L'avvento dei Large Language Models (LLMs) e della Retrieval Augmented Generation (RAG) ha aperto molte strade per le aziende per sfruttare i propri dati, ma pone anche il problema di collegare diverse fonti a un'unica interfaccia di comunicazione. L'innovatore HR-tech Springworks si è posto l'obiettivo di risolvere questo problema in stretta collaborazione con Jina AI.
Questo caso studio esplora come Albus, lo strumento di produttività per il posto di lavoro di Springworks, utilizza Jina Embeddings e Reranker per permetterti di interagire con i dati provenienti da diverse applicazioni.
tagCollegare Tutte le Tue App a un Unico Strumento
La digitalizzazione di oggi ha portato a un'esplosione di strumenti di collaborazione sul posto di lavoro, creando un ambiente in cui le informazioni sono disperse su piattaforme multiple e isolate. I dipendenti spesso devono cercare all'infinito informazioni che ricordano di aver letto da qualche parte, ma che non riescono a ritrovare, come i risultati di una sessione di brainstorming passata o i verbali di una pianificazione sprint della settimana precedente. Questa frammentazione delle informazioni crea barriere che diminuiscono la produttività e aumentano la frustrazione. L'AI generativa promette di affrontare questo problema, creando sistemi di domande e risposte con accesso a dati provenienti da più fonti, così che i dipendenti abbiano un'unica fonte per le risposte. Per fare questo, abbiamo bisogno di un'applicazione AI che possa accedere a tutti questi silos di informazioni e integrarli.
tagSpringworks Albus al Soccorso
Albus si integra con oltre 100 applicazioni comunemente utilizzate sul posto di lavoro, inclusi CRM, sistemi di ticketing, sistemi di gestione delle risorse umane e strumenti di gestione della conoscenza. Sfruttando i modelli all'avanguardia di Embedding e Reranker di Jina AI con un LLM per generare risposte, Albus risponde alle domande dei dipendenti dopo aver analizzato tutte le fonti connesse e utilizzando le informazioni più rilevanti e aggiornate. I dipendenti non devono più cercare in multiple app o ricordare nomi di file specifici e posizioni.
"Abbiamo valutato quasi tutti i modelli di embedding e reranker allo stato dell'arte sui nostri benchmark interni aziendali creati ad hoc, e i modelli di Jina si distinguono veramente. La loro tecnologia non solo soddisfa ma supera le aspettative."
— Kartik Mandaville, fondatore e CEO di Springworks
tagLa Spina Dorsale della Soluzione di Springworks
Springworks sta collaborando con Jina AI per sviluppare e migliorare iterativamente il sistema RAG avanzato di Albus. Albus recupera sia dati strutturati che non strutturati. Un classificatore AI decide se una richiesta dell'utente deve essere risolta interrogando un database relazionale o utilizzando jina-colbert-v1-en per interrogare dati non strutturati in un database vettoriale. Indipendentemente dalla fonte, i risultati recuperati vengono poi riordinati utilizzando jina-reranker-v1-base-en per trovare le informazioni più rilevanti per rispondere a qualsiasi domanda dell'utente.
"Il team di successo clienti di Jina AI ha svolto un ruolo cruciale nell'ottimizzare il nostro utilizzo di questi modelli. Con le loro risposte rapide e le spiegazioni approfondite, hanno semplificato il nostro processo di implementazione e migliorato notevolmente i nostri risultati."
— Kartik Mandaville, fondatore e CEO di Springworks
Come esempio, immaginiamo che l'utente voglia utilizzare Albus per interrogare un database di ticket Jira, e chieda quanto segue:
Which tickets were created since March about updating the Dockerfile
to use the latest Ubuntu version?Il Query Classifier decide che questa query è più adatta per una ricerca strutturata ("since March" implica una query di filtro tradizionale), e genera un equivalente in Jira Query Language, una variante SQL utilizzata in Jira:
project = "BACKEND_API"
AND created >= "2023-03-01"
AND text ~ "dockerfile"
AND text ~ "Ubuntu"Questo restituisce un set di ticket, e i loro contenuti testuali vengono inviati a jina-reranker-v1-base-en, insieme alla query in linguaggio naturale originale. Il Jina Reranker li riordina, e i testi dei ticket con il ranking più alto vengono compilati con un template in un prompt per un LLM. Questo crea una risposta testuale in linguaggio naturale trasmessa all'utente.
Ora, immaginiamo che la richiesta fosse qualcosa di meno adatto a una ricerca strutturata:
How does the company's ESOP policy differ between senior management
and associate-level employees?Il Query Classifier riconosce che questo è più adatto a una ricerca vettoriale basata su embedding e utilizza jina-colbert-v1-base-en per generare un embedding, che il database vettoriale abbina ai ticket. Questi risultati vengono passati a jina-reranker-v1-base-en con la query originale, proprio come nel caso della ricerca strutturata, e producono una risposta in linguaggio naturale attraverso la stessa procedura.
tagImplementazione Immediata e Integrazione con Un Click
Albus è progettato per essere il più user-friendly possibile. Puoi integrare le tue app di lavoro con un singolo click:
Albus sarà operativo in pochi minuti, trasformando l'intero posto di lavoro in un unico ambiente di chat dove il tuo team può trovare qualsiasi informazione semplicemente chiedendo.
tagUna Nuova Frontiera nella Condivisione della Conoscenza
Springworks ha creato un nuovo modo per le aziende di accedere ai propri dati e si sta preparando a diventare uno strumento d'ufficio affidabile. Fornendo una soluzione centralizzata e basata sull'AI per il recupero delle informazioni, Albus riduce il tempo e lo sforzo che i dipendenti spendono cercando ciò di cui hanno bisogno. Grazie a Jina AI e alla capacità dello strumento di integrarsi con i sistemi esistenti e fornire risposte accurate e contestualmente pertinenti, Albus rende la conoscenza aziendale più accessibile che mai.
Jina AI si impegna a fornire alle aziende modelli della più alta qualità a prezzi competitivi. Contattateci attraverso il nostro sito web se desiderate beneficiare anche voi della nostra esperienza implementativa e delle nostre offerte aziendali. Parlate direttamente con noi attraverso il nostro canale Discord per condividere il vostro feedback e rimanere aggiornati sui nostri ultimi modelli. Miglioriamo i nostri prodotti ogni giorno, e il vostro contributo è fondamentale per il nostro processo di sviluppo.
