Asystent AI, który zna Twoją firmę — RAG bez żargonu

Dlaczego ChatGPT nie zna Twojej firmy?

Zapytaj ChatGPT o warunki gwarancji w Twojej firmie, o cennik usług serwisowych albo o procedurę reklamacji — i dostaniesz odpowiedź wymyśloną albo ogólnikową. To nie wina modelu. On po prostu nigdy nie widział Twoich dokumentów. Uczył się na tekstach z internetu, a Twoje oferty, regulaminy i instrukcje serwisowe leżą w folderach na dysku, w mailach i w głowach pracowników.

Rozwiązanie tego problemu nazywa się RAG — Retrieval-Augmented Generation. Brzmi groźnie, ale idea jest prosta: zanim AI odpowie na pytanie, najpierw wyszukuje odpowiedni fragment w Twoich dokumentach, a dopiero potem formułuje odpowiedź — na podstawie tego, co znalazła, ze wskazaniem źródła. Nie zgaduje. Cytuje.

Efekt: asystent, który odpowiada jak Twój najlepszy pracownik po przeczytaniu całej firmowej dokumentacji. Tylko że dostępny całą dobę i odpowiadający w kilka sekund.

RAG po ludzku — jak to działa krok po kroku

Wyobraź sobie egzamin z otwartą książką. Zwykły chatbot zdaje z pamięci — czasem trafi, czasem zmyśli. Asystent z RAG dostaje przed odpowiedzią otwartą książkę z Twoimi dokumentami i ma obowiązek odpowiadać tylko z niej.

Technicznie wygląda to tak:

• Indeksowanie — Twoje dokumenty (PDF-y, strony, cenniki, FAQ) są dzielone na fragmenty i zapisywane w specjalnej bazie, która rozumie znaczenie tekstu, nie tylko słowa kluczowe.
• Wyszukiwanie — gdy ktoś zadaje pytanie, system znajduje 3–5 fragmentów, które najlepiej pasują do pytania. Nawet jeśli klient pyta „ile czekam na naprawę", a w dokumencie jest „czas realizacji zgłoszenia serwisowego".
• Odpowiedź ze źródłem — AI dostaje znalezione fragmenty i pytanie, i buduje odpowiedź wyłącznie na ich podstawie. Na końcu wskazuje, z którego dokumentu korzystała.

Ta ostatnia część decyduje o zaufaniu: gdy asystent odpowiada „okres gwarancji wynosi 24 miesiące (źródło: Regulamin serwisu, pkt 5)", każdy może to zweryfikować. Odpowiedź bez źródła to opinia. Odpowiedź ze źródłem to informacja.

Czym to się różni od zwykłego chatbota?

Klasyczny chatbot na stronie to drzewko scenariuszy: „wybierz temat", „naciśnij 1, jeśli...". Działa, dopóki klient pyta dokładnie tak, jak przewidział autor scenariusza. O tym, kiedy taki prosty chatbot wystarcza, pisaliśmy w tekście o chatbocie na stronie.

Asystent z RAG to inna liga:

• Rozumie pytania zadane po ludzku — z literówkami, potocznie, nie w formie z FAQ.
• Wiedza jest w dokumentach, nie w scenariuszu — aktualizujesz cennik, asystent od razu odpowiada według nowego. Nie przepisujesz żadnych reguł.
• Odpowiada na pytania, których nikt nie przewidział — bo szuka odpowiedzi w treści, a nie wybiera z gotowej listy.
• Pokazuje źródło — czego scenariuszowy bot nie robi, bo nie ma skąd.

Od publicznego ChatGPT różni się z kolei tym, że zna wyłącznie Twoje materiały i nie wynosi ich na zewnątrz — dokumenty trafiają do Twojego indeksu, a nie do treningu cudzego modelu.

Cztery zastosowania, które widzimy najczęściej

• Asystent ofertowy dla handlowca — handlowiec pyta „co mamy dla klienta z budżetem X, który potrzebuje Y" i dostaje odpowiedź złożoną z aktualnych ofert i cenników, zamiast szukać po katalogach PDF. Krótszy czas odpowiedzi na zapytanie to często wygrana sprawa.
• Baza wiedzy serwisu — technik w terenie pyta o procedurę wymiany części albo kod błędu i dostaje fragment właściwej instrukcji serwisowej. Zamiast dzwonić do „tego jednego kolegi, który wie".
• Onboarding pracowników — nowa osoba pyta o urlopy, obieg dokumentów, dostępy — i dostaje odpowiedzi z regulaminów i procedur, zamiast dziesiąty raz zawracać głowę biuru.
• Odpowiedzi na zapytania klientów — asystent na stronie lub w mailu odpowiada na pytania o dostępność, warunki, terminy — na podstawie Twoich rzeczywistych dokumentów, nie ogólników.

Wspólny mianownik: wiedza już istnieje w firmie, tylko jest rozproszona. RAG jej nie tworzy — udostępnia ją tam, gdzie jest potrzebna.

Jak wygląda wdrożenie — cztery etapy

Wdrożenie asystenta RAG to nie projekt na pół roku. Typowy przebieg:

• 1. Zebranie treści — wybieramy dokumenty, z których asystent ma korzystać: oferty, regulaminy, instrukcje, FAQ, treść strony. Ten etap najbardziej zależy od Ciebie — im lepiej uporządkowane źródła, tym lepsze odpowiedzi. Nieaktualny cennik w indeksie to nieaktualne odpowiedzi.
• 2. Indeksowanie — dokumenty trafiają do bazy wiedzy. Tu ustala się też, jak często i jak indeks ma się odświeżać, gdy coś zmienisz.
• 3. Asystent w aplikacji lub na stronie — okno czatu na stronie www, panel wewnętrzny dla zespołu albo element większej aplikacji. To warstwa, którą widzą użytkownicy — reszta pracuje pod spodem.
• 4. Testy na prawdziwych pytaniach — zbieramy 30–50 pytań, które naprawdę padają w Twojej firmie (z maili, telefonów, rozmów handlowych), i sprawdzamy odpowiedzi jedna po drugiej. To najważniejszy etap: tu wychodzi, czego brakuje w dokumentach i gdzie asystent potrzebuje korekty.

Jeśli asystent ma być częścią większego systemu — z logowaniem, panelem, integracjami — zajrzyj do wpisu od pomysłu do aplikacji w tygodnie, gdzie opisujemy, jak takie projekty prowadzimy.

Halucynacje — jak sprawić, żeby AI nie zmyślała

Halucynacja to sytuacja, w której model odpowiada pewnym tonem coś, czego nie ma w żadnym źródle. W publicznym czacie to irytujące. W asystencie firmowym — groźne, bo klient może dostać zmyśloną cenę albo nieistniejący warunek gwarancji.

RAG sam w sobie mocno ogranicza ten problem, bo model odpowiada na podstawie podanych fragmentów. Ale dobre wdrożenie dokłada jeszcze kilka zabezpieczeń:

• Twarda zasada „tylko ze źródeł" — asystent ma zakaz uzupełniania odpowiedzi własną wiedzą z treningu. Jeśli czegoś nie ma w dokumentach, nie ma tego w odpowiedzi.
• „Nie wiem" zamiast zgadywania — gdy wyszukiwanie nie znajduje pasującego fragmentu, asystent mówi wprost, że nie ma tej informacji, i wskazuje kontakt do człowieka. Uczciwe „nie wiem" buduje zaufanie; pewne siebie zmyślenie je rujnuje.
• Źródło przy każdej odpowiedzi — skoro odpowiedź da się zweryfikować, błędy wychodzą szybko i da się je naprawić u źródła, czyli w dokumencie.
• Przegląd rozmów — po starcie regularnie przeglądasz, o co ludzie pytają i gdzie asystent odpowiedział słabo. Każda taka rozmowa to wskazówka, jaki dokument dopisać lub poprawić.

Podsumowanie — od czego zacząć dziś

RAG to sposób na to, żeby AI odpowiadała na podstawie Twoich dokumentów, ze wskazaniem źródła — zamiast zgadywać z internetu. Największe efekty daje tam, gdzie te same pytania padają wielokrotnie: w sprzedaży, serwisie, onboardingu i obsłudze klienta. Wdrożenie sprowadza się do czterech etapów: treści, indeks, asystent, testy — a jakość odpowiedzi zależy przede wszystkim od jakości dokumentów, które do niego włożysz.

Jeden krok do zrobienia dziś: wypisz 10 pytań, które najczęściej padają w Twojej firmie — od klientów, handlowców albo nowych pracowników — i przy każdym zanotuj, w którym dokumencie jest odpowiedź. Jeśli przy kilku pytaniach nie ma żadnego dokumentu, właśnie znalazłeś pierwszą rzecz do uporządkowania przed wdrożeniem. Z taką listą rozmowa o asystencie — u nas w automatyzacjach ulepsz.ai czy gdziekolwiek indziej — zajmie połowę czasu.

Najczęstsze pytania

Czytaj też

← wszystkie wpisy