人工智能应用与知识

企业知识人工智能

在SharePoint的某处、在Confluence、在共享盘、在十一年的邮件里,公司内部大多数问题的答案早已存在。因为找不到,人们就去问同事,而同事凭印象作答。我们构建的助手从您自己的内容中检索、标明用了哪些材料,并遵守源系统上已经设定的权限。

业务问题

搜索在一万份文档之后就失灵了

关键词搜索在企业内容上会失败,因为没有人会按别人搜索时用的词来写文档。结果是一个“找东西的成本高过问人的成本”的组织,于是所有人都去问人。这项税负不出现在任何一个预算科目里,因此永远不会被修正,而且会随人数一起膨胀。而那个想当然的解法,也就是把聊天机器人对着一堆文档,会以另一种更糟的方式失败:要么自信地照着过期制度作答,要么把薪酬评估显示给本不该看到的人。

我们做什么

把“谁在提问”纳入检索

我们不把内容复制到新地方,而是连接到持有它的系统,因此权限仍留在原本设定之处,撤销也依然有效。在模型看到任何内容之前,检索已按提问者本人的身份完成过滤,因此助手不可能泄露此人打不开的东西。每条回答都附带所用文档的出处,读者可以核对而不必凭信。准确率用真实员工提出的问题所构建的标注数据来衡量。

企业知识人工智能

能力

  • 企业人工智能搜索

  • 内部知识助手

  • 企业语义搜索

  • 人工智能文档检索

  • 内部副驾

常见应用场景

常见应用场景

  • 回答一线人员关于制度与流程的问题,并给出适用文件及其版本。
  • 让新员工能够查询系统的功能,而不必占用当初构建者的时间。
  • 跨项目挖掘过往类似成果,避免从零开始写提案。
  • 让支持人员在处理过程中即时查询产品文档与历史工单。

我们如何交付

我们如何交付

  1. 定形

    把需求转化为规格:谁在使用、什么算正确答案、由谁拍板。

  2. 接入依据

    连接到承载答案的内容与系统,并尊重既有权限设置。

  3. 评测

    在任何外部人员看到之前,用取自您自身案例的标注数据集打分。

  4. 上线与运营

    分阶段发布,配合监控、成本控制与守住质量的回归测试套件。

技术

技术

  • OpenAI
  • Anthropic
  • Azure OpenAI
  • pgvector
  • Elasticsearch
  • Microsoft 365
  • SharePoint
  • Confluence
  • Salesforce

安全与治理

安全与治理

答案以您自己的内容为依据并附带引证,读者因此可以核对。检索会遵守源系统上已经设定的权限,也就是说用户绝不会通过应用看到自己本来看不到的内容。提示词、检索到的上下文与响应都会记录以备审计,评测持续进行,而不是上线时做一次就算。

合作模式

合作模式

人工智能项目

我们对既定人工智能方案的设计与交付承担责任。

专属人工智能团队

围绕您的技术栈与交付模式建立的长期专属工程力量。

托管式人工智能

我们运营、监控并持续改进生产环境中的人工智能系统。

为什么选择 TeamExtension.ai

难的不是检索,而是权限

做一个能从文档里回答问题的东西是周末工程。做一个答得对、给得出出处、绝不越过权限边界、内容变化后仍保持准确、事后还能审计的东西,则是集成与安全问题。那是我们做了多年的普通企业工程,也是许多内部助手在全公司推广前夭折的原因。

部分客户

常见问题

常见问题

会不会泄露不该看到的文档?
不会。在任何内容到达模型之前,检索已使用源系统上既有的权限,按提问者本人的身份完成过滤。此人若不能直接打开某个文件,助手也无法代其阅读。您在源系统撤销访问权限,这里也随之撤销。
文档更新或作废后会怎样?
索引跟随源系统。更新过的文档会按计划或变更通知重新索引,作废的文档从回答中消失。回答附带出处,读者始终能确认答案来自哪个版本。
你们如何防止它编造答案?
回答以检索到的段落为依据并加以引用。若找不到相关内容,助手会如实说明,而不是把空白填上。这一点我们用标注数据明确度量,因为一个自信地出错的助手,还不如没有。
可以接入哪些系统?
SharePoint、Microsoft 365、Google Workspace、Confluence、Jira、ServiceNow、Salesforce、文件共享、数据库与内部接口。凡是有接口或数据库的都可以作为来源,没有接口的我们会构建连接器。
多久员工能用上?
限定在一批内容与一个用户群的试点,含评测工作通常六到八周。由于权限与出处的机制已经建好,之后新增来源是渐进推进的。

探讨您的 AI 计划

把散落的内部知识,变成尊重既有权限的安全辅助能力。