Приложения ИИ и знания

Разработка извлечения и генерации

Языковая модель хороша ровно настолько, насколько хорошо то, что вы ей подаёте. Большинство разочаровывающих ответов ИИ — это провалы извлечения, переодетые в провалы модели: нужный фрагмент существовал и не был найден. Мы строим и настраиваем слой извлечения, а затем измеряем его, чтобы модель рассуждала на верных доказательствах.

Обсудить вашу инициативу в области ИИ Услуги

Бизнес-задача

Демонстрация работала, потому что корпус был мал

Наивный векторный поиск хорош на нескольких сотнях документов и заметно деградирует за пределами нескольких сотен тысяч. Разбиение на фрагменты отрывает таблицу от её заголовка. Смыслово близкие фрагменты вытесняют тот, который действительно авторитетен. Свежесть проигрывает релевантности, поэтому отменённая политика оказывается выше действующей. Ничего из этого не видно без измерений, поэтому команды выпускают систему, получают правдоподобные ответы и узнают долю ошибок лишь тогда, когда кто-то действует по неверному.

Чем мы занимаемся

Построить извлечение и доказать его качество

Мы начинаем с оценочного набора из реальных вопросов и известных верных источников, потому что нельзя настраивать то, что не измеряется. Затем работаем с конвейером: разбиение с учётом структуры документа, гибридный поиск по ключевым словам и векторам, фильтры по метаданным для свежести и авторитетности, переранжирование короткого списка. Там, где связи между сущностями важнее сходства фрагментов, мы используем граф, а не делаем вид, что векторов достаточно. Каждое изменение оценивается по тому же набору, поэтому улучшение доказывается, а не заявляется.

Разработка извлечения и генерации

Компетенции

Корпоративное извлечение и генерация
Продвинутое извлечение и генерация
Извлечение по графу
Гибридный поиск
Векторный поиск
Оптимизация извлечения
Оценка извлечения

Типичные сценарии применения

Обосновать клиентского ассистента так, чтобы каждое его утверждение вело к опубликованному документу.
Искать по договорам, где ответ зависит от того, какое соглашение применимо, а не от сходства формулировок.
Искать в технической документации, где нужный фрагмент — таблица или подпись к схеме.
Перестроить существующего ассистента, который отвечает правдоподобно, но ошибается достаточно часто, чтобы потерять доверие.

Как мы работаем

Формулирование

Превратить запрос в задание: кто пользуется, что считается верным ответом, кто решает.
Обоснование

Подключение к содержимому и системам, где лежат ответы, с сохранением существующих прав.
Оценка

Оценка по размеченному набору из ваших собственных случаев, до того как это увидит кто-то извне.
Выпуск и эксплуатация

Поэтапный выпуск с наблюдением, контролем затрат и регрессионным набором, который охраняет качество.

Технологии

OpenAI
Anthropic
Azure OpenAI
pgvector
Elasticsearch
Microsoft 365
SharePoint
Confluence
Salesforce

Безопасность и управление

Ответы обоснованы вашим собственным содержимым и снабжены ссылками, так что читатель может их проверить. Извлечение учитывает права, уже заданные на источнике, а значит пользователь никогда не увидит через приложение то, чего не увидел бы напрямую. Подсказки, извлечённый контекст и ответы записываются для аудита, а оценка выполняется непрерывно, а не однократно при запуске.

Модели сотрудничества

Проект по ИИ

Мы берём на себя ответственность за проектирование и поставку определённого решения с ИИ.

Выделенная команда по ИИ

Долгосрочная выделенная инженерная мощность, построенная вокруг ваших технологий и модели поставки.

Управляемый ИИ

Мы эксплуатируем, отслеживаем и непрерывно улучшаем продуктивные системы с ИИ.

Почему TeamExtension.ai

Мы измеряем до настройки

Работа над извлечением обычно ведётся по интуиции: поменять размер фрагмента, прочитать пару ответов, решить, что стало лучше. Мы сначала строим размеченный набор — это неэффектно и составляет всю разницу между настройкой и угадыванием. Кроме того, у вас остаётся регрессионный набор, поэтому обновление модели через полгода не сможет тихо ухудшить качество.

Избранные клиенты

Частые вопросы

Как вы измеряете качество извлечения?

По размеченному набору реальных вопросов в паре с фрагментами, которые действительно на них отвечают. Мы сообщаем, был ли нужный фрагмент извлечён вообще и на каком месте он оказался. Качество ответа оценивается отдельно, потому что хороший ответ из неверного источника — всё равно провал.

Нужна ли нам векторная база данных?

Часто нет. pgvector внутри существующего экземпляра PostgreSQL справляется с очень многими корпоративными нагрузками, не добавляя инфраструктуры в эксплуатацию. Отдельное векторное хранилище мы рекомендуем, когда это оправдано масштабом или требованиями, а не по умолчанию.

Что такое GraphRAG и нужен ли он нам?

Он извлекает по графу сущностей и связей, а не по отдельным фрагментам. Дополнительная сложность оправдана, когда ответы зависят от связей между документами, например от цепочек владения или структур зависимостей. Для большинства ответов по связному тексту гибридный поиск с переранжированием работает лучше при меньших усилиях.

Можете ли вы улучшить систему, которую мы уже построили?

Да, и это обычное дело. Мы начинаем с построения оценочного набора и измерения того, что есть. Обычно это точно локализует сбой, и исправление часто оказывается уже, чем перестройка.

Как это остаётся точным при изменении содержимого?

Индексация следует за источником по расписанию или по уведомлению об изменении, а оценочный набор выполняется непрерывно, а не однократно. Качество извлечения отслеживается как любой другой продуктивный показатель.

Смежные компетенции

Приложения ИИ и знания

Корпоративные знания с ИИ

Превратите разрозненные внутренние знания в безопасную помощь, которая соблюдает существующие права.

Подробнее

Данные и модели ИИ

Инженерия данных для ИИ

Конвейеры, контроль качества и векторные хранилища, от которых зависит правильность систем с ИИ.

Подробнее

Данные и модели ИИ

Инженерия моделей

Дообучение, векторные представления, оптимизация и обслуживание, включая открытые и самостоятельно размещённые модели.

Подробнее

Обсудить вашу инициативу в области ИИ

Системы извлечения, обосновывающие ответы вашим собственным содержимым, со ссылками и измеримой точностью.

Поговорить с экспертом по ИИ Начать оценку ИИ