Крок تكشف كيف بنت مساعدًا داخليًا قائمًا على RAG لبيانات الشركة

كشفت Крок كيف بنت مساعدًا داخليًا قائمًا على RAG للتعامل مع معارف الشركة داخل بيئة مغلقة. فبدلًا من «دردشة لمجرد الدردشة»، صنعت الشركة أداة تقلّص الوقت اللازم للعثور على المقاطع المطلوبة في المستندات وصفحات الويكي والبوابات الداخلية.

لماذا اختاروا RAG

انطلق الفريق من مشكلة بسيطة: البحث المدمج في أنظمة الشركات الكبيرة موجود رسميًا في كل مكان تقريبًا، لكنه لا يخفف العبء عن الموظفين. فالمعلومات موزعة على عدة مستودعات، ولكل منها قواعده وبنيته ومنطق عرض نتائجه. ونتيجة لذلك يتذكر الناس مضمون المستند، لكنهم لا يتذكرون صياغته الدقيقة ولا اسم الملف ولا مكان وجوده. فالبحث التقليدي يعتمد على تطابق الكلمات لا على السياق، وهنا تحديدًا يبدأ بالإخفاق.

واختبر الفريق أيضًا السيناريو المباشر القائم على GPT مع تحميل المستندات، لكنه لم يناسب المجموعات الكبيرة من البيانات. فقد ظهرت عدة قيود دفعة واحدة: نافذة السياق، وعدم استقرار الإجابات، وخطر إخراج مستندات حساسة إلى بيئة خارجية. لذلك اعتمدت Крок نهج RAG: يبحث النظام أولًا عن المقاطع ذات الصلة في المصادر الداخلية، ثم يمرّرها إلى النموذج اللغوي لتركيب الإجابة.

«لم نكن بحاجة إلى ذكاء اصطناعي لمجاراة الموضة، بل إلى مساعد مؤسسي يمكن

التحكم به».

واختير RAG في هذا المشروع لأربعة أسباب عملية:

• تبقى المستندات داخل بنية الشركة التحتية؛
• لا يُمرَّر إلى النموذج سوى السياق المطلوب، لا كامل المجموعة؛
• يمكن التحكم في الفهرسة وفي عرض النتائج كلٌّ على حدة؛
• ينخفض خطر الهلوسة لأن الإجابة تستند إلى مصادر حقيقية.

كيف صُمّم النظام

يقوم الحل على مسارين منفصلين. الأول مسؤول عن إنشاء المساعدين: يضيف المستخدم، عبر تطبيق المراسلة المؤسسي أو واجهة ويب تجريبية، ملفات أو روابط إلى البوابة أو مساحات في قاعدة المعرفة. بعد ذلك يتحقق نظام إدارة المساعدين من صلاحيات الوصول، ويشغّل المحللات (parsers) اللازمة، ويجهّز البيانات، ولا يرسلها إلى نواة RAG للفهرسة إلا بعد ذلك. وعندما يصبح الفهرس جاهزًا، يتلقى الموظف إشعارًا ويمكنه بدء الحوار.

المسار الثاني هو مسار الحوار. يمرّ طلب المستخدم عبر ناقل (bus) مؤسسي للتعامل مع LLM، بينما يختار محرك RAG مسبقًا السياق ذا الصلة. ولا يجري التحقق من الصلاحيات مرة واحدة عند التحميل، بل عند كل مرة يتعامل فيها المستخدم مع المساعد. وبسبب تعقيد ACL في الأنظمة المختلفة، تخلّى الفريق في بعض السيناريوهات عن المساعدين المشتركين وانتقل إلى المساعدين الشخصيين. وهذا أقل راحة، لكنه يقلّل خطر اطلاع الموظف على بيانات ليست من حقه.

وكان لا بد من بناء موصّلات ومعالجة مسبقة لكل نوع من المصادر تقريبًا. فالبوابة المؤسسية وقاعدة المعرفة والملفات الشخصية وصفحات الويكي مختلفة إلى درجة لا تسمح بتسليمها جميعًا «جاهزة» إلى نواة RAG واحدة. لذلك نُقلت عمليات التنظيف والتطبيع وتجهيز البيانات إلى خدمات مستقلة. واختير مرسال داخلي مبني على Express نقطةَ دخولٍ رئيسية: ففي البداية بدا Telegram خيارًا مناسبًا، لكنه استُبعد فورًا لأنه خدمة خارجية لا تصلح للمعلومات الحساسة.

أين ظهرت المشكلات

لم تكن أصعب العقبات في الواجهة، بل في البيانات والعمليات. فصفحات الويكي ذات الترميز المعقد تطلّبت تنظيفًا يدويًا كثيرًا. وأعطت الجداول والبيانات الرقمية إجابات غير مستقرة. وعطّلت ملفات PDF التي تحتوي على صور ممسوحة ضوئيًا ورسومات التحليل الأساسي. أما البنى المرئية مثل الهياكل التنظيمية فكان النموذج يفهمها أسوأ من النص، وقد يخلط العلاقات بين الإدارات ومسؤوليها. وإضافة إلى ذلك، توقّع المستخدمون من RAG بحثًا كاملًا عن كل التطابقات، مع أن هذا النهج يرتّب السياق الأرجح أكثر مما يضمن قائمة كاملة بجميع مواضع الورود.

ولم يكن العمل مع المورّد أقل إرهاقًا. فقد اختبرت Крок عدة منصات على مجموعات مستنداتها الخاصة وأسئلة نموذجية، ثم قضت نحو عام في تطوير الحل بالتعاون مع المزوّد. وكانت التحديثات مشكلة بحد ذاتها، إذ قد تغيّر جودة الإجابات بشكل حاد: فإحدى الإصدارات أنزلت المؤشر من 85% إلى 70%. وبسبب غموض الصلة بين RAG وLLM المدمج، طلب الفريق واجهة منفصلة بينهما ليختار النموذج بنفسه ويدير المعالجة اللاحقة للسياق.

ولضبط الجودة، اعتمد الفريق معايير قياس (benchmarks) وأسئلة مرجعية وفحوصات دورية، بل وLLM مستقلًا يؤدي دور «القاضي» يقارن الإجابة الفعلية بالإجابة المتوقعة.

ماذا يعني ذلك

تُظهر تجربة Крок بوضوح أن الذكاء الاصطناعي المؤسسي اليوم لا يتعلق باختيار النموذج بقدر ما يتعلق بالهندسة المحيطة بالبيانات والصلاحيات والاختبار. فRAG وحده لا يحل المشكلة إذا غابت الموصّلات وعزل المجموعات ومراقبة ACL ومقاييس الجودة الواضحة. أما إذا جُمع كل ذلك في نظام واحد، فبإمكان المساعد الداخلي فعلًا أن يوفّر ساعات من البحث الروتيني، وأن يجعل التعامل مع معارف الشركة أسرع بشكل ملحوظ.