Интегрируем LLM и RAG
для автоматизации процессов вашего бизнеса
Помощник по базе знаний компании
Позволит сотрудникам получать ответы на основе информации в корпоративной базе знаний и корпоративных курсах, экономя их время.
AI-ассистент для поддержки
Сформирует ответ по вашей базе знаний. Поможет сотруднику быстро найти информацию или распишет его краткий ответ в корпоративном стиле, ускоряя и улучшая качество поддержки
HR-ассистент
Поможет быстро отобрать наиболее релевантные резюме, подскажет, что нужно уточнить у кандидата. Проанализирует результаты опросов сотрудников внутри компании.
Автоматизация процессов
С помощью LLM мы умеем автоматизировать разные процессы бизнеса, интегрируясь с существующими API и задавая поведение LLM.
Кейсы
HR-ассистент
Задача
Ускорить обработку входящих резюме, исключить из рассмотрения нерелевантные обращения, в короткий срок собирать у кандидатов уточняющую информацию
Помочь с онбордингом, сделать поиск по базе знаний, чтобы новичок не отрывал от дела коллег, а сам находил решение своих проблем
Решение
Разработали LLM, которая может:
ранжировать резюме по заданным критериям.
пообщаться с кандидатом в чате, задать вопросы, ответов на которые не хватало в резюме и дополнить информацию.
используя корпоративную базу знаний, ответить на вопросы новичков при онбординге.
Результат
HR стал тратить в 2 раза меньше времени на просмотр резюме
Перевод с бюрократического на человеческий
Задача
Разработать инструмент, который будет переводить юридический текст договоров на человеческий язык, позволяя при этом быстро увидеть оригинальные пункты. Таким образом, пользователь может быстро просмотреть документ и обратить внимание на оригинальное изложение только особенно важных пунктов.
Решение
Разработали систему, которая работает так:
Пользователь загружает документ.
Документ обрабатывается, в нем выделяются пункты.
Пункты прогоняются через LLM — текст каждого пункта упрощается.
Пункты прогоняются через LLM — текст каждого пункта упрощается.
В результате пользователь видит на экране две колонки: в одной — оригинальный документ, в другой колонке напротив каждого пункта — упрощенный текст.
Результат
Время на прочтение договоров сократилось на 70%
Выросла удовлетворенность сотрудников работой, т.к. скучная для них задача по прочтению договоров значительно ускорилась
Бот переводчик
Задача
Разработать инструмент для изучения иностранного языка, который будет объяснять смысл выражения, как оно грамматически построено и как применить его в жизни
Решение
Разработали телегам-бот, вот как он работает:
Выбираете язык. Пишете слово или фразу, значение которых хотите узнать. Бот переводит с русского на выбранный иностранный язык или наоборот. По итогу вы получите:
Выбираете язык. Пишете слово или фразу, значение которых хотите узнать. Бот переводит с русского на выбранный иностранный язык или наоборот. По итогу вы получите:
перевод текста
детальное объяснение каждого слова во фразе
примеры использования в речи
аудио с правильным произношением
объяснение идиом и фразеологизмов
Бот-перевод поможет в изучении английского, испанского, немецкого, китайского и португальского языков.
Результат
Десятки тысяч сообщений от тысяч пользователей
Десятки платящих подписчиков
Поиск по образовательным материалам компании
Задача
Разработать инструмент для поиска по корпоративной базе курсов, который позволит сотрудникам быстро находить ответы на вопросы об использовании корпоративного ПО без необходимости последовательного просмотра всех уроков.
Решение
Разработали RAG-систему, которая использует корпоративные образовательные материалы в качестве источника данных и генерирует ответ с помощью LLM Mistral, развернутую на серверах клиента.
О механизме RAG читайте в нашей статье на Хабре
Результат
Сотрудники в компании получили возможность быстро получать ответы о корпоративном ПО, что качественно ускорило их работу
Бот для расшифровки и саммаризации видео и аудио
Задача
Расшифровывать созвоны, переводить длинные обсуждения в короткие сводки, по горячим следам фиксировать результаты и закреплять договоренности.
Решение
Сделали телеграм-бот, который на вход принимает аудио/видео-запись, затем происходит 3 этапа обработки:
разделение на звуковые дорожки по собеседникам (диаризация)
перевод аудио речи в текст (транскрибация);
создание итогов встречи делаем с помощью GPT-4.
На выходе получается расшифровка и сокращенные Meeting Notes
Результат
Полностью автоматизировали переводы встреч в текст, освободив от этой работы сотрудника
Стали значительно экономить время менеджеров и лидов на создание заметок встреч
У бота есть платящие внешние пользователи, окупающие его поддержку и разработку
Ассистент сотрудника техподдержки
Увеличить скорость обработки запросов в техподдержку, автоматизировать обработку заявок уровня базовой поддержки, повысить качество ответов на обращения.
Решение
Мы разработали умного помощника (LLM+RAG) для службы техподдержки, делегировали ему обработку простых запросов и разгрузили специалистов второй линии.
LLM может находить информацию, генерировать первоначальные версии ответов, которые специалист техподдержки может редактировать и отправлять пользователю
Специалист ТП может кратко писать ответ, а LLM развернет его так, чтобы он соответствовал корпоративным стандартам общения с клиентами
Если требуется спец. информация — юридическая, техническая, финансовая — система найдет ответы в базе знаний компании и сгенерирует ответ для пользователя
Ассистент умеет вызывать нужный метод по API и начинает проводить операцию, устраняющую неполадки, например, инициирует диагностику настроек или проверяет версию ПО
За достоверность ответа отвечает сотрудник компании, перед отправкой ответа пользователю или вызовом API он должен перепроверить ответ или действие
Результат
Сократили время ответа оператора на 40%
Удовлетворенность клиентов работой поддержки выросла на 15%
Задача
Кейсы
Задача
Разработали LLM, которая может:
- Ускорить обработку входящих резюме, исключить из рассмотрения нерелевантные обращения, в короткий срок собирать у кандидатов уточняющую информацию
- Помочь с онбордингом, сделать поиск по базе знаний, чтобы новичок не отрывал от дела коллег, а сам находил решение своих проблем
Разработали LLM, которая может:
- Ранжировать резюме по заданным критериям.
- Пообщаться с кандидатом в чате, задать вопросы, ответов на которые не хватало в резюме и дополнить информацию.
- Используя корпоративную базу знаний, ответить на вопросы новичков при онбординге.
- HR стал тратить в 2 раза меньше времени на просмотр резюме
Задача
Увеличить скорость обработки запросов в техподдержку, автоматизировать обработку заявок уровня базовой поддержки, повысить качество ответов на обращения.
Решение
Мы разработали умного помощника (LLM+RAG) для службы техподдержки, делегировали ему обработку простых запросов и разгрузили специалистов второй линии.
Увеличить скорость обработки запросов в техподдержку, автоматизировать обработку заявок уровня базовой поддержки, повысить качество ответов на обращения.
Решение
Мы разработали умного помощника (LLM+RAG) для службы техподдержки, делегировали ему обработку простых запросов и разгрузили специалистов второй линии.
- LLM может находить информацию, генерировать первоначальные версии ответов, которые специалист техподдержки может редактировать и отправлять пользователю
- Специалист ТП может кратко писать ответ, а LLM развернет его так, чтобы он соответствовал корпоративным стандартам общения с клиентами
- Если требуется спец. информация — юридическая, техническая, финансовая — система найдет ответы в базе знаний компании и сгенерирует ответ для пользователя
- Ассистент умеет вызывать нужный метод по API и начинает проводить операцию, устраняющую неполадки, например, инициирует диагностику настроек или проверяет версию ПО
- За достоверность ответа отвечает сотрудник компании, перед отправкой ответа пользователю или вызовом API он должен перепроверить ответ или действие
- Сократили время ответа оператора на 40%
- Удовлетворенность клиентов работой поддержки выросла на 15%
Задача
Разработать инструмент для изучения иностранного языка, который будет объяснять смысл выражения, как оно грамматически построено и как применить его в жизни
Решение
Разработали телегам-бот, вот как он работает:
Выбираете язык. Пишете слово или фразу, значение которых хотите узнать. Бот переводит с русского на выбранный иностранный язык или наоборот. По итогу вы получите:
Результат
Разработать инструмент для изучения иностранного языка, который будет объяснять смысл выражения, как оно грамматически построено и как применить его в жизни
Решение
Разработали телегам-бот, вот как он работает:
Выбираете язык. Пишете слово или фразу, значение которых хотите узнать. Бот переводит с русского на выбранный иностранный язык или наоборот. По итогу вы получите:
- перевод текста
- детальное объяснение каждого слова во фразе
- примеры использования в речи
- аудио с правильным произношением
- объяснение идиом и фразеологизмов
Результат
- Десятки тысяч сообщений от тысяч пользователей
- Десятки платящих подписчиков
Задача
Разработать инструмент для поиска по корпоративной базе курсов, который позволит сотрудникам быстро находить ответы на вопросы об использовании корпоративного ПО без необходимости последовательного просмотра всех уроков.
Решение
Разработали RAG-систему, которая использует корпоративные образовательные материалы в качестве источника данных и генерирует ответ с помощью LLM Mistral, развернутую на серверах клиента.
О механизме RAG читайте в нашей статье на Хабре
Результат
Разработать инструмент для поиска по корпоративной базе курсов, который позволит сотрудникам быстро находить ответы на вопросы об использовании корпоративного ПО без необходимости последовательного просмотра всех уроков.
Решение
Разработали RAG-систему, которая использует корпоративные образовательные материалы в качестве источника данных и генерирует ответ с помощью LLM Mistral, развернутую на серверах клиента.
О механизме RAG читайте в нашей статье на Хабре
Результат
- Сотрудники в компании получили возможность быстро получать ответы о корпоративном ПО, что качественно ускорило их работу
Задача
Разработать инструмент, который будет переводить юридический текст договоров на человеческий язык, позволяя при этом быстро увидеть оригинальные пункты. Таким образом, пользователь может быстро просмотреть документ и обратить внимание на оригинальное изложение только особенно важных пунктов.
Решение
Разработали систему, которая работает так:
Разработать инструмент, который будет переводить юридический текст договоров на человеческий язык, позволяя при этом быстро увидеть оригинальные пункты. Таким образом, пользователь может быстро просмотреть документ и обратить внимание на оригинальное изложение только особенно важных пунктов.
Решение
Разработали систему, которая работает так:
- Пользователь загружает документ.
- Документ обрабатывается, в нем выделяются пункты.
- Пункты прогоняются через LLM — текст каждого пункта упрощается.
- В результате пользователь видит на экране две колонки: в одной — оригинальный документ, в другой колонке напротив каждого пункта — упрощенный текст.
- Время на прочтение договоров сократилось на 70%
- Выросла удовлетворенность сотрудников работой, т.к. скучная для них задача по прочтению договоров значительно ускорилась
Задача
Расшифровывать созвоны, переводить длинные обсуждения в короткие сводки, по горячим следам фиксировать результаты и закреплять договоренности.
Решение
Сделали телеграм-бот, который на вход принимает аудио/видео-запись, затем происходит 3 этапа обработки:
Результат
Расшифровывать созвоны, переводить длинные обсуждения в короткие сводки, по горячим следам фиксировать результаты и закреплять договоренности.
Решение
Сделали телеграм-бот, который на вход принимает аудио/видео-запись, затем происходит 3 этапа обработки:
- разделение на звуковые дорожки по собеседникам (диаризация)
- перевод аудио речи в текст (транскрибация);
- создание итогов встречи делаем с помощью GPT-4.
Результат
- Полностью автоматизировали переводы встреч в текст, освободив от этой работы сотрудника
- Стали значительно экономить время менеджеров и лидов на создание заметок встреч
- У бота есть платящие внешние пользователи, окупающие его поддержку и разработку
Как мы работаем
01
Собираем требования: созваниваемся с клиентом, обсуждаем проект
03
Собираем или создаем данные: даже если мы не будем обучать или дообучать модели, нам нужны данные, чтобы лучше понимать задачу, а также чтобы иметь возможность тестировать и сравнивать наши подходы к решению.
05
Итеративно реализуем решение и смотрим на получаемое качество, проводим демонстрации для клиента.
07
Осуществляем мониторинг и доработку по мере необходимости.
02
Анализируем готовые решения и аналоги: возможно ли переиспользовать какое-то существующее решение или подход? Если да, это может значительно сократить время
на разработку.
на разработку.
04
Описываем решение: какую будем использовать модель, нужно ли дообучение на наших данных? Какими итерациями будем двигаться, в какие моменты смотреть
на получаемое качество?
на получаемое качество?
06
Деплоим решение.
Технический опыт в блоге на Хабре
У нас в блоге на хабре вышло много интересных технических статей, в которых можно посмотреть наш опыт работы
Образование
80% наших разработчиков, тестировщиков, менеджеров и дизайнеров мы вырастили сами. Мы ведем собственные курсы встроенные в учебную программу Уральского федерального университета (Мат-Меха и Радиофака). Берем лучших студентов к себе на стажировку, а самых достойных по итогам стажировки — в штат, где продолжаем менторить и обучать на протяжении всего времени работы. По нашему опыту и отзывам наших клиентов-корпораций, такие сотрудники на порядок сильнее, чем нанятые с рынка со схожим опытом работы
Топ-30 аутстаф-разработчиков
по версии Tagline
по версии Tagline
© 2015–2024 Doubletapp. All rights reserved
