RAG copiloty do wiedzy firmowej
Krótka odpowiedź
SwankyForge buduje copiloty oparte na retrieval-augmented generation (RAG): asystentów, którzy odpowiadają na pytania pracowników lub klientów na podstawie Państwa dokumentów, regulaminów i systemów oraz wskazują fragment, z którego pochodzi każda odpowiedź. Każde wydanie jest sprawdzane na zestawie testowym prawdziwych pytań, zanim trafi na produkcję. Typowy projekt trwa 4–8 tygodni i kosztuje 8k €–18k €.
Czy klient może zwrócić otwarty produkt po 20 dniach?
Tak, w ciągu 30 dni, jeśli produkt jest nieuszkodzony i w opakowaniu. Otwarte produkty higieniczne są wyłączone.
- [1] Regulamin zwrotów, punkt 4.2
- [2] Lista produktów higienicznych, aktualizacja z marca
2 źródła · odpowiedź sprawdzona na zestawie testów wydania
Brzmi znajomo?
- Pracownicy odrywają kolegów od pracy zamiast przeczytać regulamin.
- Obsługa klienta codziennie odpowiada na te same pytania.
- Pilotażowy chatbot odpowiadał pewnie i błędnie.
- Wiedza jest rozproszona po wiki, plikach PDF i zgłoszeniach.
- Nikt nie potrafi powiedzieć, czy asystent działa coraz lepiej, czy coraz gorzej.
Co budujemy
Wewnętrzny asystent wiedzy
Regulaminy, procedury i dokumentacja produktów, z odpowiedzią i linkiem do źródła.
Odpowiedzi dla obsługi klienta
Szkice odpowiedzi dla konsultantów lub bezpośrednie odpowiedzi dla klientów na podstawie centrum pomocy.
Wyszukiwanie w wielu źródłach
Pliki PDF, wiki, zgłoszenia i dyski współdzielone w jednym miejscu, z ich uprawnieniami.
Zapytania do Państwa systemów
Pytania o zamówienie, umowę lub konto z odpowiedzią na podstawie bieżących danych.
Testy wydań
Zestaw prawdziwych pytań, który musi przejść każda zmiana.
Reguły dostępu
Użytkownicy widzą tylko odpowiedzi zbudowane z dokumentów, które mają prawo otworzyć.
Jak przebiega projekt
- 1
Zebranie prawdziwych pytań
Kilkaset pytań, które ludzie faktycznie zadają, wraz z odpowiedziami akceptowalnymi dla eksperta. To staje się zestawem testowym.
- 2
Podłączenie źródeł
Dokumenty, wiki i zgłoszenia są indeksowane wraz z uprawnieniami, więc nikt nie zobaczy dokumentu, którego nie mógłby otworzyć.
- 3
Najpierw wyszukanie, potem odpowiedź
System najpierw znajduje właściwe fragmenty, a potem pisze odpowiedź, która je cytuje i linkuje. Nie ma źródła, nie ma odpowiedzi.
- 4
Pomiar przed wydaniem
Każda zmiana jest oceniana na zestawie testowym: poprawna, częściowo poprawna, błędna lub odmowa. Wydanie z gorszym wynikiem nie trafia na produkcję.
- 5
Eksploatacja i ulepszanie
Logi, przyciski oceny i cotygodniowy przegląd nieudanych pytań zasilają kolejną iterację.
Co Państwo otrzymują
- Asystent w kanale, z którego zespół już korzysta: web, czat lub helpdesk
- Zestaw testowy prawdziwych pytań z odpowiedziami ekspertów
- Raport z ewaluacji dla każdego wydania
- Konektory do źródeł i uprawnień
- Kod, prompty i runbooki w Państwa repozytorium
Typowa cena
8k €–18k €
Typowy czas realizacji
4–8 tygodni
Według opublikowanego cennika. Ostateczna cena jest ustalana po uzgodnieniu zakresu.
Wycena projektuPowiązane case study
- Projekt referencyjny
Pracownicy pytali kolegów zamiast czytać regulamin. Teraz pytają i dostają odpowiedź, którą mogą sprawdzić.
Trafność odpowiedzi: 61% → 89.2%
- Projekt referencyjny
Każda faktura była czytana i przepisywana ręcznie. Teraz cztery na pięć przechodzą bez ingerencji człowieka.
Przetwarzanie bez ingerencji: 0% → 81%
Pytania
RAG czy fine-tuning: czego potrzebujemy?
Do odpowiadania na podstawie wiedzy firmowej warto zacząć od RAG: korzysta z aktualnych dokumentów, pokazuje źródła i aktualizuje się bez ponownego trenowania. Fine-tuning pomaga w tonie, formacie lub wąskim zadaniu i zwykle jest późniejszym krokiem, o ile w ogóle jest potrzebny.
Czy nasze dane posłużą do trenowania czyjegoś modelu?
Nie. Korzystamy z dostawców modeli na warunkach wykluczających trenowanie na Państwa danych albo uruchamiamy otwarte modele w Państwa chmurze, gdy jest taki wymóg.
Jak zapobiegacie zmyślaniu odpowiedzi?
System odpowiada wyłącznie na podstawie wyszukanych fragmentów i odmawia, gdy nie znajdzie nic trafnego. Zestaw testowy mierzy, jak często się myli, więc ryzyko jest liczbą, a nie przypuszczeniem.
Jakiego modelu językowego używacie?
Tego, który osiąga najlepszy wynik na Państwa zestawie testowym przy akceptowalnym koszcie. System jest zbudowany tak, by model można było wymienić bez przepisywania.
Ile kosztuje utrzymanie asystenta RAG?
Za użycie modelu płaci się za każde pytanie. Szacujemy ten koszt na podstawie oczekiwanej liczby pytań przed startem projektu, a po wdrożeniu dashboard pokazuje rzeczywistą kwotę.
Prosimy opisać zadanie.
Pierwsza rozmowa jest bezpłatna. Jeśli ten system nie jest właściwą odpowiedzią przy Państwa liczbach, powiemy to wprost.