Vår lösning
Bli ett informationsagentiskt företag
Låt våra agenter arbeta med den information och expertis ni redan har.
NXT utgår från ert eget material – dokumentation, manualer, produktinformation, standarder och expertkunskap. Vi strukturerar det i kunskapsområden och låter NXT:s specialiserade agenter arbeta med informationen för att skapa användbara svar, utbildningar, tester, dokumentation och annat innehåll.
Ni äger kunskapen. NXT:s agenter gör den användbar.
ERT MATERIAL
Dokumentation
Manualer · instruktioner · standarder
Produktkunskap
Produktdata · specifikationer · ändringar
Expertis
Rutiner · erfarenhet · arbetssätt
Terminologi
Era facktermer · era begrepp · era språk
NXT:s AGENTER
NXT arbetar med ert material och er kunskapskontext.
ASSIST
Frågar · svarar · vägleder
STUDIO
Förklarar · strukturerar · utbildar
LEXIKON
Översätter · anpassar · säkerställer terminologi
TESTCENTER
Testar · verifierar · certifierar
COMPLIANCE
Kontrollerar · dokumenterar · säkerställer
DOCS
Strukturerar · publicerar · tillgängliggör
RESULTAT
Kunskap som kan användas
Frågebara svar
Svar direkt ur era källor, med hänvisning till materialet.
Kurser
Utbildningar byggda på samma aktuella kunskap.
Tester & certifiering
Kunskapskontroll och intyg.
Compliance & dokumentation
Strukturerat stöd för krav, dokumentation och efterlevnad.
Tillgänglig information
Rätt information på rätt språk, för medarbetare, partners och kunder.
Från dokument till vektorer
Kunskapen indexeras efter betydelse, inte bara efter ord.
Grunden i NXT är en vektordatabas byggd på ert eget material. Det är den som gör att agenterna kan hitta rätt avsnitt även när frågan är formulerad med andra ord, eller på ett annat språk, än källan.
- 01
Inläsning och normalisering
Källmaterialet – PDF, Word, webbsidor, produktdata – läses in och normaliseras. Rubriknivåer, tabeller, listor och sidhänvisningar bevaras, eftersom strukturen bär betydelse.
- 02
Segmentering med kontext
Texten delas i avgränsade avsnitt som följer dokumentets egen struktur, inte ett fast antal tecken. Varje avsnitt behåller rubrikväg, källa, version, språk och produkttillhörighet som metadata.
- 03
Embeddings
En flerspråkig embedding-modell omvandlar varje avsnitt till en vektor – en position i ett högdimensionellt rum där närhet motsvarar likhet i betydelse. Samma modell används för både material och frågor, så att de hamnar i samma rum.
- 04
Lagring i vektordatabas
Vektorerna lagras tillsammans med originaltext och metadata i en vektordatabas inom EU. Ett vektorindex gör närhetssökningen snabb även i stora kunskapsområden.
Flerspråkighet
Oavsett språk, en betydelse – utan mellanliggande översättning.
Den flerspråkiga embedding-modellen placerar “Hur byter jag filter?”, “How do I replace the filter?” och “Wie wechsle ich den Filter?” nära varandra i vektorrummet. Frågan hittar därför det svenska avsnittet utan att först översättas. Förmågan sitter i modellen, inte i databasen, och svaret formuleras därefter på frågeställarens språk. Kvaliteten varierar med fackspråk och sammansatta ord – därför arbetar vi med terminologin i LEXIKON och mäter träffsäkerheten mot verkliga frågor.
Sökning och svar
Semantisk sökning, exakt matchning och källkrav – tillsammans.
Semantisk sökning
Frågan omvandlas till en vektor och jämförs med avsnitten via cosinuslikhet. Det gör att “maskinen stannar vid start” kan hitta avsnittet om “nödstopp utlöst vid uppstart”, trots att orden skiljer sig.
Exakt matchning där den behövs
Artikelnummer, felkoder och standardbeteckningar har ingen “betydelse” i vektorrummet. De matchas exakt med textsökning, och resultaten vägs samman med den semantiska sökningen.
Filtrering på metadata
Sökningen begränsas till rätt kunskapsområde, produkt, version och behörighet innan något svar formuleras. En användare ser aldrig innehåll den inte har rätt till.
Svar med källa – eller inget svar
Språkmodellen får bara de hämtade avsnitten som underlag och anger källa. Om underlaget inte räcker säger systemet det, i stället för att fylla luckan med gissningar.
Agenterna
Specialiserade agenter arbetar mot samma vektordatabas.
Varje agent har en avgränsad uppgift. En strukturerar materialet, en annan säkrar terminologin, en tredje skapar innehåll. Alla hämtar sitt underlag från samma index, vilket gör att svar, kurser och tester bygger på samma version av kunskapen.
DOCS
· StrukturerarOrdnar materialet i kunskapsområden, rubriker och versioner, så att vektordatabasen har ett rent och spårbart underlag att arbeta mot.
LEXIKON
· Säkrar terminologinHåller ordning på facktermer, synonymer och språkvarianter, och ser till att samma begrepp används konsekvent i allt som skapas.
STUDIO
· Skapar innehållHämtar relevanta avsnitt ur vektordatabasen och bygger kurser, förklaringar och övningar på dem – med spårbarhet tillbaka till källan.
TESTCENTER
· Kontrollerar kunskapTar fram frågor och tester ur samma underlag, så att det som prövas stämmer med det som lärs ut.
COMPLIANCE
· Granskar mot kravJämför innehållet med tillämpliga krav och standarder och visar var underlag saknas.
ASSIST
· SvararBesvarar frågor i realtid med hänvisning till källan, och säger till när svaret inte finns i materialet.
Säkerhet och kontroll
Data i vila inom EU
Material, vektorer och metadata lagras inom EU.
Behörighetsstyrd sökning
Åtkomst filtreras redan i sökningen, inte först i svaret.
Spårbarhet
Varje svar och varje genererat avsnitt kan följas tillbaka till källan.
Människan godkänner
Innehåll som agenterna skapar granskas av sakkunnig innan det publiceras.
En källa. Flera agenter. Många användningsområden.
Samma kunskap behöver inte produceras om varje gång den ska användas.
En produktmanual kan bli en frågebar källa för serviceteknikern, en kurs för återförsäljaren, utbildning för kunden, ett test för operatören och dokumentation vid maskinen.
Det är vad vi menar med Knowledge, activated.