AI zināšanu bāze: izstrādes ceļvedis MVU

Padomājiet, vai Jūsu uzņēmumā vieni un tie paši jautājumi atkal un atkal nonāk pie tiem pašiem dažiem cilvēkiem. Kādi piegādes noteikumi attiecas uz šo vairumtirdzniecības klientu? Kāda ir mūsu politika, ja preci atgriež novēloti? Kurš cenrādis ir aktuālais? Kopā šie jautājumi aizņem lielu daļu kāda darbinieka nedēļas.

Atbildes glabājas dažu cilvēku galvās, koplietošanas diskos un vecās e-pasta sarakstēs. Kad kāds no šiem cilvēkiem ir atvaļinājumā vai aizņemts ar klientu, pārējā komanda gaida vai min.

Šajā ceļvedī vienkāršiem vārdiem izskaidrota AI zināšanu bāzes izstrāde mazo uzņēmumu īpašniekiem un vadītājiem. Tajā aplūkots, ko sistēma dara, kuri dokumenti der, kā notiek izstrāde, kas nosaka darba apjomu, kā tiek nodrošināts privātums, kur var rasties kļūdas un kas pārbauda atbildes.

Ko iekšējā AI zināšanu bāze patiesībā dara

Iedomājieties jaunu darbinieku viņa otrajā darba nedēļā. Vairumtirdzniecības klients jautā par piegādi, bet jaunais darbinieks nezina, kuri noteikumi ir spēkā. Parasti viņš jautā kolēģim. Ar iekšējo zināšanu bāzi viņš jautā sistēmai un saņem atbildi, kas balstīta Jūsu pašu failos.

Šo metodi sauc par izguves papildinātu ģenerēšanu jeb RAG: pirms kaut ko uzrakstīt, modelis pārbauda atsevišķu, uzticamu dokumentu kopu, kas nav bijusi daļa no tā sākotnējās apmācības.¹ Praksē dokumentu izguves rīks vispirms atlasa jautājumam visatbilstošākos dokumentus.² Pēc tam no šiem fragmentiem tiek uzrakstīta atbilde, tāpēc tā balstās uz Jūsu uzņēmuma materiāliem.³ Atbildē var būt citāti vai atsauces, lai cilvēks varētu atvērt avota dokumentus un pārbaudīt.¹,²

Tas ir svarīgi, jo vispārēja tērzēšanas modeļa apmācības dati ir statiski un tiem ir zināšanu robeždatums, kas var novest pie novecojušām atbildēm.¹ Jūsu cenrādi tas nekad nav redzējis.

Šī pieeja ir piemērota zināšanām, kas glabājas dažu cilvēku galvās, un tieši tas arī parāda, kāpēc AI sistēma ir kas vairāk nekā tērzēšanas robots.

Šis ceļvedis ir par Jūsu darbinieku jautājumiem. Klientu jautājumi, kas pienāk WhatsApp vai e-pastā, ir radniecīgs uzdevums: tie paši apstiprinātie dokumenti var kalpot par pamatu atbildes melnrakstam, un cilvēks to apstiprina pirms nosūtīšanas. WhatsApp ziņa, kas patiesībā ir pasūtījums, ir trešais uzdevums — pasūtījumu ievade: sistēma sagatavo pasūtījuma rindu, un cilvēks to pārbauda, pirms tā tiek saglabāta.

Kuri dokumenti der un kuri rada problēmas

Sāciet ar tādiem materiāliem kā rokasgrāmatas, politikas un produktu specifikācijas.⁴ Tipisks pielietojums ir iekšējais asistents, kas atbild uz darbinieku jautājumiem, balstoties uz uzņēmuma rokasgrāmatām un dokumentāciju.⁴ Ja dokuments ir pietiekami skaidrs rūpīgam jaunam darbiniekam, parasti tas ir pietiekami skaidrs arī sistēmai.

Kā avotu varat izmantot uzturētu izklājlapu ar katram klientam noteiktajām cenām un piegādes dienām. Ja Jūsu dati mainās bieži, noskaidrojiet, kā sistēma pārņem izmaiņas, pirms tās izmanto atbildēs. Noteikumi par pasūtījumu izmaiņām un preču aizstāšanu vislabāk darbojas kā īsa rakstiska politika — tad ir skaidrs pamats, uz ko balstīt atbildi. Ienākošo pasūtījumu e-pastu pārvēršana izklājlapas rindās ir atsevišķs uzdevums: zināšanu bāze atbild uz jautājumiem, bet pasūtījumus tā neievada.

Problēmas sākas ar failiem, kas mulsina arī cilvēkus. Vairākas viena un tā paša cenrāža versijas bez norādes, kura ir aktuālā. Skenētas lapas, kuru tekstu nevar uzticami nolasīt. Mapes, par kurām neviens neatbild, tāpēc neviens nezina, vai saturs joprojām ir patiess.

Iestatīšanas laikā lielus dokumentus var sadalīt mazākās sadaļās, lai katru daļu varētu atsevišķi piemeklēt jautājumam.³

Vienkāršais likums: novecojuši faili dod novecojušas atbildes. Bez skaidriem noteikumiem un atbildības šāda sistēma var rādīt informāciju, kas ir veca, vienpusīga vai vairs nav atļauta, un tas grauj uzticību.⁵ Failu sakārtošana pirms izstrādes ir visnoderīgākais darbs, ko īpašnieks var paveikt.

Kā notiek AI zināšanu bāzes izstrāde soli pa solim

RAG izstrādei ir trīs galvenie posmi: dokumentu sagatavošana, pareizo fragmentu atrašana un atbildes uzrakstīšana.⁶ Jūsu komanda nodrošina dokumentus un testa jautājumus. Tas, kurš veic tehnisko iestatīšanu — ārējs partneris vai prasmīgs Jūsu darbinieks —, rūpējas par meklēšanas iestatījumiem, tāpēc Jums tie nav jāizprot; Jūs izlemjat, kuri dokumenti tiek iekļauti, kurš ko redz un kurš pārbauda.

Kas nosaka laiku, darba apjomu un uzturēšanas izmaksas

Lai pievienotu sava uzņēmuma informāciju, modelis nav jāapmāca no jauna. Atkārtota apmācība ir dārga gan naudas, gan skaitļošanas jaudas ziņā, un RAG ir lētāks veids, kā modelim dot jaunu informāciju.¹ Lielākajai daļai organizāciju modeļa precizēšanas (fine-tuning) vietā pietiek ar izguves krātuves atjaunināšanu.⁴ Izguves krātuve ir vienkārši Jūsu dokumentu meklējamā kopija, tāpēc aktuālas atbildes nozīmē aktuālus failus.

RAG var nosūtīt tikai atbilstošākās sadaļas, nevis visu dokumentu, tādējādi samazinot vaicājuma apjomu un uzlabojot efektivitāti.⁶ Budžetam praktiskais solis ir lūgt rakstisku mēneša uzturēšanas izmaksu aplēsi, kas balstīta uz to, cik jautājumu Jūsu darbinieki uzdod parastā nedēļā.

Plānojot izstrādi, ņemiet vērā dokumentu apjomu, to sakārtotību un darbinieku laiku. Uzņēmums ar labi uzturētu koplietošanas disku sāk daudz ātrāk nekā tas, kurā noteikumi glabājas e-pasta sarakstēs. Ieplānojiet arī regulāras stundas dokumentu atbildīgajiem pēc palaišanas, jo failu atjaunināšana un neatbildēto jautājumu apstrāde ir pastāvīgs darbs. Lūdziet izstrādes piedāvājumu pēc tam, kad esat pārrunājuši dokumentus un lietotāju skaitu. Lūdziet cenu diapazonu, kas balstīts uz to, cik sakārtoti ir Jūsu faili.

Ja Jūsu darbinieki jautājumus uzdod latviešu valodā, testējiet latviskus jautājumus jau iestatīšanas laikā, nevis pēc palaišanas.

Privātums, VDAR un kas redz kuras atbildes

Ar RAG sensitīvi dati var palikt Jūsu pašu serveros, un tos joprojām var izmantot lokāls modelis vai uzticams ārējs modelis.⁶ Dažus atvērtos modeļus var pat lejupielādēt un darbināt lokālā datorā.⁷

Visu glabājot savos serveros, Jums ir vislielākā kontrole, taču kādam šī sistēma ir jādarbina un jāatjaunina. Ja Jums nav IT darbinieku, apsveriet sadarbību ar uzticamu ārēju pakalpojumu sniedzēju. Ārēja pakalpojumu sniedzēja risinājumu ir vieglāk uzturēt, tāpēc salīdziniet sniedzējus pēc rakstiskām atbildēm: kur dati tiek glabāti, cik ilgi tiek glabāti jautājumi un faili, kā tos dzēst, vai tos izmanto pakalpojumu sniedzēja modeļu apmācībai un vai Jūs saņemat žurnālu par to, kurš kam piekļuvis.

Strādājot ar sensitīviem failiem, palīdz daži praktiski noteikumi. Apzināti izvēlieties, kuri faili tiek iekļauti, nevis pievienojiet visu disku. Neiekļaujiet personas datus, ja vien atbildēm tie patiešām nav vajadzīgi. Ar jebkuru ārējo pakalpojumu sniedzēju rakstiski vienojieties par datu apstrādes noteikumiem. Tie ir vispārīgi ieteikumi, nevis juridiska konsultācija, tāpēc konkrētus gadījumus pārrunājiet ar savu konsultantu.

Kur rodas kļūdas un kas pārbauda atbildes

Pareizs avots negarantē pareizu atbildi. Modelis var radīt nepareizu informāciju no precīziem dokumentiem, ja tas pārprot kontekstu.² Tas var arī sniegt atbildi tad, kad būtu jāatzīst, ka tas nezina.²

Lielākā daļa uzņēmumu AI iniciatīvu neizdodas nevis vāju modeļu dēļ, bet gan tāpēc, ka arhitektūra un pārvaldība ir sadrumstalota.⁵ Mazā uzņēmumā tas nozīmē, ka skaidri atbildīgie un skaidri noteikumi ir svarīgāki par to, kuru modeli izvēlaties.

Atbildes, kas balstītas uz pārbaudāmiem avotiem, ir uzticamākas un satur mazāk izdomātu detaļu.⁴ Tas palīdz tikai tad, ja kāds avotu tiešām apskata. Tāpēc darbinieki pārbauda norādīto dokumentu, pirms izmanto atbildi saziņā ar klientu, bet nepilnības un pretrunas risina konkrēta atbildīgā persona. Vairāk par to lasiet mūsu ceļvedī par AI darba plūsmu veidošanu ar cilvēka pārbaudi.

Atbildība paliek cilvēkiem. Darbinieks, kurš nosūta atbildi, par to atbild — tieši tāpat kā šobrīd par paša rakstītu atbildi. Dokumenta atbildīgā persona izlabo nepareizu vai trūkstošu avotu, bet īpašnieks vai vadītājs izlemj, uz kāda veida jautājumiem sistēma vispār drīkst atbildēt.

Kad piesaistīt speciālistu

Ja Jūsu atbildes glabājas vienā kārtīgā mapē un kāds zinātkārs darbinieks vēlas eksperimentēt, ar gatavu vai bezmaksas AI rīku var pietikt, lai saprastu, kas darbojas. Meklējiet tādu, kas atbild tikai no Jūsu augšupielādētajiem failiem, parāda, kuru failu izmantojis, un kura iestatīšanai nav vajadzīgs IT speciālists. Produkti bieži mainās, tāpēc vērtējiet jebkuru rīku pēc šiem kritērijiem, nevis pēc nosaukuma. Sāciet ar mazumiņu un pārbaudiet katru atbildi.

Ja darbinieki jau ātri atrod atbildes vienā kopīgā dokumentā, turpiniet to izmantot. Šis darbs atmaksājas tad, kad atbildes ir izkaisītas pa daudziem failiem un vienus un tos pašus dažus cilvēkus nemitīgi pārtrauc.

Piesaistiet palīdzību, ja faili ir izkaisīti pa vairākiem rīkiem, ja svarīgi ir piekļuves noteikumi vai ja nevienam komandā nav laika uzturēt sistēmu. Vispirms jāizprot, kā komanda strādā un kurš uz ko atbild, un tikai tad jāplāno programmatūra un tas, kurš to uzturēs aktuālu pēc palaišanas.

Izvēloties ārēju partneri, meklējiet tādu, kurš vispirms jautā par Jūsu dokumentiem un komandu un tikai pēc tam runā par programmatūru. Partnerim jāstrādā Jūsu darbinieku valodā, jāiestata piekļuves noteikumi, katrā atbildē jārāda avoti un rakstiski jāvienojas, kurš uzturēs sistēmu pēc palaišanas.

Biežāk uzdotie jautājumi

Kas ir AI zināšanu bāze?

Tā ir programmatūra, kas atbild uz darbinieku jautājumiem, balstoties uz Jūsu uzņēmuma apstiprinātajiem dokumentiem, nevis uz vispārīgiem apmācības datiem.¹,³ Vispirms tā atlasa visatbilstošākos dokumentus, ar kuriem papildina jautājumu.² Atbildēs var būt norādīti avoti, kurus cilvēks var atvērt un pārbaudīt.¹,²

Kā izveidot AI zināšanu bāzi savam uzņēmumam?

Sāciet, ievācot uzņēmuma dokumentus, piemēram, rokasgrāmatas, politikas un specifikācijas.⁴ Izstrāde pēc tam aptver trīs posmus: dokumentu sagatavošanu, pareizo fragmentu atrašanu un atbildes uzrakstīšanu.⁶ Testējiet sistēmu ar reāliem darbinieku jautājumiem un norīkojiet personu, kas uztur katru dokumentu aktuālu.

Vai ChatGPT ir zināšanu bāze?

Vispārēja tērzēšanas modeļa apmācības datiem ir robeždatums, kas var novest pie novecojušām atbildēm.¹ RAG savieno modeli ar Jūsu pašu dokumentiem, lai tā atbildes balstītos uz tiem.⁴,⁶ Tieši šo savienojumu kopā ar piekļuves noteikumiem un redzamiem avotiem pievieno iekšējā zināšanu bāze.

Vai iekšējā AI zināšanu bāze darbojas latviešu valodā?

Var darboties, taču pirms palaišanas to testējiet ar reāliem jautājumiem latviešu, lietuviešu, igauņu, krievu un angļu valodā — atkarībā no tā, kuras valodas lieto Jūsu darbinieki. Meklēšana pēc nozīmes, nevis pēc precīziem vārdiem, palīdz, ja darbinieki jautājumus formulē citādi nekā dokumentā.³ Dokumenti, kuros sajauktas valodas, jāpārbauda iestatīšanas laikā, tāpēc valodu uztveriet kā kaut ko, kas jātestē, nevis kā pašsaprotamu.