ITware · AI4Assist – RAG-alapú chatbot

A chatbot, amely nem találgat – tudja

Az AI4Assist nem egy újabb gombnyomogatós bot, hanem természetes nyelven kommunikáló digitális munkatárs. A cég saját, hiteles dokumentációjából dolgozik, és csak ellenőrzött forrásból származó információt oszt meg – 0–24 órában, forrásmegjelöléssel.

  • 0–24elérhetőség hétvégén és ünnepnapon is
  • 100%visszavezethető válasz – mindegyik a forrásával együtt
  • 2001óta az ITware fejlesztői háttere
Az AI4Assist chatfelülete: válasz a tudásbázisból, a forrásdokumentumok megjelölésével

A kihívás

Miért veszít ügyfeleket a cége?

A modern ügyfél nem vár. Ha egy kérdésre nem kap azonnal választ – este, hétvégén, ünnepnapon –, továbblép a következő versenytárshoz. A hagyományos ügyfélszolgálat strukturális korlátai ma már közvetlen bevételkiesést jelentenek.

Munkaidős korlátok

A hagyományos ügyfélszolgálat csak 8–17 óra között elérhető; az esti és hétvégi érdeklődők fel sem tudják tenni a kérdésüket, és elvesznek.

Gombnyomogatós frusztráció

A korábbi generációs chatbotok merev szkripteket követnek. Az ügyfél nem kap valódi választ, csak újabb menüpontokat – ami bizalomvesztéshez vezet.

Versenyképességi rés

Tapasztalataink szerint a 0–24 órás válaszkészség ma már nem előny, hanem alapkövetelmény. Aki lemarad, ügyfelet veszít.

A megoldás

Bemutatkozik az AI4Assist

Valódi, természetes nyelven kommunikáló digitális munkatárs, amely a cég saját dokumentációjából dolgozik – GYIK, árlista, ÁSZF, belső szabályzatok –, és minden válasza visszavezethető egy ellenőrzött forrásra.

Emberi nyelvezet, gépi pontosság

Nem szkripteket követ, hanem kontextust értelmez. Természetes párbeszédet folytat, mintha egy tapasztalt kolléga válaszolna.

RAG-technológia: hiteles forrás

A chatbot a cég saját dokumentációjából dolgozik. Minden válasz visszavezethető egy konkrét, ellenőrzött forrásra.

Hallucinációmentes működés

Kizárólag a tudásbázisból elérhető, biztos információt oszt meg – kitalált vagy pontatlan válasz nem kerülhet az ügyfél elé.

A technológia

Hogyan működik a gyakorlatban?

A Retrieval-Augmented Generation (RAG) három lépésben alakítja az ügyfél kérdését pontos, cégre szabott válasszá – mindezt másodpercek alatt, emberi beavatkozás nélkül.

A RAG-folyamat három lépése: tudásbázis, szemantikus keresés, válasz forrásmegjelöléssel

✓A folyamat teljesen automatizált és transzparens: minden egyes válasz visszakövethetően a feltöltött, jóváhagyott céges dokumentációból épül fel. A rendszer nem találgat – tudja.

Tudásmérnökség

Nem chatbotot építünk – vállalati tudást

A legtöbb vállalatnál nem az adat hiányzik. Az információ létezik, de az összefüggések elvesznek a silókban, a dokumentumok elavultak vagy ellentmondanak egymásnak, a kritikus tudás pedig emberek fejében él. Ezért buknak el a hagyományos RAG-projektek.

Amit a klasszikus RAG-pipeline nem old meg

  • Dokumentumminőség: hiányos, elavult, ellentmondó forrásanyag validálás nélkül
  • Kontextus elvesztése: a szövegdarab nem hordozza az összefüggéseket és metaadatokat
  • Relációk hiánya: folyamatok, szerepkörök, függőségek nem jelennek meg
  • Auditálhatóság: nem igazolható, honnan származik egy-egy válasz

A felismerés

Az emberek nem másoknak dokumentálnak. A dokumentáció elsősorban saját emlékezeti segédeszköz, nem tudástranszfer: az előzményt, az üzleti indoklást és a kivételeket szinte sosem írják le – csak azt, hogy mi van, azt nem, hogy miért.

Nagyvállalati projektjeinkben egy teljes folyamat rekonstruálásához jellemzően 20–30 ticketet kellett összefűzni és értelmezni.

Knowledge Engineering Pipeline

Az egyszerű dokumentumindexeléssel szemben teljes tudásmérnöki folyamatot valósítunk meg, amelyben minden lépés hozzáadott értéket teremt és önálló minőségbiztosítási szűrőként is működik.

  1. OCR → Előfeldolgozás → Adattisztítás

    Szkennelt és digitális dokumentumok szövegkinyerése, normalizálása, a zaj eltávolítása.

  2. Kontextusgazdagítás → Metaadat-generálás

    Kontextus, metaadat, entitások és szerepkörök hozzárendelése minden tudásegységhez.

  3. Összefüggések feltárása → Szemantikus csoportosítás

    Folyamatok közti függőségek, hivatkozások és szemantikai csoportok azonosítása.

  4. Validáció → Szakértői jóváhagyás

    Automatikus minőségbiztosítás és emberi jóváhagyás – auditálható nyomvonallal.

  5. Vektoros reprezentáció → Tudásréteg

    Vektorizált, kereshető, AI-kompatibilis tudásbázis – készen a további felhasználásra.

Knowledge Quality Pipeline

Az asszisztens pontosan annyira megbízható, amennyire megbízható az a tudás, amelyből dolgozik. A pipeline minden szinten mér és validál.

  1. Input

    Nyers vállalati tartalom – dokumentumok, ticketek, kommentek, fájlok

  2. Raw Knowledge

    Kinyert, tisztított szöveg – még nem strukturált, de már feldolgozható

  3. Validated Knowledge

    Minőség-ellenőrzött tartalom – konzisztens, deduplikált, metaadatokkal ellátott

  4. Structured Knowledge

    Relációkkal, folyamatokkal és szerepkörökkel összekötött tudásobjektumok

  5. AI Ready Knowledge

    Embedding-kész, kereshető, kontextualizált tudásbázis

  6. Agent Ready Knowledge

    Gépileg olvasható specifikáció – közvetlenül felhasználható tudásvagyon

Hagyományos RAG vs. tudásmérnöki megközelítés

Dimenzió Hagyományos RAG ITware Knowledge Engineering
AlapegységSzövegdarab (chunk)Tudásobjektum
FeldolgozásDokumentumindexelésTudásrekonstrukció
KépességDokumentumkeresésFolyamatmegértés
KimenetInformációSpecifikáció
ÁllapotStatikusFolyamatosan fejlődő
CélközönségFelhasználónak írt dokumentumAI-nak írt tudás
Az adminisztrációs felület válaszbázisa: kérdések, értékelés, állapot és referenciaválasz

A platform

Egy felület, teljes kontroll

A munkaterület percek alatt konfigurálható: a dokumentumok azonnal feltölthetők és lekérdezhetők, a válaszminőség pedig végig adminisztrátori kontroll alatt marad.

Chat – kérdezzen, és választ kap
Dokumentum feltöltése (PDF, DOCX és más formátumok), szabad, természetes nyelvű kérdezés, több párhuzamos beszélgetési szál kezelése.
Válaszbázis – minőségbiztosítás
Előre definiált kérdés-válasz párok kezelése, kereséssel és szűréssel. A referenciaválasz mezőben rögzíthető az elvárt helyes válasz a későbbi értékelések alapjaként.
Adatsorok – ticket- és rekordkezelés
Strukturált adatsorok teljes kommunikációs előzménnyel, belső megjegyzésekkel és dokumentum-hivatkozásokkal, egyetlen nézetben.
Promptok és felhasználók
Promptkönyvtár és jogosultságkezelés: munkaterületek, felhasználók és viselkedési szabályok adminisztrációja egy helyről.

Üzleti előnyök

Virtuális AI-munkatárs

Az AI4Assist nem csupán automatizál – stratégiai üzleti értéket teremt. A virtuális asszisztens éjjel-nappal dolgozik, miközben a csapat a valóban komplex, magas hozzáadott értékű feladatokra összpontosíthat.

  1. 01

    0–24 órás elérhetőség

    Hétvégén, éjszaka, ünnepnapon is azonnali, minőségi válasz. Egyetlen érdeklődő sem marad kiszolgálatlanul.

  2. 02

    A csapat tehermentesítése

    A rutinkérdéseket a rendszer automatikusan kezeli. A kollégák ideje a komplex, szakmai ügyekre szabadul fel.

  3. 03

    Lead-generálás

    Az asszisztens finoman ajánlatkérésre vagy konzultációra tereli az érdeklődőt – értékesítési tölcsérként működik.

Miért az AI4Assist?

Vállalati tudásközpont a saját falain belül

Az AI4Assist nem egy újabb általános chatbot, hanem zárt, szabályozott tudásközpont: a cég saját dokumentumaiból válaszol, és pontosan annyit mutat meg, amennyit a kérdező láthat.

Garantált adatizoláció

Az adatok és a vektoradatbázis a cég saját infrastruktúráján vagy privát felhőjében maradnak, a nyelvi modell helyi GPU-n is futtatható.

Szerepkör-alapú hozzáférés

Az asszisztens csak olyan dokumentumokból válaszol, amelyekhez a kérdezőnek egyébként is van jogosultsága – a chat nem kerülőút a bizalmas anyagokhoz.

Forrásmegjelölt, hallucinációmentes válasz

Minden válasz mellett ott a forrás. Ha a tudásbázisban nincs megfelelő forrás, az asszisztens nem talál ki választ, hanem kollégának adja át az ügyet.

Nem csak chat – szolgáltatási folyamat

A beszélgetés egy szolgáltatási folyamat belépési pontja: ticket- és rekordkezelés, emberi átadás és folyamatos minőségmérés egyetlen platformon.

Kinek szól?

Ahol a pontos válasz üzleti kérdés

Az AI4Assist ott hozza a legtöbbet, ahol kiterjedt belső szabályzatokból, katalógusokból és dokumentációból kell gyorsan és megbízhatóan válaszolni.

Telekommunikáció, közmű, IT service desk

Hatalmas termékkatalógus és szabályzat – a kollégának mégis azonnal kell a válasz

Az ügyfélszolgálati és call-center munkatársak, valamint a műszaki kárfelvevők ellenőrzött, forrásmegjelölt választ kapnak ahelyett, hogy dokumentumok között keresgélnének.

Gyártás, autóipar, gépipar

Karbantartási útmutató és ISO-dokumentáció a szerelőcsarnokban is

A folyamatleírások, minőségirányítási kézikönyvek és karbantartási utasítások egyetlen kérdéssel elérhetők a mérnöki csapatok és a gyártásban dolgozók számára.

HR és onboarding nagyvállalatoknál

Ugyanaz a HR-kérdés százszor – elég egyszer jól megválaszolni

Az 500 fő feletti vállalatoknál a belső szabályzatok, a cafeteria és az oktatási anyagok kérdései automatizálhatók úgy, hogy az adat nem hagyja el a cég belső hálózatát.

Bankok és biztosítók

Magas kockázatú válaszoknál kontroll, konzisztencia és gyors eszkaláció

Tiltott zónák, emberi átadás és visszakövethető forrásmegjelölés – hogy ugyanarra a kérdésre mindenki ugyanazt a helyes választ kapja.

Jellemző döntéshozók: technológiai igazgató (CTO), informatikai igazgató (CIO), adatvezető (CDO).

Biztonság és minőségbiztosítás

Kontroll minden válasz felett

GDPR-megfelelés

Minden adatkezelési folyamat az európai szabályozásnak megfelelően zajlik.

Emberi átadás

A rendszer azonnal felismeri, ha panasz, érzékeny helyzet vagy emberi segítség szükséges, és kollégához irányítja az ügyfelet.

Tiltott zónák

A márka védelme érdekében definiált területek, amelyekre az AI soha nem ad választ – így a cég jó hírneve mindig védve marad.

Mérés és optimalizálás – nem „telepítsd és felejtsd el"

Az ITware AI-Clinic módszertana alapján minden bevezetés folyamatos mérési és finomhangolási ciklusban működik: hetente elemezzük, melyek a leggyakoribb kérdések, hol maradnak el a válaszok a várt minőségtől, és hogyan javítható a konverzió. A rendszer hónapról hónapra pontosabb lesz – anélkül, hogy az ügyfeleknek ezzel bármit tenniük kellene.

Mintakérdés-generálás

Ha egy tudásobjektumból nem generálható értelmes, pontos kérdés, az azt jelzi, hogy maga a tudás hiányos. Ez a pipeline legszigorúbb minőségi kapuja.

Technológia

Nyílt forráskódú, helyben futtatható stack

A platform modern, nyílt forráskódú technológiákra épül, amelyek biztosítják a megbízható működést, a skálázhatóságot és a helyi AI-következtetés lehetőségét – az érzékeny tartalom nem kerül külső szolgáltatóhoz.

Backend

PHP 8.4+, Laravel, Laravel Octane (FrankenPHP), Filament, Laravel Socialite (Azure AD OAuth2)

AI / LLM

Ollama, Gemma – helyi GPU-n futó következtetés, AnythingLLM

Adatbázis

PostgreSQL 18 Alpine (több példány), pgvector vektorkereséshez

Frontend

Filament UI (Livewire), React-alapú chatfelület, Vite

Infrastruktúra

Docker, Docker Compose, NGINX, ütemezett feladatok (Cron)

Tudásréteg

Strukturált metaadatok, relációk és szemantikai csoportok a vektoros keresés felett

GYIK

Gyakori kérdések

A rendszer kizárólag a jóváhagyott tudásbázisból dolgozik, és minden válasz mellé megjelöli a forrást. Ha egy kérdésre nincs válasz a tudásbázisban, nem talál ki választ – átadja az ügyet egy kollégának.

PDF, DOCX és más gyakori formátumok tölthetők fel, de a valódi érték a strukturált feldolgozásban van: ticketrendszerek, wikioldalak, szabályzatok és belső levelezés tartalma is tudásobjektummá alakítható.

Ez a tipikus helyzet. A Knowledge Engineering Pipeline pontosan erre való: a szétszórt ticketekből, kommentekből és részleges leírásokból rekonstruáljuk a hiányzó kontextust és a folyamatok logikáját.

Nem szükségszerűen: a nyelvi modell helyi GPU-n is futtatható, így a tartalom nem hagyja el a saját infrastruktúrát. Az adatkezelés minden esetben a GDPR-nak megfelelően történik.

A munkaterület percek alatt konfigurálható, és a dokumentumok azonnal lekérdezhetők. A bevezetést bemutatóval és igényfelméréssel kezdjük, ezt pilot projekt, majd éles bevezetés követi.

Az AI-Clinic módszertan szerint folyamatos mérési és finomhangolási ciklusban működünk tovább: rendszeres jelentések a beszélgetések számáról és a konverziós arányról, valamint a válaszminőség javítása.

Kérjen személyre szabott bemutatót

Tapasztalja meg élőben, hogyan dolgozik a digitális munkatárs az Ön cégénél – a cég saját dokumentációjára szabva.

Kapcsolatfelvétel

Kapcsolat

Beszéljünk a bevezetésről

A bevezetésről, testreszabásról és próbaüzemről három lépésben tudunk részletesen egyeztetni.

  • Bemutató és igényfelmérésSzemélyre szabott bemutató az Ön konkrét üzleti folyamataira.
  • Pilot projektKorlátozott terjedelmű bevezetés valós adatokkal, kiértékelési fázissal.
  • Éles bevezetésTeljes körű implementáció, oktatás és folyamatos támogatás az ITware csapatától.

info@itware.hu www.itware.hu