Tworzenie systemów RAG na zamówienie

Tworzenie RAG Dla Twojej Firmy

Merehead tworzy systemy retrieval-augmented generation dla Twoich pracowników i klientów: wewnętrzne wyszukiwanie wiedzy, asystentów obsługi klienta i funkcje AI w istniejącym produkcie.

Większość projektów zaczyna się od pilotażu o określonym zakresie albo od przeglądu systemu, który już masz. Jakość odpowiedzi testujemy na Twoich prawdziwych pytaniach, zanim cokolwiek trafi na produkcję.

Asystent wiedzy na laptopie: odpowiedź o dostępie VPN dla podwykonawców z dwoma podlinkowanymi dokumentami źródłowymi
Usługi

Co obejmuje nasze tworzenie systemów RAG

Zacznij od jednego etapu, np. oceny gotowości danych, albo powierz nam pełne wdrożenie aż po uruchomienie i wsparcie.

Porozmawiajmy o Twoim projekcie RAG

„Teraz większość takich pytań obsługuje asystent RAG. Po pilotażu zespół sam poprosił o dodanie materiałów dotyczących naszych innych produktów.”

JC
James CarterHead of Customer Support, USA

Doradztwo RAG i ocena gotowości danych

Czy nasze dokumenty dadzą wiarygodne odpowiedzi?

Budowa pipeline'u RAG

Potrzebujemy wyszukiwania w naszych źródłach, zawsze zsynchronizowanego.

Aplikacja i integracja LLM

Odpowiedzi mają pojawiać się w Slacku, naszym CRM lub naszym produkcie.

Ocena i optymalizacja jakości

Nikt nie wie, jak często nasz prototyp ma rację.

Wdrożenie i stałe wsparcie

Musi działać w naszym środowisku, na danych zmieniających się co tydzień.

Wewnętrzny asystent wiedzyObsługa klienta przez chatbota AIQ&A dla działów prawnych i complianceWsparcie sprzedażyWyszukiwanie w dokumentacji technicznej
Case study

Case: asystent RAG dla firmy ubezpieczeniowej

Warunki polis, instrukcje i procedury likwidacji szkód w działach, które nie widzą nawzajem swoich plików.

92%

odpowiedzi potwierdzonych jako poprawneEksperci sprawdzili 500 pytań testowych

Czas znalezienia informacji
Przed15 min
Po3 min
Asystent wiedzy działu szkód na monitorze: odpowiedź ze źródłami, komunikat przy niewystarczających źródłach i dostęp na poziomie działu
Wyszukiwanie hybrydowe: słowa kluczowe + semantykaSprawdzenie trafności przed odpowiedziąDostęp na poziomie działówLinki do dokumentów źródłowychKomunikat „Za mało informacji”

12 000 dokumentów · 4 osoby · 10 tygodni

Porozmawiajmy o Twoim projekcie RAG
Rezultaty

Co otrzymujesz i jak to sprawdzić

Każdy etap kończy się czymś, co możesz otworzyć, przetestować i odebrać.

  • Raport gotowości danych

    Twoi właściciele danych potwierdzają źródła, luki i zasady dostępu

  • Działający system RAG

    Twoi użytkownicy testują go w praktyce na prawdziwych pytaniach

  • Raport z oceny jakości

    Twój recenzent zatwierdza go według uzgodnionych kryteriów

  • Kod źródłowy i konfiguracja wdrożenia

    Twoi inżynierowie go sprawdzają; własność określa umowa

  • Dokumentacja i przekazanie

    Twój zespół ją sprawdza i przejmuje uzgodnione zadania

Repozytorium kodu asystenta RAG: wyszukiwanie po słowach kluczowych i semantyczne, filtrowane według dostępu użytkownikaRunbook operacyjny przekazany zespołowi klienta: dodawanie źródeł, reindeksacja, zasady dostępu, ponowne testy, monitoring

„Jakość przekazania projektu wyróżniała się. Dostaliśmy testy, dokumentację i jasny proces aktualizacji bazy wiedzy. Nasi inżynierowie szybko poznali system i przejęli jego utrzymanie, nie potrzebując długo wykonawcy.”

Oliver BennettCTO, Wielka Brytania
Budżet

Od czego zależy budżet na tworzenie RAG

Dwa systemy RAG z tą samą listą funkcji mogą wymagać zupełnie innego nakładu pracy, bo większość wysiłku dotyczy danych, które za nimi stoją. Dlatego wyceniamy każdy projekt na podstawie jego danych wejściowych, a nie cennika.

  1. 1

    Przekazujesz dane wejściowe

    Jakie źródła, ilu użytkowników, zasady dostępu, gdzie system ma działać, jakie narzędzia i ile kosztuje Cię błędna odpowiedź.

  2. 2

    Rozbicie godzin na moduły

    Gdy przekażesz te wymagania, nasz Solutions Architect prześle rozbicie godzin na moduły.

  3. 3

    Aktualizacja po audycie danych

    Po audycie danych wycena jest aktualizowana o to, co audyt znalazł w Twoich źródłach.

Co wpływa na koszt

01

Liczba i formaty źródeł

Czysty tekst w jednym wiki łatwo zaindeksować. Zeskanowane PDF-y, arkusze kalkulacyjne i złożone tabele wymagają dodatkowego parsowania i sprawdzania.

02

Jakość danych

Duplikaty, przestarzałe wersje i sprzeczne dokumenty trzeba uporządkować lub uszeregować, inaczej system będzie odpowiadał z niewłaściwego dokumentu.

03

Wymagania dotyczące kontroli dostępu

Przeniesienie uprawnień z SharePointa lub CRM do wyszukiwania to osobna praca inżynierska.

04

Głębokość testów jakości

Asystent wsparcia dla publicznej dokumentacji wymaga mniej eksperckiej weryfikacji niż narzędzie, na którym polega Twój dział prawny.

05

Integracje

Każdy system docelowy dokłada pracę związaną z uwierzytelnianiem, interfejsem i utrzymaniem.

06

Model wdrożenia

Konfiguracja w zarządzanej chmurze zwykle powstaje szybciej niż chmura prywatna czy wdrożenie on-premises z modelem hostowanym we własnym zakresie.

07

Liczba zapytań

Wpływa bardziej na skalę infrastruktury i koszty korzystania z modelu niż na nakład prac developerskich.

Dla porównania

Asystent dla ubezpieczyciela objął 12 000 dokumentów z dostępem na poziomie działów, a czteroosobowy zespół zbudował go w 10 tygodni.

Koszty utrzymania po uruchomieniu

Najbardziej na tę kwotę wpływają liczba zapytań i wybór modelu, dlatego modelujemy ją na podstawie spodziewanego obciążenia w ramach wyceny.

Po uruchomieniu płacisz za korzystanie z LLM (za tokeny przez API lub za hosting GPU, jeśli model działa w Twoim środowisku), hosting wektorowej bazy danych, moc obliczeniową dla zadań ładowania i synchronizacji oraz monitoring i logi. Do tego dochodzi czas wsparcia na naprawę problemów z wyszukiwaniem i ponowne testy przy zmianach treści.

Szerszy obraz budżetów AI znajdziesz w naszej analizie kosztów tworzenia aplikacji AI.

Proces

Jak przebiega projekt

Nowe projekty zwykle przechodzą przez cztery fazy. Każda kończy się Twoją decyzją, zanim zacznie się następna. Jeśli masz już system RAG, praca zaczyna się od jego przeglądu, a fazy dopasowujemy do tego, co trzeba poprawić.

1

Discovery i audyt danych

Czego potrzebujemy od Ciebie

Dostęp do przykładowych źródeł, właściciel każdego źródła, osoba kontaktowa ds. bezpieczeństwa

Punkt decyzyjnyZakres pilotażu: który przypadek użycia, które źródła, którzy użytkownicy
2

Pilotaż

Czego potrzebujemy od Ciebie

Eksperci merytoryczni, którzy piszą pytania testowe i oceniają odpowiedzi

Punkt decyzyjnyDecyzja o przejściu na produkcję na podstawie uzgodnionych kryteriów jakości
3

Budowa wersji produkcyjnej

Czego potrzebujemy od Ciebie

Wymagania dotyczące bezpieczeństwa i infrastruktury, dostęp do systemów, z którymi się integrujemy

Punkt decyzyjnyOdbiór systemu produkcyjnego po testach końcowych
4

Wdrożenie i wsparcie

Czego potrzebujemy od Ciebie

Właściciel każdego źródła i kanał na opinie użytkowników

Punkt decyzyjnyKtóre źródła lub przypadki użycia są następne
Harmonogram ustalamy po audycie danych. Wtedy wiemy już, ile dokumentów wymaga uporządkowania, jak przechowywane są uprawnienia i jakie integracje wchodzą w grę – a te czynniki wpływają na terminy bardziej niż lista funkcji.
Dane i bezpieczeństwo

Dane, integracje i bezpieczeństwo

Uzgadniane przed rozpoczęciem prac: skąd pochodzą dane, jak pozostają aktualne, kto może je widzieć i gdzie działa system.

Twoje źródła, podłączone

PDF, Confluence, SharePoint, Notion, Drive, SQL, CRM, helpdesk. Odpowiedzi trafiają do czatu, Slacka lub Twojego produktu. Zobacz jak zintegrować AI z aplikacją.

Zawsze aktualne

Zmiany są reindeksowane według harmonogramu, a usunięte dokumenty znikają z odpowiedzi.

Tylko dla właściwych osób

Uprawnienia są sprawdzane przy każdym zapytaniu przez Twoje SSO, co eliminuje ryzyko opisane w OWASP LLM08:2025.

Działa tam, gdzie zdecydujesz

Chmura publiczna, VPC lub on-premises, z modelem komercyjnym lub self-hosted. Prompt injection i wycieki danych są uwzględnione zgodnie z OWASP Top 10 for LLM Applications.

Ekrany statusu synchronizacji źródeł i kontroli dostępu: zsynchronizowane źródła i dokumenty filtrowane według zespołu przez SSO
Testowanie jakości

Jak testujemy jakość odpowiedzi przed uruchomieniem

Twoi eksperci określają, czym jest poprawna odpowiedź. Nic nie trafia na produkcję, dopóki Twój przedstawiciel nie zatwierdzi wyników.

01

Zbieranie

Prawdziwe pytania z ticketów, czatów i logów wyszukiwania, z oczekiwanymi odpowiedziami zatwierdzonymi przez Twoich ekspertów.

02

Testy

W tym przypadki, w których RAG zawodzi: brak odpowiedzi w źródłach, nieaktualne dokumenty, pliki z ograniczonym dostępem.

03

Ty decydujesz

Wdrożenie na produkcję, poprawki, zawężenie zakresu albo zatrzymanie. Po pilotażu to dużo tańsze niż po pełnym wdrożeniu.

Ekran ewaluacji: 92% odpowiedzi potwierdzonych przez ekspertów jako poprawne na 500 prawdziwych pytaniach, z trudnymi przypadkami i krokiem zatwierdzenia

„Pilotaż pokazał luki, więc uporządkowaliśmy dokumenty i dopracowaliśmy wyszukiwanie. Teraz nowi pracownicy szybciej znajdują to, czego potrzebują, a menedżerowie mniej czasu poświęcają na tłumaczenie wciąż tego samego.”

Iryna KovalDyrektor operacyjna, Ukraina
Na zamówienie czy zarządzane

Czy potrzebujesz rozwiązania RAG na zamówienie?

Rozwiązanie na zamówienie ma sens, gdy Twoje źródła są złożone lub wrażliwe, gdy użytkownicy potrzebują różnych uprawnień albo gdy system musi działać w Twoim środowisku lub wewnątrz Twojego produktu. W prostszych przypadkach zarządzana platforma RAG szybciej daje działający efekt.

Zbudowane dla Twojego przypadku

Wdrożenie na zamówienie

Najlepsze, gdyWiele lub nietypowe źródła, ścisłe zasady dostępu, integracja z Twoim produktem
Kontrola nad danymi i wdrożeniemSam wybierasz chmurę, chmurę prywatną lub on-premises oraz modele
Głębokość integracjiKonektory zbudowane dla Twoich systemów, w granicach tego, co udostępniają ich API
DostosowanieWyszukiwanie, ranking, prompty i interfejs zbudowane dla Twojego przypadku
Czas do pierwszego wynikuDłuższy, bo potrzebne są discovery i budowa
Model kosztów bieżącychInfrastruktura i korzystanie z modeli pod Twoją kontrolą plus utrzymanie
RAG jako usługa

Platforma zarządzana

Najlepsze, gdyStandardowe pytania i odpowiedzi do dokumentów w popularnych formatach i obsługiwanych konektorach
Kontrola nad danymi i wdrożeniemOgraniczone do opcji hostingu i modeli dostawcy
Głębokość integracjiKonektory i widżety platformy
DostosowanieKonfiguracja w ramach ustawień platformy
Czas do pierwszego wynikuKrótszy dla obsługiwanych źródeł
Model kosztów bieżącychSubskrypcja lub opłaty za użycie ustalane przez dostawcę

Jedno nie wyklucza drugiego

System na zamówienie często korzysta z zarządzanych komponentów, takich jak hostowana wektorowa baza danych czy komercyjne API LLM; opisany wyżej asystent ubezpieczeniowy działa na OpenAI API i AWS.

Fine-tuning to inne narzędzie

Zmienia zachowanie modelu, na przykład ton, format odpowiedzi czy obsługę terminów branżowych, ale nie daje modelowi dostępu do Twoich aktualnych dokumentów. Możesz łączyć go z RAG, gdy potrzebujesz zarówno aktualnej wiedzy, jak i określonego stylu odpowiedzi.

Jeśli Twój projekt wykracza poza wyszukiwanie, na przykład obejmuje wybór modelu lub fine-tuning, zobacz nasze usługi tworzenia LLM.

Pytania i odpowiedzi

FAQ

Własność, gotowość danych, integracja, wybór stacku i wsparcie po uruchomieniu.

Twoje dane pozostają Twoje, a własność kodu, konfiguracji i indeksu określa umowa przed rozpoczęciem prac.

Nie. Większość zespołów zaczyna od nieuporządkowanych źródeł. Na początku liczy się wiedza, które dokumenty są wiążące i kto za nie odpowiada. Audyt danych pokazuje, co trzeba uporządkować, a porządki wpływające na jakość odpowiedzi stają się częścią zakresu projektu.

Tak. Wyszukiwanie i generowanie odpowiedzi można udostępnić jako API, które wywołuje Twój produkt. Główne pytania projektowe to sposób, w jaki aplikacja przekazuje tożsamość użytkownika, aby działały uprawnienia, oraz to, jak odpowiedzi pokazują źródła w Twoim interfejsie.

Wybieramy po audycie danych, biorąc pod uwagę, gdzie mogą być przetwarzane Twoje dane, spodziewaną liczbę zapytań i wyniki na Twoim zestawie testowym. Opisany wyżej asystent ubezpieczeniowy korzystał z Pythona, FastAPI, LangChain, PostgreSQL z pgvector i OpenAI API na AWS. Jeśli dane nie mogą opuszczać Twojego środowiska, zewnętrzne API zastępuje model open source hostowany na Twojej infrastrukturze.

Wsparcie obejmuje monitoring, naprawę problemów z synchronizacją i wyszukiwaniem oraz ponowne uruchamianie zestawu testowego po zmianach źródeł lub modelu. Dodawanie nowych źródeł lub przypadków użycia to prace developerskie wyceniane osobno. Zakres i czasy reakcji wsparcia określa osobna umowa.

Kontakt

Opowiedz nam o swoim projekcie RAG

Aby otrzymać wycenę, prześlij nam listę źródeł, z których ma korzystać system, spodziewaną liczbę użytkowników oraz ewentualne wymagania dotyczące bezpieczeństwa lub wdrożenia.

Warto podać
  • Źródła, z których ma korzystać system
  • Spodziewaną liczbę użytkowników
  • Wymagania dotyczące bezpieczeństwa lub wdrożenia
  • System RAG, którego już używasz, jeśli taki jest

Chcesz uruchomić własny projekt?

Omów swój pomysł z naszym ekspertem ds. rozwoju biznesu.

Opisz pomysł lub zapytanie, a nasz ekspert skontaktuje się z Tobą w ciągu kilku godzin. Możesz też napisać do nas bezpośrednio przez Telegram lub WhatsApp.