راهکار

هوش مصنوعی خصوصی روی داده سازمان شما

دستیاری که دانش سازمان خودتان را می‌داند، پاسخش را به سند مرجع ارجاع می‌دهد، و داده را از مرز سازمان بیرون نمی‌برد.

مسئله‌ای که حل می‌کند

دانش هر سازمانی جایی هست — در آیین‌نامه‌ها، قراردادها، صورت‌جلسه‌ها، مکاتبات و پرونده‌های فنی — و تقریباً همیشه غیرقابل جست‌وجو است. کارمند تازه سه ماه طول می‌کشد تا بفهمد چه چیزی کجاست؛ کارمند قدیمی به‌جای جست‌وجو از همکارش می‌پرسد؛ و پاسخ درست معمولاً در سندی هست که کسی به یاد نمی‌آورد کجاست.

جست‌وجوی کلیدواژه‌ای این را حل نمی‌کند، چون کسی که سؤال دارد لغتِ به‌کاررفته در سند را نمی‌داند. چیزی که کار می‌کند جست‌وجوی معنایی است: بتوانی سؤال را به زبان خودت بپرسی و پاسخ را همراه با سندی که از آن آمده ببینی.

چه می‌سازیم

  • نمایه‌سازی اسناد سازمان: واژه‌پرداز، پی‌دی‌اف، صفحه‌گسترده، ایمیل و پایگاه داده — با پردازش صحیح متن فارسی، که مسئله‌ای جدی و اغلب دست‌کم‌گرفته‌شده است.
  • جست‌وجوی معنایی: پرسش به زبان طبیعی، پاسخ همراه با ارجاع به سند و بند مرجع.
  • دستیار داخلی: رابط گفت‌وگو برای کارکنان، با تاریخچه و امکان اشتراک پاسخ.
  • خلاصه‌سازی و استخراج: بیرون کشیدن ساختاریافتهٔ اطلاعات از اسناد انبوه — مثلاً مبلغ، تاریخ و طرف قرارداد از دویست قرارداد.
  • کنترل دسترسی: اعمال‌شده در لایه بازیابی، مطابق همان نقش‌هایی که در سازمان تعریف شده است.
  • استقرار خصوصی: مدل و نمایه روی سرور خودتان، بدون وابستگی به سرویس بیرونی.

سه تصمیم فنی که تفاوت را می‌سازد

یک — بازیابی پیش از تولید. سامانه اول سند مرتبط را پیدا می‌کند و بعد پاسخ را از روی آن می‌نویسد. مدلی که بدون سند پاسخ بدهد، حدس می‌زند؛ و حدسِ روان و مطمئن، خطرناک‌ترین خروجی ممکن در یک سامانه سازمانی است.

دو — دسترسی در لایه بازیابی، نه در متن پاسخ. سندی که کاربر اجازه دیدنش را ندارد اصلاً بازیابی نمی‌شود. حذف اطلاعات از پاسخِ ساخته‌شده، نشت را برطرف نمی‌کند؛ فقط پنهانش می‌کند تا دفعه‌ای که پنهان نشود.

سه — «نمی‌دانم» یک پاسخ معتبر است. جایی که سند پشتیبانی وجود نداشته باشد، سامانه اعلام می‌کند چیزی پیدا نکرده است. این تصمیم نرخ پاسخ‌گویی را پایین می‌آورد و اعتماد را بالا — و در سامانه‌ای که قرار است مبنای تصمیم باشد، معاملهٔ درستی است.

درباره محرمانگی داده

دلیل اصلی که سازمان‌ها هوش مصنوعی را وارد نمی‌کنند، ارزش آن نیست؛ این است که نمی‌دانند اسنادشان کجا می‌رود. در استقرار خصوصی، پاسخ روشن است: هیچ‌جا. مدل روی زیرساخت شما اجرا می‌شود، نمایه روی دیسک شما می‌ماند و هیچ درخواستی به بیرون نمی‌رود.

اگر در جایی مدل ابری انتخاب شود — که گاهی به دلیل کیفیت یا هزینه منطقی است — این یک تصمیم صریح و مکتوب است: کدام دسته از اسناد، به کدام سرویس، با چه محدودیتی. آنچه نمی‌پذیریم، این است که چنین چیزی پیش‌فرضِ ناگفتهٔ معماری باشد.

چه چیزی تحویل می‌گیرید

  • سامانه مستقرشده روی زیرساخت خودتان، با مستندات عملیاتی.
  • سند معماری شامل مرز داده: چه چیزی کجا می‌رود و چه چیزی نمی‌رود.
  • خط لوله نمایه‌سازی، تا اسناد تازه خودکار وارد شوند.
  • مخزن کد و اسکریپت‌های استقرار، روی حساب‌های خودتان.
  • سنجش کیفیت پاسخ روی مجموعه‌ای از پرسش‌های واقعی سازمان شما، پیش از تحویل.

پرسش‌های متداول

داده سازمان ما به سرویس بیرونی فرستاده می‌شود؟

در استقرار خصوصی، خیر. مدل و نمایه اسناد روی سرور خودتان اجرا می‌شوند و هیچ سندی از مرز سازمان خارج نمی‌شود. اگر به هر دلیلی مدل ابری انتخاب شود، این تصمیم صریح و مکتوب گرفته می‌شود و در سند معماری ثبت می‌گردد — نه اینکه پیش‌فرضِ ناگفته باشد.

اگر مدل جواب اشتباه بدهد چه؟

هر پاسخ به سند مرجعش ارجاع داده می‌شود تا کاربر بتواند خودش بررسی کند. جایی که سند پشتیبانی وجود نداشته باشد، سامانه پاسخ نمی‌سازد و می‌گوید چیزی پیدا نکرده است. دستیاری که با اطمینان چیز اشتباه می‌گوید از دستیاری که می‌گوید «نمی‌دانم» بسیار پرهزینه‌تر است.

کنترل دسترسی چطور اعمال می‌شود؟

دسترسی در لایه بازیابی اعمال می‌شود، نه در متن پاسخ. یعنی سندی که کاربر اجازه دیدنش را ندارد اصلاً وارد پاسخ نمی‌شود، چون اصلاً بازیابی نمی‌شود. فیلتر کردن پس از تولید پاسخ، نشت را فقط پنهان می‌کند.

چه حجمی از اسناد لازم است تا این کار ارزش داشته باشد؟

معیار حجم نیست، تکرار است. اگر کارکنان هفته‌ای چند بار دنبال پاسخی می‌گردند که جایی در اسناد سازمان هست، ارزش دارد — حتی با چند صد سند. اگر اسناد زیادند اما کسی سراغشان نمی‌رود، مسئله جای دیگری است.

راهکارهای مرتبط

استقرار خصوصی به سرور، پشتیبان‌گیری و پایش نیاز دارد؛ آن بخش در زیرساخت و پایش شرح داده شده است. اگر مسئله شما بیشتر گردش کار است تا دانش، اتوماسیون کسب‌وکار را ببینید.

شروع

بگویید دنبال چه پاسخی می‌گردید

چند نمونه از پرسش‌هایی که کارکنانتان مرتب می‌پرسند کافی است. همان‌ها مبنای سنجش کیفیت پیش از تحویل خواهند بود.