El surgimiento de los Modelos de Lenguaje Grandes (LLMs) y la Generación Aumentada por Recuperación (RAG) ha abierto muchas vías para que las empresas aprovechen sus datos, pero también plantea el problema de conectar diferentes fuentes a una única interfaz de comunicación. El innovador en tecnología de recursos humanos Springworks se ha propuesto resolver este problema en profunda colaboración con Jina AI.
Este caso de estudio explora cómo Albus, la herramienta de productividad laboral de Springworks, utiliza Jina Embeddings y Reranker para permitirte interactuar con datos de diferentes aplicaciones.
tagConectando Todas tus Aplicaciones en una Única Herramienta
La digitalización actual ha provocado una explosión en las herramientas de colaboración laboral, creando un entorno donde la información está dispersa en múltiples plataformas aisladas. Los empleados a menudo tienen que buscar sin fin información que recuerdan haber leído en algún lugar, pero no pueden encontrar de nuevo, como resultados de una sesión de lluvia de ideas pasada o actas de una planificación sprint de la semana anterior. Esta fragmentación de la información crea barreras que disminuyen la productividad y aumentan la frustración. La IA generativa promete abordar este problema, creando sistemas de preguntas y respuestas con acceso a datos de múltiples fuentes, para que los empleados tengan una única fuente de respuestas. Para hacer esto, necesitamos una aplicación de IA que pueda acceder a todos estos silos de información e integrarlos.
tagSpringworks Albus al Rescate
Albus se integra con más de 100 aplicaciones laborales comúnmente utilizadas, incluyendo CRMs, sistemas de tickets, sistemas de gestión de recursos humanos y herramientas de gestión del conocimiento. Al aprovechar los modelos de Embedding y Reranker de última generación de Jina AI con un LLM para generar respuestas, Albus responde a las preguntas de los empleados después de analizar todas las fuentes conectadas y utilizar la información más relevante y actualizada. Los empleados ya no necesitan buscar en múltiples aplicaciones ni recordar nombres específicos de archivos y ubicaciones.
"Hemos evaluado casi todos los modelos de embeddings y reranker de última generación en nuestros benchmarks internos hechos a mano, y los modelos de Jina realmente destacan. Su tecnología no solo cumple, sino que supera las expectativas."
— Kartik Mandaville, fundador y CEO de Springworks
tagLa Columna Vertebral de la Solución de Springworks
Springworks está colaborando con Jina AI para desarrollar y mejorar iterativamente el sistema RAG avanzado de Albus. Albus recupera datos tanto estructurados como no estructurados. Un clasificador de IA decide si la solicitud de un usuario debe resolverse consultando una base de datos relacional o utilizando jina-colbert-v1-en para consultar datos no estructurados en una base de datos vectorial. Independientemente de la fuente, los resultados recuperados son luego reordenados usando jina-reranker-v1-base-en para encontrar la información más relevante para responder cualquier pregunta del usuario.
"El equipo de éxito del cliente de Jina AI ha jugado un papel crucial en la optimización del uso de estos modelos. Con sus respuestas rápidas y explicaciones detalladas, han simplificado nuestro proceso de implementación y mejorado enormemente nuestros resultados."
— Kartik Mandaville, fundador y CEO de Springworks
Como ejemplo, imaginemos que el usuario quiere usar Albus para consultar una base de datos de tickets de Jira, y hace la siguiente pregunta:
Which tickets were created since March about updating the Dockerfile
to use the latest Ubuntu version?El Clasificador de Consultas decide que esta consulta es más adecuada para una búsqueda estructurada ("since March" implica una consulta de filtro tradicional), y genera un equivalente en Jira Query Language, una variante SQL utilizada en Jira:
project = "BACKEND_API"
AND created >= "2023-03-01"
AND text ~ "dockerfile"
AND text ~ "Ubuntu"Esto devuelve un conjunto de tickets, y sus contenidos textuales se envían a jina-reranker-v1-base-en, junto con la consulta original en lenguaje natural. El Jina Reranker los reordena, y los textos de los tickets mejor clasificados se compilan con una plantilla en un prompt para un LLM. Esto crea una respuesta en lenguaje natural que se transmite al usuario.
Ahora, imaginemos que la solicitud era algo menos adecuado para una búsqueda estructurada:
How does the company's ESOP policy differ between senior management
and associate-level employees?El Clasificador de Consultas reconoce que esto es más adecuado para una búsqueda vectorial basada en embeddings y usa jina-colbert-v1-base-en para generar un embedding, que la base de datos vectorial compara con los tickets. Estos resultados se pasan a jina-reranker-v1-base-en con la consulta original, al igual que en el caso de búsqueda estructurada, y producen una respuesta en lenguaje natural mediante el mismo procedimiento.
tagImplementación Inmediata e Integración con Un Clic
Albus está diseñado para ser lo más fácil de usar posible. Puedes integrar tus aplicaciones de trabajo con un solo clic:
Albus estará funcionando en minutos, transformando todo tu lugar de trabajo en un único entorno de chat donde tu equipo puede encontrar cualquier información simplemente preguntando.
tagUna Nueva Frontera en el Intercambio de Conocimiento
Springworks ha creado una nueva forma para que las empresas accedan a sus datos y está destinado a convertirse en una herramienta de oficina de confianza. Al proporcionar una solución centralizada y potenciada por IA para la recuperación de información, Albus reduce el tiempo y el esfuerzo que los empleados dedican a buscar lo que necesitan. Gracias a Jina AI y la capacidad de la herramienta para integrarse con sistemas existentes y proporcionar respuestas precisas y contextualizadas, Albus hace que el conocimiento de la empresa sea más accesible que nunca.
Jina AI está comprometida a ofrecer modelos de la más alta calidad a las empresas a precios competitivos. Contáctenos a través de nuestro sitio web si también desea beneficiarse de nuestra experiencia en implementación y ofertas empresariales. Hable con nosotros directamente a través de nuestro canal de Discord para compartir sus comentarios y mantenerse al día con nuestros últimos modelos. Estamos perfeccionando nuestros productos cada día, y su opinión es crucial para nuestro proceso de desarrollo.
