Visa mig var det står: intern sökning som svarar med källhänvisningar
Så bygger du en intern assistent som svarar på frågor utifrån era egna dokument och länkar till den exakta källan, och vad som faktiskt får den att fungera.
Varje företag lever med en handfull frågor som ingen kan svara på snabbt. Hur ser vår föräldraledighetspolicy ut i Portugal. Har vi någonsin skrivit ett sekretessavtal med den här leverantören. Vad offererade vi den här kunden förra året, och ingick installation. Vilken version av säkerhetsrutinen är den aktuella.
Folk söker inte efter det här. De frågar en kollega, för sökningen ger fyrtio dokument och kollegan ger en mening. Den vanan kostar riktiga timmar, och den koncentrerar kunskapen hos den som har varit längst på plats.
En intern assistent åtgärdar frågan, inte sökrutan. Du frågar på vanligt språk och får meningen, plus en länk till stycket den kom ifrån.
Källhänvisningen är produkten
En assistent som svarar utan källa har flyttat ditt arbete, inte tagit bort det. Du måste fortfarande kontrollera, och att kontrollera innebär att själv leta rätt på dokumentet — precis det du försökte slippa. Med en länk till klausulen, sidan och versionen tar kontrollen fyra sekunder och du går vidare.
Det finns ett andra skäl, och det väger tyngre med tiden. Ett svar utan källa går inte att granska. När det är fel går det inte att avgöra om källdokumentet var fel, inaktuellt, eller korrekt läst men dåligt sammanfattat. Vart och ett av de fallen har olika åtgärd och olika ansvarig. Källhänvisningar förvandlar ett vagt klagomål om AI:n till ett konkret ärende som går att stänga.
Vad som ligger under, utan jargongen
Tre delar. En kopia av era dokument, uppdelad i textstycken. Ett hämtningssteg som plockar fram de fåtal stycken som mest sannolikt innehåller svaret. En modell som skriver svaret med enbart de styckena som underlag och namnger dem.
Modellen tränas inte på era data och memorerar dem inte. Den läser det hämtningen räcker över, på samma sätt som en nyanställd analytiker läser akten du lägger på deras skrivbord. Ändrar ni ett dokument i dag ändras morgondagens svar med det. Tar ni bort någons behörighet blir deras svar smalare i motsvarande grad.
Branschen kallar det här retrieval-augmented generation. Det du behöver ta med dig från begreppet är kommersiellt, inte tekniskt: den dyra delen av projektet är inte modellen. Det är era dokument.
Arbetet ligger i dokumenten
De flesta av de här projekten lyckas eller misslyckas i dokumentsamlingen, innan någon skrivit en enda prompt. Det återkommande arbetet ser ut så här:
- Välj en avgränsad dokumentsamling. En avdelning, ett syfte. "Hela SharePoint" är ingen samling, det är en soptipp.
- Koppla in behörigheterna först, vid hämtningen. Kan en person inte öppna filen får assistenten inte citera den. Att bygga in det i efterhand är plågsamt, och tills ni gör det läcker systemet.
- Rensa dubbletter. Sex nästan identiska avtalsmallar ger sex nästan identiska svar, och assistenten har inget sätt att veta vilken HR faktiskt använder. Märk ut den gällande versionen.
- Hantera formaten som gör motstånd: skannade PDF:er behöver OCR, kalkylark och presentationer tappar sin innebörd när de plattas ut till text, och mejltrådar är mest brus.
- Ge varje dokument en ägare och ett granskningsdatum. En assistent med källhänvisningar gör inaktuellt innehåll synligt, ibland obekvämt synligt.
Där den inte hjälper
Frågor som kräver att man räknar eller jämför över hela arkivet. "Hur många avtal förnyas under Q3" är en databasfråga utklädd till sökfråga, och hämtningen kommer att svara på den med självförtroende och fel. Detsamma gäller "vad är vår totala exponering mot den här leverantören". Skicka sådant till rapporteringen.
Den kan inte heller svara på det ingen har skrivit ner. Om prissättningsregeln bor i en persons huvud är det ärliga svaret att det inte finns någon källa. Ett system som säger att det inte vet fungerar korrekt, och ni bör konstruera för det svaret snarare än bestraffa det.
Mät det tredje talet
Ta femtio till hundra verkliga frågor från de människor som ska använda saken. Inte påhittade. Mät sedan tre andelar: besvarade med korrekt källhänvisning, avböjda i brist på källa, och besvarade med självförtroende men fel.
Det tredje talet är det enda som avgör om systemet kommer att användas. Ett påhittat svar med en länk som inte stöder det kostar er mer förtroende än tjugo hjälpsamma svar hinner bygga upp. Pressa ner det mot noll, även om det innebär att assistenten avböjer oftare än ni skulle vilja i början.
Börja med en hylla, inte med biblioteket
Välj ett team med en tydlig uppsättning dokument och en fråga de ställer varje vecka. Åtta veckor räcker för att ha något verkligt i deras händer, behörighetsarbetet inräknat. Bygg ut först när den gruppen skulle protestera mot att förlora det.
Vi bygger sådana här lösningar för medelstora företag, och mönstret håller: den smala som anger sina källor används varje dag, och den ambitiösa som svarar på allt överges i tysthet till mars.