L'avènement des Grands Modèles de Langage (LLM) et de la Génération Augmentée par Recherche (RAG) a ouvert de nombreuses perspectives aux entreprises pour exploiter leurs données, tout en posant le problème de la connexion de différentes sources à une interface de communication unique. L'innovateur HR-tech Springworks s'est donné pour mission de résoudre ce problème en collaboration étroite avec Jina AI.
Cette étude de cas explore comment Albus, l'outil de productivité professionnelle de Springworks, utilise Jina Embeddings et Reranker pour vous permettre d'interagir avec les données provenant de différentes applications.
tagConnecter toutes vos applications à un outil unique
La digitalisation actuelle a entraîné une explosion des outils de collaboration professionnelle, créant un environnement où l'information est dispersée sur plusieurs plateformes isolées. Les employés doivent souvent chercher sans fin des informations dont ils se souviennent avoir lues quelque part, mais qu'ils ne retrouvent plus, comme les résultats d'une séance de brainstorming passée ou les comptes-rendus d'une planification sprint de la semaine précédente. Cette fragmentation de l'information crée des obstacles qui diminuent la productivité et augmentent la frustration. L'IA générative promet de résoudre ce problème en créant des systèmes de questions-réponses avec accès à des données multi-sources, afin que les employés disposent d'une source unique de réponses. Pour cela, nous avons besoin d'une application d'IA capable d'accéder à tous ces silos d'informations et de les intégrer.
tagSpringworks Albus à la rescousse
Albus s'intègre à plus de 100 applications professionnelles couramment utilisées, incluant les CRM, les systèmes de ticketing, les systèmes de gestion des ressources humaines et les outils de gestion des connaissances. En exploitant les modèles Embedding et Reranker de pointe de Jina AI avec un LLM pour générer des réponses, Albus répond aux questions des employés après avoir analysé toutes les sources connectées et utilisé les informations les plus pertinentes et à jour. Les employés n'ont plus besoin de chercher dans plusieurs applications ou de se souvenir de noms de fichiers et d'emplacements spécifiques.
« Nous avons évalué presque tous les modèles d'embeddings et de reranking de pointe sur nos benchmarks internes développés sur mesure, et les modèles de Jina se démarquent vraiment. Leur technologie non seulement répond aux attentes, mais les dépasse. »
— Kartik Mandaville, fondateur et CEO de Springworks
tagL'épine dorsale de la solution Springworks
Springworks collabore avec Jina AI pour développer et améliorer de manière itérative le système RAG avancé d'Albus. Albus récupère à la fois des données structurées et non structurées. Un classificateur IA décide si la requête d'un utilisateur doit être résolue en interrogeant une base de données relationnelle ou en utilisant jina-colbert-v1-en pour interroger des données non structurées dans une base de données vectorielle. Quelle que soit la source, les résultats récupérés sont ensuite reclassés à l'aide de jina-reranker-v1-base-en pour trouver les informations les plus pertinentes pour répondre à toute question de l'utilisateur.
« L'équipe de support client de Jina AI a joué un rôle crucial dans l'optimisation de notre utilisation de ces modèles. Avec leurs réponses rapides et leurs explications détaillées, ils ont simplifié notre processus d'implémentation et grandement amélioré nos résultats. »
— Kartik Mandaville, fondateur et CEO de Springworks
Par exemple, imaginons que l'utilisateur veuille utiliser Albus pour interroger une base de données de tickets Jira, et pose la question suivante :
Which tickets were created since March about updating the Dockerfile
to use the latest Ubuntu version?Le Query Classifier décide que cette requête est mieux adaptée à une recherche structurée (« since March » implique une requête de filtre traditionnelle), et génère un équivalent en Jira Query Language, une variante SQL utilisée dans Jira :
project = "BACKEND_API"
AND created >= "2023-03-01"
AND text ~ "dockerfile"
AND text ~ "Ubuntu"Cela renvoie un ensemble de tickets, et leurs contenus textuels sont envoyés à jina-reranker-v1-base-en, avec la requête en langage naturel d'origine. Le Jina Reranker les réordonne, et les textes des tickets les mieux classés sont compilés avec un template dans un prompt pour un LLM. Cela crée une réponse en langage naturel transmise à l'utilisateur.
Maintenant, imaginons que la demande soit moins adaptée à une recherche structurée :
How does the company's ESOP policy differ between senior management
and associate-level employees?Le Query Classifier reconnaît que cela est mieux adapté à une recherche vectorielle basée sur les embeddings et utilise jina-colbert-v1-base-en pour générer un embedding, que la base de données vectorielle fait correspondre avec les tickets. Ces résultats sont transmis à jina-reranker-v1-base-en avec la requête d'origine, comme dans le cas de la recherche structurée, et produisent une réponse en langage naturel via la même procédure.
tagDéploiement immédiat et intégration en un clic
Albus est conçu pour être aussi convivial que possible. Vous pouvez intégrer vos applications professionnelles en un seul clic :
Albus sera opérationnel en quelques minutes, transformant tout votre espace de travail en un environnement de chat unique où votre équipe peut trouver n'importe quelle information simplement en posant une question.
tagUne nouvelle frontière dans le partage des connaissances
Springworks a créé une nouvelle façon pour les entreprises d'accéder à leurs données et est en passe de devenir un outil de bureau de confiance. En fournissant une solution centralisée et alimentée par l'IA pour la recherche d'informations, Albus réduit le temps et l'effort que les employés consacrent à rechercher ce dont ils ont besoin. Grâce à Jina AI et à la capacité de l'outil à s'intégrer aux systèmes existants et à fournir des réponses précises et contextuelles, Albus rend les connaissances de l'entreprise plus accessibles que jamais.
Jina AI s'engage à fournir aux entreprises des modèles de la plus haute qualité à des prix compétitifs. Contactez-nous via notre site web si vous souhaitez également bénéficier de notre expertise en implémentation et de nos offres pour entreprises. Échangez directement avec nous via notre canal Discord pour partager vos commentaires et rester informé de nos derniers modèles. Nous améliorons nos produits chaque jour, et vos retours sont essentiels à notre processus de développement.
