AI & RAG

IA e RAG

Prima che l'IA formuli una risposta, il RAG le fornisce la base dalla tua conoscenza interna.

Il RAG (retrieval-augmented generation) è un meccanismo con cui l'IA cerca nei tuoi documenti interni prima di rispondere e riceve ciò che trova come base della risposta. In Kanata la conoscenza interna prodotta dal lavoro, come verbali e materiali formativi, viene salvata in Library e gestita con cartelle e permessi di visualizzazione. L'agente IA risponde e svolge attività sulla base dei documenti in Library.

Video: IA e RAG

Una presentazione di come funziona il RAG, del perché i progetti di RAG interno falliscono e di come costruire un RAG in Kanata.

Le aziende e le persone mostrate sono fittizie.

Roles

Come si relazionano IA e RAG

L'IA generativa risponde con conoscenze generali aggiornate al momento dell'addestramento. Non conosce le tue regole interne né le decisioni della riunione della settimana scorsa. Il RAG (retrieval-augmented generation) è un meccanismo con cui l'IA cerca nei tuoi documenti interni prima di rispondere e riceve ciò che trova come base della risposta. Ecco i ruoli di IA e RAG e come li gestisce Kanata.

ElementoRuoloIn Kanata
Modello di IA (IA generativa)Comprende le domande e formula risposte e testiScelta tra GPT, Claude e Gemini
RAG (retrieval-augmented generation)Cerca nei documenti interni e fornisce all'IA ciò che trova come baseConsulta la conoscenza interna conservata in Library, nei limiti dei permessi
Conoscenza internaLe informazioni su cui si basano risposte e lavoroVerbali, materiali formativi, regole interne e documenti conservati in Library

IA generativa da sola o combinata con il RAG

AspettoIA generativa da solaCombinata con il RAG
Base delle risposteConoscenze generali fino all'addestramentoDocumenti interni e conoscenze generali
Informazioni interne più recentiNon recepiteRecepite aggiornando i documenti, senza riaddestrare il modello
Indicazione delle fontiDifficilePuò mostrare i nomi dei documenti consultati
Riaddestramento del modello—Non necessario

Why it fails

Tre motivi per cui il RAG interno fallisce

Documenti sparsi e versioni obsolete mescolate

L'IA potrebbe rispondere con informazioni superate.

Permessi di visualizzazione mal progettati

Nelle risposte possono comparire contenuti di documenti che l'utente non è autorizzato a vedere.

Nessun meccanismo di miglioramento

La qualità delle risposte non migliora e le persone smettono di usarlo.

Kanata affronta questi problemi con la gestione di versioni e fonti in Library, permessi per progetto e cartella e un meccanismo che accumula in Library i verbali e i documenti creati dall'IA.

How it works

Come si costruisce il RAG in Kanata

La tua conoscenza interna diventa un database che lavora automaticamente con l'IA.

La conoscenza interna prodotta dal lavoro, come verbali e materiali formativi, si accumula in Library, e imposti le cartelle di riferimento e il modello di IA di ogni agente. Esamini i risultati di risposte e azioni, e aggiorni o aggiungi documenti.

01

Raccogliere e organizzare i dati

Collect & Organize

I verbali della Registrazione IA, i materiali di e-Learning e i dati delle app di AppStudio vengono salvati in Library nel lavoro quotidiano. Regole e procedure interne si creano come documenti e si gestiscono con permessi di visualizzazione e versioni per cartella.

Registrazioni e verbali delle riunioniVideo e materiali formativiDocumenti e PDFPermessi di visualizzazione e versioni per cartella

02

Collegare app e IA

Connect Apps & AI

Quando imposti le cartelle consultate da ogni agente IA, il loro contenuto diventa una fonte candidata. L'agente IA risponde consultando i documenti nei limiti dei permessi di visualizzazione dell'utente e, dopo la revisione del piano in base al livello di autonomia, usa le app e le funzioni di Studio consentite dai suoi permessi di esecuzione.

Cartelle consultate dall'IAUso di app e StudioScelta tra GPT, Claude e GeminiFonti limitate ai permessi di visualizzazione

03

Migliorare i dati

Improve

Verifica risposte e fonti con le domande interne più frequenti, aggiorna i documenti obsoleti e aggiungi quelli mancanti. Anche i verbali e i documenti creati dall'agente IA si accumulano in Library.

Verificare risposte e fontiAggiornare i documenti obsoleti e aggiungere quelli mancantiAccumulare verbali e documenti creati dall'IA

I risultati d'uso diventano la base della risposta successiva

How to build

Come costruirlo in Kanata

I passaggi per creare con un agente IA un assistente che risponde sulla base della conoscenza interna. Si costruisce con impostazioni a schermo, senza progettare database né programmare.

  1. Registrare i documenti
    Crea documenti in Library per registrare i materiali. Le registrazioni delle riunioni arrivano dalla Registrazione IA, i contenuti formativi dall'e-Learning.
  2. Organizzare e impostare i permessi
    Organizza i documenti in cartelle e imposta chi può vederli. Le regole interne possono essere gestite con versioni come documenti composti da copertina, categorie e pagine.
  3. Creare un agente IA
    Crea un agente IA e imposta nome, icona e istruzioni personalizzate che descrivono il suo ruolo e il suo stile di risposta.
  4. Impostare ambito di consultazione e permessi di esecuzione
    Imposta le cartelle di riferimento, i permessi di esecuzione (solo ricerca, fino alla creazione di documenti, fino all'uso delle app), il livello di autonomia e il modello da usare.
  5. Verificare e migliorare le risposte
    Fai in chat le domande interne più frequenti e verifica le risposte. Aggiorna i documenti obsoleti e continua ad accumulare in Library verbali e documenti creati dall'IA.

Reference scope

Impostare l'ambito di consultazione

Imposta per ogni agente IA su cosa l'IA può basare le risposte.

ImpostazioneFunzioneDove impostarla
Cartelle di riferimentoLe cartelle che l'agente IA consulta come base. Tutto il loro contenuto è candidato, quindi non serve selezionare i file uno per unoImpostazioni dell'agente IA
Permessi di visualizzazioneUsa come base solo i documenti che l'utente della conversazione può vederePermessi delle cartelle
Ricerca webLegge pagine esterne. Scegli se usarla per ogni agentePermessi di esecuzione dell'agente IA
Istruzioni personalizzateSpecifica come rispondere alle domande non coperte dai documenti e a cosa non deve rispondere (argomenti vietati) (fino a 8.000 caratteri)Impostazioni dell'agente IA

Settings

Impostazioni dell'agente IA

Per ogni agente IA descrivi ruolo e stile di risposta nelle istruzioni personalizzate, e imposta cartelle di riferimento e permessi di esecuzione. Puoi creare agenti per reparto, come uno "sportello amministrativo" o un "supporto commerciale", e condividerli nel progetto.

ImpostazioneCosa puoi impostare
Nome e iconaNome e icona dell'agente (combinazione di illustrazione e colore di sfondo)
Istruzioni personalizzateDescrivi ruolo, stile di risposta e regole da seguire in un unico testo (fino a 8.000 caratteri). Ad esempio: "Rispondi come guida della formazione interna", "Mostra sempre i documenti di origine", "Non rispondere a domande sulle valutazioni delle prestazioni"
Cartelle di riferimentoLe cartelle consultate come base. Si usa solo ciò che l'utente richiedente può vedere
Permessi di esecuzioneSolo ricerca, fino alla creazione di documenti, fino all'uso delle app, o impostazioni dettagliate per strumento
Livello di autonomiaSolo suggerimenti, revisione del piano ed esecuzione, oppure esecuzione automatica (solo gli amministratori del progetto possono scegliere l'esecuzione automatica)
ModelliIl modello predefinito in chat e i modelli disponibili

Registra le istruzioni che usi spesso come prompt in Library e condividile nel progetto.

Data

Dati che puoi importare

TipoEsempiCome viene registrato in Library
DocumentiRegole interne, manuali, FAQCreazione come documento
RiunioniRegistrazioni di Zoom, Google Meet e Microsoft Teams, verbaliCreati dalla Registrazione IA
FormazioneVideo e materiali formativiCreati nell'e-Learning
Dati delle appRecord come report giornalieri e gestione delle trattativeInseriti nelle app create con AppStudio

Tipi di file e limiti di dimensione variano in base alla funzionalità (ad esempio, video di e-Learning fino a 2 GB).

Tips

Consigli operativi per migliorare la precisione del RAG

  1. Un tema per documento
    Dividere i documenti lunghi in capitoli aiuta l'IA a trovare le parti necessarie.
  2. Eliminare le versioni obsolete
    Gestisci le regole interne con le versioni dei documenti e rendi chiara l'ultima versione.
  3. Restringere le cartelle di riferimento di ogni agente
    Più documenti non pertinenti sono inclusi, più le risposte tendono a variare.
  4. Specificare lo stile di risposta nelle istruzioni personalizzate
    Imposta per ogni agente come rispondere alle domande non coperte dai documenti e il formato delle risposte.
  5. Testare con le domande frequenti
    Verifica risposte e fonti con richieste reali e aggiungi i documenti mancanti.
  6. Scegliere il modello in base all'attività
    Usa un modello leggero per le domande quotidiane e uno ad alte prestazioni per le analisi importanti. Puoi vedere il moltiplicatore di consumo dei crediti al momento della scelta.

Security

Sicurezza e permessi

Use cases

Dove si usa il RAG

Richieste a HR e amministrazione

Fornisce una prima risposta basata sul regolamento e sulle regole interne; le domande senza base vengono gestite dal personale.

Guida alle procedure IT

Guida nella configurazione e nelle richieste sulla base del manuale di ogni sistema.

Preparazione delle proposte commerciali

Organizza la struttura e i punti da verificare di una proposta a partire da proposte passate e verbali degli incontri commerciali.

Assistenza clienti

Prepara bozze di risposta basate su FAQ e documentazione di prodotto, che il personale verifica prima dell'invio.

FAQ

Domande frequenti

QQual è la differenza tra IA generativa e RAG?

L'IA generativa (modelli linguistici di grandi dimensioni) è l'IA che comprende le domande e formula risposte e testi. Il RAG è un meccanismo con cui l'IA cerca nei documenti interni prima di rispondere e riceve ciò che trova come base. In Kanata il RAG cerca, nei limiti dei permessi, nella conoscenza interna conservata in Library, e il modello di IA scelto tra GPT, Claude e Gemini risponde su questa base.

QQual è la differenza tra RAG e fine-tuning?

Il fine-tuning aggiunge addestramento al modello di IA stesso. Il RAG lascia il modello invariato e cerca nei documenti interni al momento della risposta per usarli come base. Poiché gli aggiornamenti dei documenti si riflettono nelle risposte senza riaddestrare il modello e i nomi dei documenti possono essere mostrati come fonti, il RAG è particolarmente adatto a valorizzare la conoscenza interna. Kanata valorizza la conoscenza interna con l'approccio RAG.

QPossiamo usare i nostri verbali e documenti esistenti?

Sì. I materiali esistenti possono essere creati come documenti e registrati in Library. I verbali creati con la Registrazione IA diventano direttamente una base per l'agente IA.

QPossiamo separare i documenti consultati dagli agenti di ogni reparto?

Imposta i permessi per progetto e cartella, e le cartelle di riferimento di ogni agente IA. Ad esempio, un agente HR può consultare solo le regole HR e un agente commerciale solo proposte e verbali.

QQuali modelli di IA sono disponibili?

Puoi scegliere tra GPT di OpenAI, Claude di Anthropic e Gemini di Google. Anche con lo stesso agente puoi cambiare modello a ogni domanda dal campo di inserimento dei messaggi diretti, tra i modelli consentiti per quell'agente.

QÈ sicuro registrare documenti riservati?

Kanata non usa i dati che inserisci per addestrare modelli di IA. I permessi di visualizzazione dei documenti e l'ambito consultato dall'IA sono separati tramite i permessi delle cartelle e le impostazioni degli agenti. Per maggiori dettagli, consulta Sicurezza.

Ultimo aggiornamento: