Munkaidős korlátok
A hagyományos ügyfélszolgálat csak 8–17 óra között elérhető; az esti és hétvégi érdeklődők fel sem tudják tenni a kérdésüket, és elvesznek.
ITware · AI4Assist – RAG-alapú chatbot
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.
A kihívás
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.
A hagyományos ügyfélszolgálat csak 8–17 óra között elérhető; az esti és hétvégi érdeklődők fel sem tudják tenni a kérdésüket, és elvesznek.
A korábbi generációs chatbotok merev szkripteket követnek. Az ügyfél nem kap valódi választ, csak újabb menüpontokat – ami bizalomvesztéshez vezet.
Tapasztalataink szerint a 0–24 órás válaszkészség ma már nem előny, hanem alapkövetelmény. Aki lemarad, ügyfelet veszít.
A megoldás
Valódi, természetes nyelven kommunikáló digitális munkatárs, amely a cég saját dokumentációjából dolgozik – GYIK, árlista, ÁSZF, belső szabályzatok –, és minden válasza visszavezethető egy ellenőrzött forrásra.
Nem szkripteket követ, hanem kontextust értelmez. Természetes párbeszédet folytat, mintha egy tapasztalt kolléga válaszolna.
A chatbot a cég saját dokumentációjából dolgozik. Minden válasz visszavezethető egy konkrét, ellenőrzött forrásra.
Kizárólag a tudásbázisból elérhető, biztos információt oszt meg – kitalált vagy pontatlan válasz nem kerülhet az ügyfél elé.
A technológia
A Retrieval-Augmented Generation (RAG) három lépésben alakítja az ügyfél kérdését pontos, cégre szabott válasszá – mindezt másodpercek alatt, emberi beavatkozás nélkül.
✓A folyamat teljesen automatizált és transzparens: minden egyes válasz visszakövethetően a feltöltött, jóváhagyott céges dokumentációból épül fel. A rendszer nem találgat – tudja.
Tudásmérnökség
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.
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.
Az egyszerű dokumentumindexeléssel szemben teljes tudásmérnöki folyamatot valósítunk meg, amelyben minden lépés hozzáadott értéket teremt és önálló minőségbiztosítási szűrőként is működik.
Szkennelt és digitális dokumentumok szövegkinyerése, normalizálása, a zaj eltávolítása.
Kontextus, metaadat, entitások és szerepkörök hozzárendelése minden tudásegységhez.
Folyamatok közti függőségek, hivatkozások és szemantikai csoportok azonosítása.
Automatikus minőségbiztosítás és emberi jóváhagyás – auditálható nyomvonallal.
Vektorizált, kereshető, AI-kompatibilis tudásbázis – készen a további felhasználásra.
Az asszisztens pontosan annyira megbízható, amennyire megbízható az a tudás, amelyből dolgozik. A pipeline minden szinten mér és validál.
Nyers vállalati tartalom – dokumentumok, ticketek, kommentek, fájlok
Kinyert, tisztított szöveg – még nem strukturált, de már feldolgozható
Minőség-ellenőrzött tartalom – konzisztens, deduplikált, metaadatokkal ellátott
Relációkkal, folyamatokkal és szerepkörökkel összekötött tudásobjektumok
Embedding-kész, kereshető, kontextualizált tudásbázis
Gépileg olvasható specifikáció – közvetlenül felhasználható tudásvagyon
| Dimenzió | Hagyományos RAG | ITware Knowledge Engineering |
|---|---|---|
| Alapegység | Szövegdarab (chunk) | Tudásobjektum |
| Feldolgozás | Dokumentumindexelés | Tudásrekonstrukció |
| Képesség | Dokumentumkeresés | Folyamatmegértés |
| Kimenet | Információ | Specifikáció |
| Állapot | Statikus | Folyamatosan fejlődő |
| Célközönség | Felhasználónak írt dokumentum | AI-nak írt tudás |
A platform
A munkaterület percek alatt konfigurálható: a dokumentumok azonnal feltölthetők és lekérdezhetők, a válaszminőség pedig végig adminisztrátori kontroll alatt marad.
Üzleti előnyök
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.
Hétvégén, éjszaka, ünnepnapon is azonnali, minőségi válasz. Egyetlen érdeklődő sem marad kiszolgálatlanul.
A rutinkérdéseket a rendszer automatikusan kezeli. A kollégák ideje a komplex, szakmai ügyekre szabadul fel.
Az asszisztens finoman ajánlatkérésre vagy konzultációra tereli az érdeklődőt – értékesítési tölcsérként működik.
Miért az AI4Assist?
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.
Az adatok és a vektoradatbázis a cég saját infrastruktúráján vagy privát felhőjében maradnak, a nyelvi modell helyi GPU-n is futtatható.
Az asszisztens csak olyan dokumentumokból válaszol, amelyekhez a kérdezőnek egyébként is van jogosultsága – a chat nem kerülőút a bizalmas anyagokhoz.
Minden válasz mellett ott a forrás. Ha a tudásbázisban nincs megfelelő forrás, az asszisztens nem talál ki választ, hanem kollégának adja át az ügyet.
A beszélgetés egy szolgáltatási folyamat belépési pontja: ticket- és rekordkezelés, emberi átadás és folyamatos minőségmérés egyetlen platformon.
Kinek szól?
Az AI4Assist ott hozza a legtöbbet, ahol kiterjedt belső szabályzatokból, katalógusokból és dokumentációból kell gyorsan és megbízhatóan válaszolni.
Telekommunikáció, közmű, IT service desk
Az ügyfélszolgálati és call-center munkatársak, valamint a műszaki kárfelvevők ellenőrzött, forrásmegjelölt választ kapnak ahelyett, hogy dokumentumok között keresgélnének.
Gyártás, autóipar, gépipar
A folyamatleírások, minőségirányítási kézikönyvek és karbantartási utasítások egyetlen kérdéssel elérhetők a mérnöki csapatok és a gyártásban dolgozók számára.
HR és onboarding nagyvállalatoknál
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
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
Minden adatkezelési folyamat az európai szabályozásnak megfelelően zajlik.
A rendszer azonnal felismeri, ha panasz, érzékeny helyzet vagy emberi segítség szükséges, és kollégához irányítja az ügyfelet.
A márka védelme érdekében definiált területek, amelyekre az AI soha nem ad választ – így a cég jó hírneve mindig védve marad.
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.
Ha egy tudásobjektumból nem generálható értelmes, pontos kérdés, az azt jelzi, hogy maga a tudás hiányos. Ez a pipeline legszigorúbb minőségi kapuja.
Technológia
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.
PHP 8.4+, Laravel, Laravel Octane (FrankenPHP), Filament, Laravel Socialite (Azure AD OAuth2)
Ollama, Gemma – helyi GPU-n futó következtetés, AnythingLLM
PostgreSQL 18 Alpine (több példány), pgvector vektorkereséshez
Filament UI (Livewire), React-alapú chatfelület, Vite
Docker, Docker Compose, NGINX, ütemezett feladatok (Cron)
Strukturált metaadatok, relációk és szemantikai csoportok a vektoros keresés felett
GYIK
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.
Tapasztalja meg élőben, hogyan dolgozik a digitális munkatárs az Ön cégénél – a cég saját dokumentációjára szabva.
Kapcsolat
A bevezetésről, testreszabásról és próbaüzemről három lépésben tudunk részletesen egyeztetni.