Copilotos RAG para o conhecimento da empresa
Resposta curta
A SwankyForge constrói copilotos de retrieval-augmented generation (RAG): assistentes que respondem às perguntas de colaboradores ou clientes a partir dos seus próprios documentos, políticas e sistemas, e citam o excerto de onde veio cada resposta. Cada release é verificada contra um conjunto de teste de perguntas reais antes de entrar em produção. Um projeto típico demora 4–8 semanas e custa 8k €–18k €.
Um cliente pode devolver um artigo aberto passados 20 dias?
Sim, no prazo de 30 dias, se o artigo não estiver danificado e estiver na embalagem. Os produtos de higiene abertos estão excluídos.
- [1] Política de devoluções, secção 4.2
- [2] Lista de produtos de higiene, atualizada em março
2 fontes · resposta verificada com o conjunto de teste da release
Parece-lhe familiar?
- Os colaboradores interrompem colegas em vez de lerem a política.
- O apoio ao cliente responde às mesmas perguntas todos os dias.
- Um piloto de chatbot respondeu com confiança e errado.
- O conhecimento está espalhado por wikis, PDFs e tickets.
- Ninguém consegue dizer se o assistente está a melhorar ou a piorar.
O que construímos
Assistente de conhecimento interno
Políticas, procedimentos e documentação de produto, respondidos com um link para a fonte.
Respostas de apoio ao cliente
Rascunhos de resposta para os agentes, ou respostas diretas aos clientes, a partir do seu centro de ajuda.
Pesquisa em várias fontes
PDFs, wikis, tickets e drives partilhados num só lugar, com as respetivas permissões.
Consultas nos seus sistemas
Perguntas sobre uma encomenda, um contrato ou uma conta respondidas a partir de dados em tempo real.
Testes de release
Um conjunto de perguntas reais que cada alteração tem de passar.
Regras de acesso
Cada pessoa só vê respostas construídas a partir de documentos que tem permissão para abrir.
Como decorre um projeto
- 1
Recolher perguntas reais
Algumas centenas de perguntas que as pessoas fazem de facto, com as respostas que um especialista aceitaria. Isto torna-se o conjunto de teste.
- 2
Ligar as fontes
Documentos, wikis e tickets são indexados com as suas permissões, para que ninguém veja um documento que não poderia abrir.
- 3
Recuperar, depois responder
O sistema encontra primeiro os excertos relevantes e depois escreve uma resposta que os cita e liga. Sem fonte, não há resposta.
- 4
Medir antes da release
Cada alteração é avaliada no conjunto de teste: correta, parcialmente correta, errada ou recusada. Uma release com pior resultado não é publicada.
- 5
Operar e melhorar
Logging, botões de feedback e uma revisão semanal das perguntas falhadas alimentam a ronda seguinte.
O que recebe
- Assistente no canal que a sua equipa já usa: web, chat ou helpdesk
- Conjunto de teste de perguntas reais com respostas de especialistas
- Relatório de avaliação para cada release
- Conectores de fontes e de permissões
- Código, prompts e runbooks no seu repositório
Preço típico
8k €–18k €
Prazo típico
4–8 semanas
Da tabela de preços publicada. O preço final fica fixado quando o âmbito é acordado.
Estime o seu projetoCaso relacionado
- Design de referência
Os colaboradores perguntavam aos colegas em vez de lerem a política. Agora perguntam e recebem uma resposta que podem verificar.
Precisão das respostas: 61% → 89,2%
- Design de referência
Cada fatura era lida e introduzida à mão. Agora quatro em cada cinco passam sem intervenção.
Processamento straight-through: 0% → 81%
Perguntas
RAG ou fine-tuning: de qual precisamos?
Para responder a partir do conhecimento da empresa, comece por RAG: usa documentos atuais, mostra as fontes e atualiza-se sem retreino. O fine-tuning ajuda com o tom, o formato ou uma tarefa específica, e costuma ser um passo posterior, se de todo for necessário.
Os nossos dados vão ser usados para treinar o modelo de outra entidade?
Não. Usamos fornecedores de modelos com termos que excluem o treino com os seus dados, ou corremos modelos abertos dentro da sua cloud quando esse é o requisito.
Como evitam que invente coisas?
Responde apenas a partir dos excertos recuperados e recusa quando não encontra nada relevante. O conjunto de teste mede com que frequência erra, por isso o risco é um número e não um palpite.
Que modelo de linguagem usam?
O que obtiver melhor resultado no seu conjunto de teste a um custo aceitável. O sistema é construído de modo a que o modelo possa ser trocado sem reescrever nada.
Quanto custa pôr a funcionar um assistente RAG?
O uso do modelo é pago por pergunta. Estimamos esse custo a partir do volume de perguntas esperado antes de o projeto começar, e o dashboard mostra depois o valor real.
Fale-nos da tarefa.
A primeira chamada é gratuita. Se este sistema não for a resposta certa para os seus números, dizemos-lho.