Ett AI-system för industrins kunskap

01 / Varför sökningen brister

Det svåra är att hitta rätt dokument.

Industriell information är svår att söka av goda skäl. Artikelnummer måste bli exakt rätt. Samma komponent kan ha flera namn. Svaret kan ligga i en tabell i en PDF, medan den senaste korrigeringen finns i ett serviceärende. Två dokument kan säga olika saker eftersom ett av dem är gammalt.

Ett chattfönster med många filer löser inte sökningen av sig självt. Systemet måste hitta rätt underlag, kontrollera vilken version som gäller och visa användaren var svaret kommer ifrån.

02 / Vad systemet gör

Det söker i företagets information och visar källorna.

Ett AI-kunskapssystem söker bara i den information användaren har rätt att se. Det svarar utifrån dessa källor och länkar viktiga påståenden tillbaka till originalet.

Källsystemen ligger kvar. SharePoint äger det styrda dokumentet, affärssystemet äger artikelposten och serviceplattformen äger ärendet. Medarbetaren får en gemensam plats för frågor, men kan alltid öppna originalkällan.

03 / Så fungerar det

Fem delar gör systemet användbart.

1. 01

   Anslut de system som teamet redan använder

   Hämta filer och poster med kopplingar som upptäcker ändringar, raderingar och nya revisioner.

2. 02

   Behåll källans sammanhang

   Spara källa, ägare, revision, datum, dokumenttyp och behörighetsgrupper tillsammans med innehållet.

3. 03

   Sök både på betydelse och exakta termer

   Semantisk sökning hittar omskrivningar. Nyckelord hittar ritningsnummer, felkoder, förkortningar och produktnamn.

4. 04

   Kontrollera behörigheten före svaret

   Söklagret kontrollerar identitet och åtkomst innan något underlag skickas till modellen.

5. 05

   Visa källan eller avstå

   Svaret anger dokument och revision. Svagt eller motstridigt underlag ger ett tydligt stopp och en väg till rätt ansvarig.

04 / Sökning

Industrisökning kräver både nyckelord och betydelse.

Embeddings hjälper när två personer ställer samma fråga med olika ord. De är sämre på exakta identifierare. Därför kombinerar vi semantisk och lexikal sökning, slår ihop kandidaterna och rankar om resultatet mot den faktiska frågan.

Även uppdelningen av dokument spelar roll. En fast teckengräns kan skilja en tolerans från ritningen den hör till. Vi delar efter dokumentets struktur och låter varje del bära med sig sammanhang från sitt överordnade dokument.

05 / Behörighet och versioner

Gamla dokument får inte smyga sig in.

Ett svar från en inaktuell arbetsinstruktion kan orsaka verklig skada. Tjänsten uppdaterar ändrade poster, tar bort raderat innehåll och visar källdatum. Styrda dokument väger tyngre än informella diskussioner när de säger olika saker.

Behörigheten följer dokumentet. Användaren möter samma gräns i kunskapssystemet som i källan. Frågor, hämtat underlag och återkoppling loggas så att fel kan utredas utan att öppna allt för alla.

06 / Testning

Testa med frågor som människor faktiskt ställer.

Testmängden byggs före en bred lansering. Operatörer, ingenjörer, servicepersonal och chefer bidrar med återkommande frågor. Varje fråga får en förväntad källa, ett godtagbart svar och exempel på fel.

Modellen kan bytas senare. Samma testmängd visar om ersättaren verkligen är bättre.

07 / Första lanseringen

Börja med ett team och en tydlig dokumentmängd.

Den första versionen bör täcka ett avgränsat kunskapsområde och en liten grupp dagliga användare. Underhållsinstruktioner, kvalitetsdokument eller teknisk service är bättre startpunkter än en lansering för hela företaget.

• Ett fungerande gränssnitt kopplat till valda källsystem
• Sökning som följer behörigheter och anger dokumentversion
• En testmängd med riktiga frågor från medarbetare
• Återkoppling, granskningslogg och en namngiven intern ägare
• Ett mätbart beslut om vad som ska läggas till härnäst