Przykład 04: firmowa wiedza odpowiada ze źródłami

Najczęstsze pytanie w firmie nie brzmi „co potrafi AI?”. Brzmi: „gdzie jest aktualna wersja?”. Jeśli nikt nie wie, asystent oparty na dokumentach tylko szybciej odnajdzie chaos. Dlatego RAG zaczyna się od porządku w źródłach, nie od wektorowej bazy.

RAG, czyli generowanie wspomagane wyszukiwaniem, polega na pobraniu fragmentów wiedzy i przekazaniu ich modelowi jako kontekstu. To pomaga ograniczyć zgadywanie, ale nie gwarantuje prawdy. Wynik zależy od jakości dokumentów, wyszukiwania i uprawnień.

#Najpierw właściciel dokumentu

Każda procedura powinna mieć właściciela, datę obowiązywania i status: aktualna, archiwalna, robocza. Bez tego system może z równym przekonaniem pokazać cennik zeszłoroczny i aktualny. Użytkownik zobaczy cytowanie, więc założy, że wszystko jest sprawdzone.

W praktyce warto zacząć od jednego obszaru: onboarding, procedury sprzedaży albo instrukcje produktowe. Wyznacz dziesięć najczęstszych pytań i sprawdź, czy odpowiedź rzeczywiście istnieje w jednoznacznej wersji źródła.

#Uprawnienia przed wyszukiwaniem

System nie może najpierw pobrać wszystkich dokumentów, a dopiero potem zastanawiać się, co ujawnić. Filtr uprawnień powinien działać przy wyszukiwaniu. Pracownik nie może dostać poufnego fragmentu tylko dlatego, że pasował do pytania.

#Odpowiedź z trzema stanami

• Odpowiedź potwierdzona: fragmenty źródeł i daty dokumentów.
• Odpowiedź niepewna: sprzeczne źródła albo słabe dopasowanie, z wyjaśnieniem.
• Brak odpowiedzi: jasna informacja i właściciel obszaru, bez dopowiadania.

To ważniejsze niż wymyślona „pewność 92%”. Użytkownik powinien wiedzieć, co dalej: otworzyć źródło, wybrać właściwą wersję albo zadać pytanie człowiekowi. Interfejs ma prowadzić do decyzji, nie tylko pokazywać pewny tekst.

#Test na starych i przewrotnych pytaniach

Przygotuj pytania typowe, pytania bez odpowiedzi, pytania o dokumenty archiwalne i pytania osób z różnymi uprawnieniami. Dodaj dokument zawierający instrukcję dla modelu. OWASP przypomina, że RAG nie eliminuje prompt injection; zewnętrzna treść nadal może próbować zmienić zachowanie systemu.

Mierz trafność źródeł przed mierzeniem stylu odpowiedzi. Jeśli właściwy dokument nie trafia do kontekstu, ładna odpowiedź jest tylko dobrze sformułowanym błędem. Najpierw napraw wyszukiwanie i wersje, potem poprawiaj ton.

#Najlepszy efekt uboczny

Wdrożenie RAG często porządkuje firmę jeszcze przed uruchomieniem asystenta. Znikają duplikaty, procedury dostają właścicieli, a ludzie przestają wysyłać sobie plik „final_v7”. To nie jest boczny efekt. To fundament, na którym odpowiedzi wreszcie mają prawo być wiarygodne.