Insight engine je forma podnikového vyhledávání, která spojuje informace z mnoha zdrojů, například dokumentů, e-mailů, databází a aplikací, a analyzuje je technikami AI. Místo pouhých seznamů nalezených položek dodává připravené odpovědi, souvislosti nebo doporučení, často v kontextu aktuálního úkolu. Pojem rozšířili hlavně oboroví analytici. Příklad: před schůzkou s klientem vidí obchodní tým všechny relevantní smlouvy, tikety a poznámky na jednom místě.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoVyhledávání s AI označuje způsoby vyhledávání, které využívají AI k pochopení záměru dotazu, vážení výsledků a často k vytvoření souhrnné odpovědi se zdroji, místo prostého seznamu odkazů. Technicky využívají vyhledávání podle klíčových slov, vektorové vyhledávání nad embeddingy nebo jejich kombinaci, často následované jazykovým modelem. Příkladem jsou odpovídací vyhledávače na webu a interní vyhledávání ve znalostech, které zaměstnancům pomáhá najít, co potřebují, v příručkách a směrnicích.
Vyhledávání informací zahrnuje metody, které ve velkém množství textu najdou dokumenty nebo úryvky odpovídající dotazu a seřadí je podle relevance. Klasické přístupy, například BM25, váží hledané výrazy podle toho, jak často a jak vzácně se vyskytují; novější přidávají sémantickou podobnost. Je základem vyhledávačů, podnikového vyhledávání a generování rozšířeného o vyhledávání (RAG), v němž jazykový model používá nalezené úryvky jako podklad pro svou odpověď.
Nestrukturovaná data se neřídí pevným tabulkovým schématem: e-maily, smlouvy, příručky, webové stránky, prezentace, obrázky nebo zvukové nahrávky. Tvoří velkou část znalostí organizací, ale dlouho se obtížně analyzovala automaticky. Jazykové modely umějí takový obsah číst a prohledávat a převádět jej na strukturované informace, například vytáhnout z textu smlouvy lhůty a částky do tabulky.
Znalostní inženýrství zahrnuje zachycení, uspořádání a přípravu odborných znalostí tak, aby je mohly využívat IT systémy. Původně se zaměřovalo na pravidla pro expertní systémy; dnes je často prioritou zdokumentovat roztříštěné znalosti z příruček, popisů procesů a hlav lidí tak, aby z nich AI agenti mohli spolehlivě odpovídat. Patří k tomu jasné struktury, aktuální zdroje, definované odpovědnosti a zaplnění zjištěných mezer.
