משאבי אנוש ונהלים
חופשות, הטבות והחזרי הוצאות, לפי הנוהל העדכני.
עוזר ידע ארגוני · RAG בעברית
כל תשובה שהצוות צריך.
עם העמוד שממנו היא באה.
צ'אט בוט ארגוני לעובדים, שעונה מתוך הנהלים, המדיניות, החוזים והמדריכים שלכם, בעברית ובאנגלית, מראה את המקור ומכבד את מי שמורשה לראות מה.
Ultrabot נבנה על ידי MLAIA Data Scienceבהובלת ד״ר יוחאי אדליץ, דוקטורט ממכון ויצמן
איפה זה עוזר
התשובה קיימת איפשהו.
למצוא אותה לוקח יותר מדי זמן.
IT ותמיכה פנימית
תשובות מתוך המדריכים שלכם, עוד לפני שמישהו פותח קריאה.
מכירות ושירות לקוחות
תשובות לנציגים, בניסוח שאושר.
משפטי וחוזים
מציאת סעיפים והשוואת גרסאות, כשעורך הדין מחליט.
תפעול ונהלי עבודה
צעד אחר צעד מתוך המדריכים, בטלפון, ישר מהרצפה.
קליטת עובדים חדשים
עובדים חדשים שואלים במקום לחפש.
RAG בפרודקשן
החיפוש הוא המוצר.
המודל הוא החלק הקל.
רוב פרויקטי ה-RAG שנכשלים נכשלים בחיפוש, לא במודל. לכן אנחנו מודדים קודם את החיפוש.
חיפוש שמותאם לעברית
חיפוש לפי מילות מפתח וחיפוש סמנטי יחד, שנבדקים על מסמכים בעברית ועל מסמכים שמשלבים עברית ואנגלית.
הרשאות
כל אחד מקבל תשובות רק ממסמכים שהוא כבר רשאי לפתוח.
מקור לכל תשובה
כל תשובה מציינת את המסמך ואת הקטע. אין מקור, אין תשובה.
נמדד
סט בדיקה של שאלות אמיתיות, שנמדד גם על מציאת הקטע הנכון וגם על התשובה, ורץ מחדש בכל שינוי.
מקורות וטכנולוגיות נפוציםSharePoint & OneDriveGoogle DriveConfluenceקובצי PDF וסריקות (OCR)Amazon Bedrock Knowledge BasesOpenSearch & pgvectorSlack & Teamsמודלים פתוחים בהתקנה מקומית
מידע ואירוח
המסמכים שלכם נשארים
בסביבה שלכם.
פריסה בחשבון ה-AWS שלכם עם Amazon Bedrock, או התקנה מקומית מלאה עם מודלים פתוחים, כשהמידע לא יכול לצאת מהרשת. ראו גם AI ריבוני בישראל ומודלי שפה בהתקנה מקומית ומודלי שפה קטנים בהתקנה מקומית (באנגלית).
תהליך עבודה מעשי
מתחילים בצוות אחד
ובסט מסמכים אחד.
בוחרים צוות ומסמכים
צוות אחד, המסמכים המרכזיים שלו, ומישהו שאחראי על התוכן.
בונים סט בדיקה
שאלות אמיתיות עם תשובות ידועות.
פיילוט
מודדים את החיפוש ואת התשובות, ומשלימים את הפערים בתוכן שהפיילוט חושף.
הרחבה
עוד צוותים ועוד מקורות, עם ניטור.
לפני שמתחילים
שאלות טובות. תשובות ישירות.
מה זה RAG?
RAG (Retrieval-Augmented Generation) פירושו שהעוזר קודם מחפש במסמכים שלכם, ורק אז כותב תשובה מתוך הקטעים שמצא ומציין אותם כמקור. הוא עונה מתוך התוכן שלכם, ולא מהידע הכללי של המודל.
זה עובד עם מסמכים בעברית ועם סריקות?
כן. מסמכים בעברית ומסמכים שמשלבים עברית ואנגלית עוברים אינדוקס עם חיפוש שמותאם לעברית, ומסמכים סרוקים עוברים קודם OCR. את איכות החיפוש אנחנו בודקים על המסמכים שלכם לפני ההטמעה.
העוזר יכול לכבד את ההרשאות שלנו?
כן. כל תשובה נבנית רק ממסמכים שהמשתמש רשאי לראות, לפי קבוצות ההרשאה הקיימות אצלכם.
אפשר להריץ אותו בלי שמידע ייצא החוצה?
כן. הוא יכול לרוץ בחשבון ה-AWS שלכם, או בהתקנה מקומית עם מודלים פתוחים, כך שהמסמכים והשאלות נשארים בסביבה שלכם.
איך יודעים שזה עובד?
אנחנו בונים סט בדיקה של שאלות אמיתיות עם תשובות ידועות, ומודדים עליו כל גרסה: גם אם נמצא הקטע הנכון וגם אם התשובה נכונה.
דברו עם בן אדם
ספרו לנו
על מה אתם עובדים.
תארו את הבעיה, את המידע שיש לכם ואיך תיראה הצלחה. נחזור אליכם עם צעד ראשון מעשי.
נא לא לצרף מידע סודי, סיסמאות או מידע רפואי של מטופלים.