دستیار هوشمند سازمانی پاسخ از اسناد خودتان، با نشانی سند یا یک «نمی‌دانم» صادقانه
دستیار هوشمند سازمانی نرم‌افزاری است که همکاران شما به زبان عادی از آن سؤال می‌پرسند و پاسخ را از آیین‌نامه‌ها، قراردادها و مستندات خود سازمان می‌گیرند، همراه با نشانی سندی که پاسخ از آن آمده. یوتا آن را طوری می‌سازد که اگر جواب در اسناد نباشد بگوید نمی‌دانم و هر نفر فقط سندهای مجاز خودش را ببیند.
- پاسخ با ارجاع به سند
- هر نفر، فقط سند مجاز خودش
- اگر نمی‌ارزد، همان اول میگوییم
دستیار هوشمند سازمانی چیست و چه فرقی با چت‌بات عمومی دارد؟
چت‌بات عمومی از چیزی جواب میدهد که پیش‌تر آموخته است. آیین‌نامهٔ مرخصی شما، آخرین نسخهٔ قرارداد فروش و دستورالعمل تعمیر دستگاه کارخانه را نمی‌شناسد، و وقتی نمیداند هم ممکن است جوابی مطمئن و غلط بنویسد. دستیار هوشمند سازمانی اول در اسناد خود سازمان می‌گردد و بعد از روی همان‌ها می‌نویسد.
سه فرق که در کار روزانه دیده میشود
منبع: پاسخ از سند تأییدشدهٔ سازمان میآید و کاربر می‌تواند خود سند را باز کند و بخواند. دسترسی: کارشناس فروش و مدیر مالی از یک دستیار می‌پرسند، ولی پاسخشان از یک مجموعه سند نمی‌آید. مسئولیت: معلوم است کدام سند معتبر است، چه کسی آن را بهروز میکند و پاسخ غلط را چه کسی پیگیری میکند.
دستیار سازمانی و چت بات سازمانی یکی نیستند
چت بات سازمانی معمولاً رو به مشتری است و به پرسشهای بیرون سازمان جواب میدهد. دستیار هوش مصنوعی سازمانی رو به همکاران است و با سندهایی کار میکند که بیرون سازمان دیده نمی‌شوند. فرق چت‌بات ساده با پاسخگوی متصل به دادهٔ شما را جدا در مقالهٔ پاسخگوی هوشمند یا چت‌بات؟ نوشته‌ایم.
هوش مصنوعی اختصاصی سازمان یعنی چه؟
هوش مصنوعی اختصاصی سازمان معمولاً به معنای ساختن یک مدل زبانی از صفر نیست و برای بیشتر سازمان‌ها چنین کاری نه لازم است و نه منطقی. آنچه اختصاصی میشود اسناد، قواعد، دسترسی‌ها و اتصال به سامانه‌های شماست. اگر کسی به شما «مدل اختصاصی» پیشنهاد کرد، بپرسید دقیقاً چه چیزی اختصاصی است و با تغییر یک سند چه اتفاقی می‌افتد. جواب همین پرسش خیلی چیزها را روشن میکند.
پاسخ از اسناد چطور ساخته میشود؟ RAG به زبان مدیر
به این روش RAG می‌گویند: بازیابی از اسناد و بعد نوشتن پاسخ. کارشناس تازه‌وارد و باهوشی را تصور کنید که چیزی را از حفظ نمی‌گوید و پیش از هر جواب به بایگانی می‌رود. جنبهٔ فنی‌تر را در مقالهٔ RAG سازمانی آورده‌ایم؛ برای تصمیم مدیریتی، همین شش گام کافی است.
انتخاب اسناد معتبر
تعیین میشود چه سندهایی وارد شوند و کدام نسخه معتبر است. این گام از همهٔ گام‌های بعدی بیشتر روی کیفیت پاسخ اثر می‌گذارد.
تکه‌تکه‌کردن و فهرست‌کردن
سندها به بخشهای معنادار تقسیم و فهرست می‌شوند؛ شبیه فهرست آخر کتاب، با این فرق که دنبال معنا هم می‌گردد و فقط به کلمهٔ دقیق بند نیست.
شناختن پرسشگر
پیش از جست‌وجو معلوم میشود چه کسی می‌پرسد و اجازهٔ دیدن چه سندهایی را دارد. جست‌وجو فقط در همان محدوده انجام میشود.
یافتن بخشهای مرتبط
از میان سندهای مجاز، چند بخشی که بیشترین ربط را به پرسش دارند بیرون کشیده می‌شوند. اگر این بخش‌ها اشتباه باشند، بهترین مدل هم جواب غلط میدهد.
نوشتن پاسخ از روی همان بخش‌ها
مدل زبانی همان بخش‌ها را میخواند و پاسخ را به فارسی روان می‌نویسد. اسناد شما به این ترتیب خوانده می‌شوند و مدل با آن‌ها آموزش نمی‌بیند.
ارجاع یا «نمی‌دانم»
پاسخ با نشانی سند برمی‌گردد و اگر چیزی پیدا نشد، دستیار همین را میگوید. این روش خطا را کم میکند ولی به صفر نمی‌رساند؛ به همین دلیل ارجاع اهمیت دارد.
کاربرد دستیار در واحدهای سازمان
دستیار وقتی به درد می‌خورد که پرسش تکراری باشد، جوابش در سندی نوشته شده باشد و پیداکردنش وقت بگیرد. این‌ها نمونه‌هایی برای سنجیدن کار خودتان‌اند، نه گزارش پروژه‌های انجام‌شده.
منابع انسانی
«برای مرخصی بدون حقوق چه باید بکنم؟» پاسخ از آیین‌نامه میآید. پروندهٔ شخصی همکاران وارد این دستیار نمی‌شود و مورد استثنا به کارشناس می‌رسد.
فروش و بازرگانی
«این مدل با چه شرایطی گارانتی دارد؟» پاسخ از کاتالوگ و شرایط فروش جاری میآید. قیمت نهایی، تخفیف و تعهد تحویل همچنان با فروشنده است.
پشتیبانی
کارشناس تازه‌کار راه حل مشکل تکراری را از راهنماهای داخلی می‌پرسد و پیشنویس جواب میگیرد. او جواب را میخواند و خودش برای مشتری می‌فرستد.
فنی و عملیات
«رویهٔ بازرسی این تجهیز چیست؟» پاسخ از دستورالعمل و مشخصات فنی معتبر میآید. ارجاع نشان میدهد پاسخ از کدام نسخهٔ سند خوانده شده است.
حقوقی و قراردادها
«در قراردادهای این گروه، بند فسخ چه میگوید؟» دستیار بند را پیدا و خلاصه میکند. نظر حقوقی نمی‌دهد و تصمیم با کارشناس حقوقی می‌ماند.
مدیریت
مدیر به‌جای بازکردن چند گزارش می‌پرسد «مصوبهٔ جلسهٔ قبل دربارهٔ این پروژه چه بود؟» و خلاصه را همراه با نشانی صورت‌جلسه میگیرد.
چه موقع دستیار سازمانی نمی‌ارزد و راه مناسب شما کدام است؟
دستیار برای هر سازمانی راه درست نیست. اگر همکاران کم‌اند، سندها آشفته‌اند یا کسی وقت بازبینی پاسخ را ندارد، پول را جای دیگری خرج کنید. چهار ردیف اول حالت‌هایی است که نمی‌ارزد یا هنوز زود است و بقیه نشان میدهد کدام مسیر به کار شما نزدیک‌تر است.
| وضعیت سازمان | راه مناسب | چرا |
|---|---|---|
| تیم کوچک، سندهای کم و پرسشهای محدود | یک راهنمای مکتوب و جست‌وجوی ساده | نمی‌ارزد. وقتی همه می‌دانند جواب کجاست، دستیار چیزی به کار اضافه نمی‌کند. |
| سندها پراکنده‌اند، نسخه‌ها با هم نمی‌خوانند و مالک ندارند | اول نظم‌دادن به اسناد | هنوز نمی‌ارزد. دستیار همان آشفتگی را سریع‌تر و با لحن مطمئن‌تر تکرار میکند. |
| پاسخ غلط خطر جدی دارد و کسی وقت بازبینی ندارد | کارشناس؛ دستیار فقط برای پیشنویس | بدون آدم بازبین نمی‌ارزد. در چنین کاری هیچ دقتی جای مسئول پاسخ را نمی‌گیرد. |
| فرایندها روی کاغذ است و سامانه‌ای وجود ندارد | نرم‌افزار سفارشی | زود است. گره اصلی نبود سامانه است، نه پیدانکردن پاسخ. |
| همکاران مدام از هم می‌پرسند یا در آیین‌نامه و مستندات می‌گردند و سندها نسبتاً مرتب‌اند | دستیار هوشمند سازمانی | جای درستش همین‌جاست: جواب نوشته شده، ولی پیداکردنش وقت میگیرد. |
| پرسشها از طرف مشتری و روی سایت و پیام‌رسان میآید | چت بات سازمانی | مخاطب بیرون سازمان است و دانش عمومی شرکت کافی است. |
| باید کاری انجام شود: ثبت سرنخ، پیش‌فاکتور یا نوبت | ایجنت هوش مصنوعی برای کسب‌وکار | نیاز شما اقدام در سامانه است، نه فقط پاسخ. |
| تلفن دفتر گلوگاه شده و تماس‌ها بی‌جواب می‌مانند | منشی تلفنی هوش مصنوعی | مسئله در کانال تلفن است و راه‌حلش هم همان‌جاست. |
| فاکتور، رسید و فرم هنوز دستی وارد میشود | پردازش اسناد، فاکتور و فرم | کار اصلی خواندن و ثبت است، نه پرسش و پاسخ. |
| داده در پنل یا نرم‌افزار موجود است و مرتب هم هست | لایهٔ هوش مصنوعی روی نرم‌افزار موجود | پرسش از رکوردهای ساختاریافته راه دیگری می‌خواهد و نیازی به بازنویسی نرم‌افزار نیست. |
این دستیار چه کاری میکند و چه کاری نمی‌کند
انجام میدهد
- به پرسش فارسی از روی سندهای تعیین‌شده پاسخ میدهد.
- نشانی سند و بخشی را که پاسخ از آن آمده نشان میدهد.
- چند بخش از یک یا چند سند را خلاصه و کنار هم می‌گذارد.
- پیشنویس می‌نویسد تا همکار شما بخواند، اصلاح کند و بفرستد.
- وقتی جواب در سندها نیست، میگوید نمیداند و مسیر پرسیدن از آدم را نشان میدهد.
انجام نمی‌دهد
- جای کارشناس را نمی‌گیرد و به‌جای او تصمیم نمی‌گیرد.
- از سندی که وارد نشده یا بهروز نشده، خبر ندارد.
- تعهد مالی و حقوقی نمی‌دهد و نظر نهایی حقوقی یا پزشکی صادر نمی‌کند.
- در سامانه‌های شما چیزی را تغییر نمی‌دهد؛ اگر اقدام لازم است، ایجنت جداگانه تعریف میشود.
- اسناد آشفته را خودبه‌خود مرتب نمی‌کند و تناقض آن‌ها را هم حل نمی‌کند.
کیفیت پاسخ بیشتر از نظم اسناد میآید، نه از مدل
گفت‌وگو دربارهٔ هوش مصنوعی معمولاً به اسم مدل می‌رسد، ولی در این نوع پروژه گره اصلی جای دیگری است. اگر از آیین‌نامهٔ مرخصی سه نسخه در بایگانی باشد، مدل ممکن است از نسخهٔ قدیمی جواب بدهد و ارجاع هم درست باشد؛ چون سند واقعاً همان را گفته است. عوض‌کردن مدل این مشکل را حل نمی‌کند. پس پیش از هر برآوردی، این پنج پرسش را از سازمان خودتان بپرسید.
نسخهٔ معتبر کدام است؟
برای هر موضوع باید یک سند معتبر معلوم باشد. نسخه‌های منسوخ و پیش‌نویس‌ها یا کنار می‌روند یا برچسب می‌خورند.
مالک هر سند کیست؟
اگر کسی مسئول بهروز ماندن یک سند نباشد، دستیار بعد از مدتی از روی اطلاعات کهنه جواب میدهد.
سندها خواندنی‌اند؟
فایل متنی راحت خوانده میشود. نامهٔ اسکن‌شده، دست‌نوشته و جدول‌های پیچیده کار بیشتری می‌خواهند و کیفیت خواندنشان را روی نمونهٔ واقعی می‌سنجیم.
پرسشهای واقعی چه هستند؟
با واحد مربوط، فهرستی از پرسشهای پرتکرار و جواب درستشان می‌نویسیم. همین فهرست معیار سنجش دستیار میشود، نه نظر فروشنده.
چه چیزی نباید وارد شود؟
سندهای محرمانه، پرونده‌های شخصی و هر چیزی که جایی در دستیار ندارد باید از ابتدا مشخص شود. کمتر و مرتب‌تر معمولاً نتیجهٔ بهتری میدهد.
دسترسی و امنیت: هر نفر فقط سندی را ببیند که اجازه دارد
این چهار اصل را جزو طراحی هر دستیار هوش مصنوعی سازمانی می‌دانیم. نحوهٔ اجرای هر کدام به سامانه‌ها و ساختار سازمان شما بستگی دارد و آن را در نیازسنجی بررسی میکنیم.
مجوز پیش از جست‌وجو
سند غیرمجاز نباید اصلاً به دست مدل برسد. نوشتن جملهٔ «اطلاعات محرمانه را نگو» در دستور مدل جای کنترل دسترسی را نمی‌گیرد. اتصال به نقش‌های سامانهٔ فعلی شما را در نیازسنجی بررسی میکنیم.
ارجاع قابل بررسی
پاسخ بدون نشانی سند، در سازمان ارزش چندانی ندارد. کاربر باید بتواند با یک نگاه ببیند جمله از کجا آمده و خودش آن را بخواند.
«نمی‌دانم» صادقانه
دستیاری که همیشه جواب دارد خطرناک است. اگر پرسش از سندها بیرون باشد، باید همین را بگوید و کاربر را به آدم مسئول برساند.
تصمیم با آدم
دستیار پیدا میکند، خلاصه میکند و پیشنویس می‌نویسد. امضا، تعهد و تصمیم با همکار شماست. دامنهٔ ثبت پرسشها و پاسخ‌ها برای پیگیری خطا را هم در نیازسنجی تعیین میکنیم.
مسیر داده و محدودیت‌های ایران
در ایران انتخاب مسیر پردازش یک تصمیم واقعی است و نباید پنهان بماند. مسیر بین‌المللی به اینترنت بیرون از کشور وابسته است و مسیر داخلی کیفیت پایین‌تری دارد. این دو مسیر را با سندها و پرسشهای خودتان می‌سنجیم. میزبانی روی سرور خود سازمان هم قابل بررسی در نیازسنجی است، نه تعهد پیشفرض. پنج جملهٔ زیر عیناً در قرارداد میآید.
اطلاعاتِ شخصیِ مشتریانِ شما پیش از هر پردازش حذف یا پوشیده میشود.
دادهٔ کاری فقط برای پاسخ‌دادن به همان درخواست استفاده میشود و برای آموزشِ هیچ مدلی به کار نمی‌رود.
در قرارداد می‌نویسیم چه داده‌ای، برای چه کاری و از چه مسیری پردازش میشود.
اگر داده‌تان حساس است، مسیرِ پردازشِ داخلِ ایران با کیفیتِ پایینتر هم داریم.
در قطعیِ اینترنتِ بین‌الملل، سیستم درخواست‌ها را در صف نگه می‌دارد و با پیامک اطلاع میدهد تا کارشناس پیگیری کند.
روند اجرا: از یک واحد شروع میکنیم، نه از کل سازمان
برای نگاه کلان‌تر، مقالهٔ پیاده‌سازی هوش مصنوعی در سازمان را بخوانید. اینجا فقط مسیر همین دستیار آمده است.
نیازسنجی
یک واحد و یک دسته پرسش را انتخاب میکنیم. اگر به این نتیجه برسیم که نمی‌ارزد، همین‌جا میگوییم.
بررسی اسناد و دسترسی‌ها
نمونهٔ واقعی سندها را می‌بینیم، نسخهٔ معتبر و مالک هر سند را مشخص میکنیم و می‌نویسیم چه کسی چه چیزی را ببیند.
نوشتن معیار پذیرش
پیش از ساخت، با همان واحد فهرست پرسشها و جواب‌های درست را می‌نویسیم تا معلوم باشد نتیجه را با چه چیزی می‌سنجیم.
ساخت نسخهٔ آزمایشی
دستیار را روی همان مجموعه سند می‌سازیم و مسیر پردازش مناسب را با دادهٔ واقعی انتخاب میکنیم.
آزمون مکتوب
کارشناس یوتا پرسشهای عادی، پرسشهای بی‌جواب و تلاش برای دیدن سند غیرمجاز را آزمون میکند و همکاران واحد خروجی را می‌سنجند.
اجرا، گزارش ماهانه و گسترش
گزارش مصرف و کارکرد هر ماه می‌رسد و پرسشهای بی‌جواب نشان می‌دهند کدام سند کم است. واحد بعدی بعد از نتیجهٔ همین واحد اضافه میشود.
تجربهٔ خودمان؛ کیس مشتری با نام نداریم
هنوز پروژهٔ هوش مصنوعی با نام مشتری برای نشان‌دادن نداریم و نمونهٔ ساختگی هم نمی‌سازیم. شاهد ما کارهایی است که در مجموعهٔ خودمان ساخته‌ایم. این‌ها عیناً دستیار اسناد نیستند، ولی همان قواعد را در عمل به ما یاد داده‌اند.
ایجنت‌ها در دفتر یوتا
پیش‌بررسی سایت هر سرنخ پیش از جلسهٔ فروش، گزارش وضعیت پروژه‌ها برای مدیران و پیشنویس پروپوزال. قاعدهٔ ما ساده است: ایجنت پیشنویس میکند، آدم تصمیم میگیرد.
دستیار یوتا روی همین سایت
زنده است و می‌توانید همین حالا با آن حرف بزنید. پرسش سخت هم بپرسید تا خودتان ببینید کجا جواب میدهد و کجا نه.
پنل داخلی خودمان
امتیازدهی سرنخ و پیشنویس پاسخ تیکت، سرویس‌های هوش مصنوعی داخل پنل خود یوتا هستند، نه محصولی برای نمایش.
منشی تلفنی روی خط دفتر
منشی تلفنی هوش مصنوعی را با تماس واقعی آزموده‌ایم. اگر سرور منشی در دسترس نباشد، مثلاً در قطعی اینترنت بین‌الملل، تماس مستقیم به موبایل همکار می‌رود؛ مسیر جایگزین باید از روز اول طراحی شود.
یوتاپن و روکا
یوتاپن دروازهٔ API مدل‌های زبانی با پرداخت تومانی است. روکا، CRM ابری ما، بعد از هر تماس فروش پیشنویس خلاصه میدهد و فروشنده تأیید میکند.
تیم پشت کار
مهدی بشیرپور، مدیرعامل یوتا، حدود هجده سال در توسعهٔ نرم‌افزار کار کرده و تمرکز امروزش روی LLM، RAG و ایجنت است. یوتا نام تجاری شرکت دانش‌بنیان تیوان هوشمند چیتاست.
هزینهٔ دستیار هوشمند سازمانی از چه تشکیل میشود؟
دستیار سازمانی بستهٔ آماده‌ای با یک قیمت نیست. بسته به اینکه روی چه سندها و چه سامانه‌ای کار میکند، از یک یا چند قابلیت زیر ساخته میشود. تعداد منبع داده، پیچیدگی دسترسی‌ها و خواندنی‌بودن سندها جای شما را در این بازه‌ها تعیین میکند.
دستیار داخلیِ پرسنل
هستهٔ کار: دستیاری برای همکاران که از سندها و سوابق داخلی شما جواب میدهد و پیشنویس می‌نویسد.
- ساخت و راه‌اندازی
- ۱۲۰ تا ۲۰۰ میلیون تومان
- هزینهٔ ماهانه
- ۴ تا ۸ میلیون تومان
- زمان تحویل
- ۱۵ تا ۳۰ روز کاری
پردازشِ اسناد، فاکتور و فرم
وقتی بخش مهمی از سندها اسکن‌شده است و پیش از هر پرسشی باید خوانده و ساختارمند شود.
- ساخت و راه‌اندازی
- ۹۰ تا ۱۷۰ میلیون تومان
- هزینهٔ ماهانه
- ۳ تا ۷ میلیون تومان
- زمان تحویل
- ۱۵ تا ۳۰ روز کاری
لایهٔ هوش مصنوعی روی نرم‌افزارِ موجود
وقتی پاسخ باید از داخل پنل یا نرم‌افزاری بیاید که همین حالا دارید، بدون بازنویسی آن.
- ساخت و راه‌اندازی
- ۷۵ تا ۲۰۰ میلیون تومان
- هزینهٔ ماهانه
- ۳ تا ۸ میلیون تومان
- زمان تحویل
- ۲۰ تا ۴۵ روز کاری
همهٔ قیمت‌ها به میلیون تومان و بازه‌ای‌اند؛ عدد قطعی بعد از جلسهٔ ۲۰ دقیقهٔ نیازسنجی. همهٔ قابلیت‌ها و بسته‌ها در کاتالوگ هوشمندسازی آمده است. اینکه کدام ترکیب برای شما لازم است و اصلاً لازم است یا نه، در نیازسنجی روشن میشود.
پرسشهای متداول دربارهٔ دستیار هوشمند سازمانی
از کجا بفهمیم دستیار برای سازمان ما میارزد؟
سه نشانه را ببینید: پرسشها تکراریاند، جوابشان در سند نوشته شده و پیداکردن جواب وقت کارشناسها را میگیرد. اگر یکی از این سه نیست، احتمالاً راه سادهتری دارید. جدول تصمیم همین صفحه راه مناسب هر وضعیت را نشان میدهد.
برای شروع باید همهٔ اسناد سازمان آماده باشد؟
نه. از سندهای یک واحد و یک دسته پرسش شروع کنید. واردکردن همهٔ بایگانی در روز اول معمولاً کیفیت پاسخ را پایین می‌آورد، چون نسخه‌های قدیمی و متناقض هم وارد جست‌وجو می‌شوند.
مدل با اسناد ما آموزش داده میشود؟
نه. در روش RAG مدل هنگام پاسخ فقط بخشهای مرتبط را میخواند و اسناد برای آموزش هیچ مدلی به کار نمیروند. وقتی سندی عوض شد، فهرست آن بهروز میشود و نیازی به آموزش دوباره نیست. برای همین هوش مصنوعی اختصاصی سازمان با ساختن مدل جداگانه یکی نیست.
میشود دستیار را روی سرور خودمان نصب کرد؟
این را در نیازسنجی بررسی میکنیم و تعهد پیشفرض ما نیست. جواب به حساسیت داده، زیرساخت موجود و کیفیت قابلقبول برای شما بستگی دارد. اجرای مدل روی سرور سازمان، هزینهٔ سختافزار و نگهداری هم دارد و این را باید پیش از تصمیم دید.
کیفیت مسیر داخل ایران چقدر پایینتر است؟
عدد کلی برای آن نمیدهیم، چون به نوع سند و پرسش بستگی دارد. کار درست این است که همان فهرست پرسشهای واقعی شما روی هر دو مسیر آزموده شود. اگر نتیجهٔ مسیر داخلی برای کارتان کافی نبود، همین را صریح میگوییم.
دستیار جای کارشناسهای ما را میگیرد؟
نه. هدف، کمکردن وقتی است که صرف گشتن در سندها میشود، تا کارشناس به تصمیم و کار اصلی برسد. پیشنویس و خلاصه از دستیار میآید و تصمیم با آدم است.
چطور کیفیت دستیار را بسنجیم؟
پیش از ساخت، فهرستی از پرسشهای واقعی و جواب درستشان بنویسید. بعد سه چیز را بسنجید: پاسخ درست است، ارجاع واقعاً همان پاسخ را تأیید میکند و دستیار وقتی جواب ندارد، میگوید نمیداند. یک پرسش را هم با دو کاربر با دسترسی متفاوت امتحان کنید.
چرا نمونه‌کار با نام مشتری نشان نمی‌دهید؟
چون در هوش مصنوعی هنوز کیس منتشرشده با نام مشتری نداریم و نمی‌خواهیم نمونهٔ ساختگی بنویسیم. به‌جایش تجربهٔ خودمان را گفته‌ایم و دستیار یوتا روی همین سایت در دسترس شماست تا خودتان امتحانش کنید.
پیش از خرید، بسنجید که برای شما میارزد یا نه
در جلسهٔ نیازسنجی سندها و پرسشهای یک واحد را با هم نگاه میکنیم. اگر هنوز زود است یا راه سادهتری دارید، همان‌جا میگوییم.
مشاورین ما در سریع‌ترین زمان
با شما تماس می‌گیرند.