Copilot RAG sulla conoscenza aziendale
Risposta breve
SwankyForge costruisce copilot di retrieval-augmented generation (RAG): assistenti che rispondono alle domande di personale o clienti a partire dai vostri documenti, policy e sistemi, e citano il passaggio da cui viene ogni risposta. Ogni rilascio viene verificato su un test set di domande reali prima di andare in produzione. Un progetto tipico richiede 4–8 settimane e costa 8k €–18k €.
Un cliente può restituire un articolo aperto dopo 20 giorni?
Sì, entro 30 giorni se l'articolo è integro e nella sua confezione. Sono esclusi i prodotti per l'igiene aperti.
- [1] Policy sui resi, sezione 4.2
- [2] Elenco prodotti per l'igiene, aggiornato a marzo
2 fonti · risposta verificata sul test set di rilascio
Vi suona familiare?
- Il personale interrompe i colleghi invece di leggere la policy.
- Il supporto risponde ogni giorno alle stesse domande.
- Un chatbot pilota ha risposto con sicurezza e in modo sbagliato.
- La conoscenza è sparsa tra wiki, PDF e ticket.
- Nessuno sa dire se l'assistente sta migliorando o peggiorando.
Cosa costruiamo
Assistente sulla conoscenza interna
Policy, procedure e documentazione di prodotto, con risposte accompagnate dal link alla fonte.
Risposte del supporto
Bozze di risposta per gli operatori, o risposte dirette ai clienti, dal vostro centro assistenza.
Ricerca su più fonti
PDF, wiki, ticket e cartelle condivise in un unico posto, con i rispettivi permessi.
Consultazioni nei vostri sistemi
Domande su un ordine, un contratto o un account con risposte da dati in tempo reale.
Test di rilascio
Una suite di domande reali che ogni modifica deve superare.
Regole di accesso
Ognuno vede solo risposte costruite da documenti che ha il permesso di aprire.
Come si svolge un progetto
- 1
Raccogliere domande reali
Qualche centinaio di domande che le persone fanno davvero, con le risposte che un esperto accetterebbe. Diventano il test set.
- 2
Collegare le fonti
Documenti, wiki e ticket vengono indicizzati con i loro permessi, così nessuno vede un documento che non potrebbe aprire.
- 3
Recuperare, poi rispondere
Il sistema trova prima i passaggi pertinenti, poi scrive una risposta che li cita e li collega. Senza fonte, nessuna risposta.
- 4
Misurare prima del rilascio
Ogni modifica viene valutata sul test set: corretta, parzialmente corretta, sbagliata o rifiutata. Un rilascio che ottiene un risultato peggiore non va in produzione.
- 5
Gestire e migliorare
Log, pulsanti di feedback e una revisione settimanale delle domande fallite alimentano il ciclo successivo.
Cosa ottenete
- Assistente nel canale che il vostro team usa già: web, chat o helpdesk
- Test set di domande reali con risposte di esperti
- Report di valutazione per ogni rilascio
- Connettori per fonti e permessi
- Codice, prompt e runbook nel vostro repository
Prezzo tipico
8k €–18k €
Tempi tipici
4–8 settimane
Dal listino pubblicato. Il prezzo finale viene fissato una volta concordato il perimetro.
Stimate il vostro progettoCaso correlato
- Reference design
Il personale chiedeva ai colleghi invece di leggere la policy. Ora chiede e riceve una risposta verificabile.
Accuratezza delle risposte: 61% → 89.2%
- Reference design
Ogni fattura veniva letta e digitata a mano. Ora quattro su cinque passano senza che nessuno le tocchi.
Elaborazione straight-through: 0% → 81%
Domande
RAG o fine-tuning: cosa ci serve?
Per rispondere a partire dalla conoscenza aziendale, si parte da RAG: usa documenti aggiornati, mostra le fonti e si aggiorna senza riaddestramento. Il fine-tuning aiuta con tono, formato o un compito ristretto, ed è di solito un passo successivo, se serve.
I nostri dati verranno usati per addestrare il modello di qualcun altro?
No. Usiamo provider di modelli con condizioni che escludono l'addestramento sui vostri dati, oppure eseguiamo modelli open nel vostro cloud quando è un requisito.
Come evitate che si inventi le cose?
Risponde solo dai passaggi recuperati e rifiuta quando non trova nulla di pertinente. Il test set misura quanto spesso sbaglia, quindi il rischio è un numero, non un'ipotesi.
Quale modello linguistico usate?
Quello che ottiene il risultato migliore sul vostro test set a un costo accettabile. Il sistema è costruito in modo che il modello si possa sostituire senza riscrivere nulla.
Quanto costa far funzionare un assistente RAG?
L'uso del modello si paga a domanda. Lo stimiamo dal volume di domande previsto prima dell'inizio del progetto, e la dashboard mostra poi il dato reale.
Raccontateci il vostro caso.
La prima call è gratuita. Se questo sistema non è la risposta giusta per i vostri numeri, ve lo diciamo.