знаходить потрібного, а не вигадувати. RAG зменшує кількість вигаданих відповідей, але не усуває їх повністю.
Ваша команда щодня перевіряє процедури, технічні характеристики, політики або історію підтримки, а ця документація існує і є досить актуальною.
Асистент без оцінювання є лише демо, тому ми перевіряємо його на реальних запитаннях, перш ніж команда почне ним користуватися.
Ваша команда формулює запитання з очікуваною відповіддю та її джерелом. Ми перевіряємо результати вручну та з другою моделлю як суддею, а після кожної зміни моделі, розбиття на фрагменти або інструкцій повторюємо набір. Після запуску голоси користувачів і запитання без відповіді показують, яких документів бракує.
Разом ми обираємо одне джерело, наприклад теку з процедурами одного відділу, і один канал. Ми створюємо асистента з цитатами, проганяємо запитання вашої команди та разом переглядаємо результати перед додаванням інших джерел. Обсяг, строки й умови узгоджуємо письмово до початку роботи.
За схемою RAG модель не перенавчається на ваших документах: вона лише отримує фрагменти, потрібні для кожної відповіді. Ми обираємо провайдерів, чиї умови виключають ці дані з навчання, а якщо дані не можуть покидати вашу інфраструктуру, розглядаємо відкриті моделі на вашому сервері. Юридичну оцінку проводить ваш консультант.
Так, з застереженнями. Ми фільтруємо за групами або колекціями залежно від того, хто ставить запитання, якщо канал, наприклад Slack або Teams, ідентифікує людину. Точно повторити дуже детальні права на папки складніше, тому ми узгоджуємо чітку модель доступу до індексації.
Скановані PDF потребують OCR, а складні таблиці втрачають структуру, якщо їх погано розбити, тому ми обробляємо їх окремо. Таблиці з великою кількістю цифр краще опитувати через прямий інтеграційний зв'язок, адже асистент не повинен рахувати на основі фрагментів. Під час оцінки ми позначаємо документи, які можуть створити проблеми.
Вміст належить вашій команді: коли процедура змінюється, асистент відображає це після наступної синхронізації. Ми залишаємо завантаження автоматизованим, із сповіщеннями про збій синхронізації та інструкцією з додавання джерел. Якщо ви хочете, щоб ми далі переглядали оцінювання й налаштування, це узгоджується окремо.
Надішліть нам приклад і скажіть, де зараз міститься відповідь. Ми запропонуємо 7-денний пробний період на цьому джерелі з результатами для перегляду до вашого рішення.