Skip to main content

RAG ארגוני ו-AI פנימי

שכבת בקרת ידע מודעת-הרשאות ל-AI פנימי

יישום RAG ארגוני שהופך ידע ארגוני מפוזר ל-AI פנימי שהצוות שלכם — והמבקרים שלכם — יכולים לסמוך עליו.

רק מקורות מאושריםאחזור מודע-הרשאותציטוט בכל תשובההערכה לפני השקהבדיקה אנושית למקרים רגישים
rag.query · liverunning
בקשת סקירת ארכיטקטורת RAGצפו בתוכנית האחזור

מה זה RAG ארגוני?

RAG ארגוני הוא שכבת בקרת ידע — לא צ'אטבוט שמורכב על הקבצים שלכם.

Retrieval-augmented generation (RAG) נותן לעוזר AI נתיב מבוקר אל הידע שלכם: הוא שולף את הקטעים הרלוונטיים ממקורות חברה מאושרים ועונה מתוכם — עם ציטוט — במקום להסתמך על האימון של המודל. יישום ארגוני מוסיף את החלקים שהופכים אותו לבטוח לסמוך עליו: רישום מקורות, אחזור מודע-הרשאות, סף ראיות, הימנעות מתשובה כשהתמיכה חלשה, בדיקה אנושית למקרים רגישים, והערכה לפני ההשקה ואחריה. התוצאה היא AI פנימי מדויק, ניתן-למעקב ומודע-גישה.

היכן התהליך נשבר

היכן הידע הארגוני נשבר

לפני ש-AI יכול לעזור, הידע צריך להיות נגיש, עדכני ומבוקר-גישה. אלה מצבי הכשל שיישום אמיתי בנוי כדי להסיר.

01

הידע מפוזר בין כלים

למהDrive, SharePoint, Notion, Confluence, הערות CRM, PDFs ו-SOPs — כל אחד מחזיק חלק; שום מערכת לא רואה אותם יחד.

מחיראנשים לא מוצאים את המקור הנכון — או סומכים על השגוי.

02

תשובות חיות בראש של אנשים

למההקשר קריטי הוא שבטי; הוא עוזב עם האדם ולא מגיע לעובדים חדשים.

מחירהפרעות חוזרות, קליטה איטית ונקודות כשל יחידות.

03

AI גנרי ממציא תשובות

למהמודל ללא ביסוס ממלא את הפערים בטקסט מתקבל-על-הדעת על העסק שלכם.

מחירתשובות בטוחות ובלתי-ניתנות-לאימות שאי אפשר לייחס למקור.

04

כולם רואים הכול

למהעוזר נאיבי מעל קבצים משותפים מתעלם ממי שמורשה לקרוא מה.

מחירתוכן חוזים, HR וכספים רגיש נחשף לאנשים הלא-נכונים.

05

מקורות מתיישנים

למהמסמכים משתנים אבל האינדקס לא; שום דבר לא עוקב אחר טריות או בעלות.

מחירהעוזר מצטט מדיניות מיושנת כאילו היא עדכנית.

06

אין דרך לדעת אם זה נכון

למהאין הערכה של איכות אחזור, דיוק ציטוטים או דליפת הרשאות.

מחיראי אפשר להחליט אם המערכת בטוחה להשקה.

מה Profitec בונה

מה קורה לשאלה אחת של עובד

אותו נתיב רץ על כל שאלה: זהות והרשאות נבדקות, המדיניות, ה-SOP ותהליך החוזה הרלוונטיים נשלפים, הראיות עוברות reranking וסף, והתשובה נוצרת רק מקטעים נתמכים — עם ציטוטים הקשורים למקור, או הודעה כנה "לא הצלחתי לאמת זאת ממקורות מאושרים" והפנייה לבעל העניין.

answer.lifecycle · examplegrounded or abstain

employee question

> What is the approval process for supplier contracts over $50k?

One employee question through an enterprise RAG system: identity and permissions are checked, the relevant policy, SOP, and contract workflow are retrieved, and an evidence gate reranks and thresholds the results — supported passages produce a grounded answer with citations, while insufficient evidence makes the assistant abstain and route the question to the legal or operations owner.01 · IDENTITY02 · RETRIEVE03 · EVIDENCE GATE04 · OUTCOMEIDENTITY + PERMSRBAC · SSO checkedRETRIEVEpolicy · SOP · contractEVIDENCE GATErerank · thresholdGROUNDED ANSWERsupported passages onlyCITATIONSpolicy § · workflow stepABSTAINcould not verifyROUTE TO OWNERlegal · operations

תרחישי שימוש

היכן צוותים מפעילים את זה ראשון

כל אחד מתחיל ממקורות מאושרים, רץ בתוך שכבת הבקרה, ומפיק תשובה מצוטטת ומודעת-גישה — או הימנעות כנה.

עוזר מדיניות פנימי

קלט
עובד שואל מה מדיניות מסוימת באמת דורשת.
מערכת
שולף את המדיניות העדכנית ואת הסעיף הרלוונטי, מבוסס ומצוטט.
בקרה
מודע-הרשאות; נמנע אם המדיניות אינה במקורות מאושרים.
פלט
תשובה נכונה ומצוטטת במקום ניחוש או הפרעה.

Copilot לתפעול ו-SOP

קלט
חבר צוות צריך את הנוהל הנכון למשימה.
מערכת
שולף את ה-SOP העדכני ואת השלב המדויק, עם המקור מצורף.
בקרה
גרסאות וטריות נמעקבות כך ששלבים מיושנים לא צצים.
פלט
ביצוע עקבי מהנוהל המאושר, בכל פעם.

עוזר קליטת עובדים

קלט
עובד חדש שואל היכן משהו נמצא או איך עושים אותו.
מערכת
עונה ממסמכי קליטה, מדיניות וויקי צוות.
בקרה
גישה מוגבלת לתפקיד ולצוות של העובד החדש.
פלט
קליטה מהירה יותר בלי להפריע לעמיתים.

שאלות ותשובות על חוזים ומסמכים

קלט
מישהו שואל על סעיף בין חוזים או מסמכים.
מערכת
שולף את הקטעים הרלוונטיים ועונה מתוכם, מצוטט.
בקרה
מוגבל לחוזים שהמשתמש רשאי לגשת אליהם; נמנע אחרת.
פלט
תשובות ניתנות-למעקב לסעיף המדויק, לא פרפרזה.

עוזר ידע לתמיכה

קלט
נציג צריך את התשובה המאומתת למקרה לקוח.
מערכת
שולף את מאמר התמיכה או ה-runbook העדכני, עם הציטוט.
בקרה
תשובות בעלות ביטחון נמוך מנותבות לאדם לפני שימוש.
פלט
תגובות מהירות ועקביות המעוגנות בידע מאושר.

צינור

איך המערכת נבנית ומופעלת

קלט
עיבוד
AI / לוגיקה
בקרה אנושית
פלט
מדידה
שלב 01

ביקורת ידע ומקורות

מיפוי מקורות, בעלים, רגישות וכללי גישה; בחירת ההיקף הראשון.

שלב 02

ניקוי מקורות וממשל

הסרת כפילויות, מבנה ורישום בעלים, טריות והרשאות לפני האינדוקס.

שלב 03

ארכיטקטורת אחזור

תכנון chunking, מטא-דאטה, hybrid search ו-reranking לעיגון מדויק.

שלב 04

אינדקס ו-embeddings

ניתוח, OCR, chunking, embedding וטעינת מקורות מאושרים ל-vector store.

שלב 05

שכבת ביסוס ומדיניות

הגדרת סף הראיות, קשירת ציטוטים, כללי הימנעות ובדיקות גישה.

שלב 06

מערך הערכה

בניית הערכה offline ו-live לאחזור, ציטוטים, ביסוס והרשאות.

שלב 07

השקה בתוך זרימת העבודה

מסירה ב-Slack, Teams, פורטל או דרך API עם כלי בדיקה והנחיות.

שלב 08

תצפיתיות ושמירה על עדכניות

ניטור כיסוי, טריות ושאלות ללא מענה; שמירה על עדכניות האינדקס.

ארכיטקטורת ייצור

איך מערכת RAG ארגונית עובדת בייצור

chunking, embeddings ו-vector database הם הכרחיים אך לא מספיקים. מערכת ייצור בנויה בשכבות — לכל אחת תפקיד, בדיקות וטיפול בכשלים — כך שהאחזור מדויק, התשובות מעוגנות והגישה נאכפת.

production.architecture · system mapcontrolled execution layer
  1. 01שכבת מקורות

    מסמכים, מדיניות, SOPs, רשומות CRM, פניות, ויקי, חוזים.

  2. 02שכבת ממשל מקורות

    בעלים, עדיפות מקור, רגישות נתונים, קצב עדכון, מיפוי גישה.

  3. 03שכבת ingestion

    סנכרונים מתוזמנים, webhooks, ניתוח, OCR, חילוץ, הסרת כפילויות.

  4. 04אינדקס ידע

    chunking סמנטי, היררכיית מסמכים, מטא-דאטה, embeddings, אחסון וקטורי.

  5. 05שכבת אחזור

    hybrid search, סינון מטא-דאטה, reranking, ספי רלוונטיות.

  6. 06שכבת תשובה

    הרכבת הקשר, ייצור מעוגן, ציטוטי תשובה, לוגיקת הימנעות.

  7. 07שכבת בקרה

    RBAC, SSO, הגבלות מקור, תורי בדיקה, רשומות ביקורת.

  8. 08שכבת הערכה

    recall אחזור, דיוק ציטוטים, ביסוס, בדיקות דליפת הרשאות, latency, טריות, ניתוח שאלות ללא מענה.

אינטגרציות

נבנה סביב הכלים שאתם כבר מפעילים.

מקורות

Google DriveSharePointNotionConfluenceהערות CRMPDFs

Vector DB

pgvectorPineconeWeaviateQdrant

מודלים

ClaudeGPTEmbeddingsRerankers

גישה

SSORBACהגבלות מקוריומני ביקורת

מסירה

SlackTeamsפורטל פנימיAPI

אוטומציה

n8nMakeAPIsWebhooks

הכלים הם להמחשה. האוטומציה מעוצבת סביב המערכות שאתם כבר משתמשים בהן, מחוברת דרך ממשקי API ושכבות תזמור כמו n8n ו-Make.

הערכה

אנחנו מעריכים את האחזור לפני שאנחנו מבקשים מעובדים לסמוך עליו.

כיסוי אחזור

/01

האם המקור הנכון מופיע בקבוצת התוצאות שנשלפה לשאלה?

דיוק ציטוטים

/02

האם הקטע המצוטט באמת תומך בתשובה שאליה הוא מצורף?

ביסוס (groundedness)

/03

האם התשובה נתמכת בראיות שנשלפו, בלי שום דבר מומצא?

שלמות הרשאות

/04

האם משתמש יכול לשלוף רק חומר שמותר לו לגשת אליו — נבדק, לא מונח?

איכות הימנעות

/05

האם העוזר מסרב כשהראיות אינן מספיקות, במקום לנחש?

טריות

/06

כמה מהר שינויי מקור מופיעים באינדקס הידע?

שכבת הבקרה

שכבת הבקרה סביב האחזור והייצור

האחזור והייצור רצים בתוך שכבת בקרה. הגישה נאכפת באחזור, כל תשובה מתועדת, ומקרים רגישים או בעלי ביטחון נמוך מנותבים לאדם לפני שסומכים עליהם.

אנחנו לא מבטיחים דיוק של 100% — זה היה לא-מקצועי. אנחנו מבטיחים משמעת הערכה: המערכת נמדדת על אחזור, דיוק ציטוטים, ביסוס ושלמות הרשאות, ונמנעת מתשובה כשהראיות חלשות.

control.planeactive
  • אחזור מודע-הרשאות

    RBAC ו-SSO ממופים לגישה ברמת המקור, כך שהאחזור מחזיר רק את מה שהמשתמש מורשה לראות.

    RBAC · SSO
  • רק מקורות מאושרים

    רישום מקורות מגדיר מה בהיקף, מי הבעלים וכמה טרי הוא חייב להיות.

    רישום מקורות
  • סף ראיות והימנעות

    מתחת לסף העוזר אומר שאינו יכול לאמת את התשובה, במקום לייצר אותה.

    הימנעות
  • ציטוט בכל תשובה

    כל תשובה נקשרת לסעיף המסמך או לשלב בתהליך שממנו הגיעה.

    ניתן-למעקב
  • תור בדיקה אנושית

    תשובות רגישות או בעלות ביטחון נמוך מנותבות לבעלים לבדיקה והסלמה.

    בדיקה אנושית
  • רשומות ביקורת

    שאלות, מקורות שנשלפו ותשובות מתועדים לבדיקה וביקורת.

    יומן ביקורת

מה אתם מקבלים

מה ההתקשרות מפיקה

לא דמו על תיקיית קבצים — שכבות הייצור שהופכות AI פנימי למדויק, מודע-גישה וניתן-למדידה.

01

רישום מקורות ומפת ממשל

בעלים, רגישות, טריות וגישה לכל מקור מחובר.

02

ארכיטקטורת אחזור

chunking, מטא-דאטה, hybrid search, reranking וספי רלוונטיות, מתועדים.

03

שכבת ביסוס ומדיניות

סף ראיות, קשירת ציטוטים, כללי הימנעות ובדיקות גישה.

04

מערך הערכה

הערכה offline ו-live לאחזור, דיוק ציטוטים, ביסוס ודליפת הרשאות.

05

חוויית העובד

מסירה ב-Slack, Teams, פורטל פנימי או דרך API, עם כלי בדיקה.

06

תצפיתיות ומסירה

דשבורדים לכיסוי, טריות ושאלות ללא מענה, בתוספת תיעוד.

למה זה לא צ'אטבוט על קבצים

RAG הוא לא "להעלות מסמכים ולהוסיף צ'אט".

הפער בין אב-טיפוס של סוף שבוע למערכת שעובדים יכולים לסמוך עליה הוא ההבדל בין שתי העמודות האלה — וזו הסיבה שהעלות אינה עלות של צ'אטבוט.

יישום ארגונייישום חלש
מקורותרישום מקורות ובעלותהעלאת PDFs אקראיים
אחזוראחזור היברידי ו-rerankingvector search בסיסי
תשובותתשובה קשורת-ראיות עם ציטוטיםתשובה גנרית
גישהאחזור מודע-הרשאותכולם רואים הכול
איכות תשובההערכה offline ו-liveאין בדיקות איכות תשובה
מצב כשלהימנעות, תור בדיקה, הסלמהאין מצב כשל
טריותניטור טריות ועדכונים מבוקריםהעלאה חד-פעמית

התאמה

היכן מערכת RAG ארגונית היא — ואינה — הבחירה הנכונה

מתאים ביותר

  • צוותים שהידע שלהם מפוזר בין Drive, SharePoint, Notion, Confluence, הערות CRM ו-PDFs
  • סביבות מפוקחות או רגישות שבהן כללי גישה וביקורת חשובים
  • צוותי תמיכה, תפעול וקליטה שעונים שוב ושוב על אותן שאלות
  • מנהלים שרוצים AI פנימי שאפשר להעריך ולסמוך עליו לפני השקה

בדרך כלל עדיין לא מתאים

  • חופן מסמכים ציבוריים שחיפוש פשוט כבר מכסה
  • צוותים שרוצים צ'אטבוט לא-מעוגן שעושה הכול ללא כללי גישה
  • ידע שאי אפשר לנקות, להחזיק בבעלות או לשמור עדכני באופן סביר
  • פרויקטים ללא נכונות להערכה או בדיקה אנושית

יישום

מסלול מבוקר מביקורת ועד ניטור.

01

ביקורת ומיפוי מקורות

מיפוי מקורות, בעלים, רגישות וכללי גישה; בחירת ההיקף הראשון.

02

ארכיטקטורה

תכנון אחזור, chunking, מטא-דאטה, embeddings, ה-vector store, ביסוס ומדיניות.

03

בנייה

ingestion ואינדוקס של מקורות מאושרים; חיווט כללי גישה, ציטוטים, הימנעות ובדיקה.

04

הערכה

הרצת הערכה offline ו-live לאחזור, ציטוטים, ביסוס והרשאות.

05

השקה

מסירה ב-Slack, Teams, פורטל או דרך API עם הנחיות בדיקה ותיעוד.

06

תפעול

ניטור כיסוי, טריות ושאלות ללא מענה; שמירה על עדכניות האינדקס.

שאלות נפוצות

מה צוותים שואלים לפני שמתחילים.

01מה זה RAG (retrieval-augmented generation)?

RAG היא גישה שבה עוזר AI שולף קטעים רלוונטיים מהמקורות המאושרים שלכם ועונה רק על בסיס התוכן שנשלף, במקום להסתמך על האימון הכללי של המודל. יישום ארגוני עוטף אותו בממשל מקורות, אחזור מודע-הרשאות, ציטוטים, הימנעות והערכה — כך שבטוח לסמוך עליו.

02במה זה שונה מצ'אטבוט על הקבצים שלנו?

צ'אטבוט על קבצים מעלה מסמכים ועונה מ-vector search בסיסי, ללא כללי גישה, ללא ציטוטים וללא מצב כשל. מערכת ארגונית מוסיפה רישום מקורות, אחזור היברידי ו-reranking, תשובות קשורות-ראיות עם ציטוטים, גישה מודעת-הרשאות, הימנעות כשהראיות חלשות, והערכה offline ו-live — ולכן היא עולה יותר מצ'אטבוט.

03האם הנתונים שלנו מאובטחים ומודעי-הרשאות?

כן. המקורות נשארים בתוך הסביבה המאושרת שלכם, האחזור אוכף כללי גישה כך שאנשים רואים רק את מה שמותר להם (נבדק כשלמות הרשאות), וכל תשובה מתועדת לביקורת. אנחנו מתכננים את הארכיטקטורה סביב דרישות האבטחה והסודיות שלכם.

04מה קורה כשהמערכת לא בטוחה?

היא נמנעת מתשובה. מתחת לסף הראיות העוזר אומר שלא הצליח לאמת את התשובה ממקורות מאושרים ומנתב את השאלה לבעל העניין הרלוונטי, במקום לייצר משהו מתקבל-על-הדעת אך בלתי-נתמך.

05איך אתם יודעים שזה מדויק לפני ההשקה?

אנחנו מעריכים את זה. לפני שעובדים מסתמכים על המערכת אנחנו מודדים כיסוי אחזור, דיוק ציטוטים, ביסוס, שלמות הרשאות, איכות הימנעות וטריות — וממשיכים למדוד אחרי ההשקה. אנחנו לא מבטיחים דיוק של 100%; אנחנו מבטיחים משמעת הערכה.

קשוראוטומציית תהליכים מבוססת AIממשל AI ותאימותנראות בחיפוש AIמקרי בוחןתובנות
השלב הבא

ראו את מערכת ה-RAG ששווה לבנות — ואיך תדעו שהיא אמינה.

סקירת ארכיטקטורת RAG ממפה את המקורות, כללי הגישה והשאלות שהצוות שואל הכי הרבה, ואז מראה את האחזור, הביסוס וההערכה ששווה לבנות ראשונים.

בקשת סקירת ארכיטקטורת RAGצפייה בכל השירותים
לא בטוחים מה לאוטמט קודם? שאלו אותי.
RAG ארגוני ו-AI פנימי — שכבת בקרת ידע מודעת-הרשאות | Profitec AI