Znalostní databáze s AI pro firmy.
Systém RAG z Německa, dostupný na každém kanálu.
Znalosti jsou všude, v PDF, na wiki, ve wordových dokumentech, v seznamech FAQ, ve starých e-mailech. Zaměstnanci i zákazníci je musí hledat ručně. Klasické nástroje pro správu znalostí jsou vyhledávače: zobrazí výsledky hledání, ale neodpovídají. Generativní AI jako ChatGPT sice odpovídá, ale znalosti tvé firmy nezná. Co chybí: systém RAG, který obojí propojí a je dostupný na každém kanálu (telefon, chat, e-mail).
ZačítVe zkratce
RAG (Retrieval Augmented Generation) je standardní architektura pro firemní znalostní báze s AI: dokumenty se převedou na vektorové embeddingy a uloží do vektorové databáze. Při dotazu systém vyhledá nejrelevantnější pasáže a předá je jako kontext modelu LLM, který z nich vygeneruje odpověď. Výhoda oproti klasickým vyhledávačům: odpověď v přirozeném jazyce místo seznamu odkazů. Výhoda oproti generické AI: konkrétní znalosti firmy místo obecných znalostí. Postavit si systém RAG sami je ale firemní inženýrství na míru: licencovat vektorovou databázi (americká cloudová služba, nebo self-hosted), nastavit integraci LLM, vybudovat embeddingovou pipeline, zvolit strategii chunkingu, nasadit model re-rankingu, postavit vrstvu pro soulad s GDPR/AI Act. Časová náročnost: 2 až 6 měsíců nasazení na míru. Cena: pětimístné náklady na zprovoznění plus čtyřmístné měsíční náklady na cloud. Architektura rinqo to řeší: správa znalostí je součástí produktu ihned od začátku, vlastní provozovaná vektorová databáze na Hetzneru v Německu, modely AI se smluvně zaručeným zpracováním dat v EU, upozornění v souladu s AI Act. Aktivace pomocí průvodce.
S rinqo získáš znalostní databázi s AI s multikanálovým výstupem. Jedna centrální znalostní báze založená na RAG pro každou organizaci, plněná z PDF, procházení webu, seznamů FAQ a článků helpdesku; systémy s REST API jako Confluence nebo Notion připojíš jako propojení, agent v nich během konverzace vyhledá. Dostupná na každém kanálu: telefon (jeden hovor vrátí odpověď ze znalostní báze), chat (widget s function callingem), e-mail (agent připraví odpovědi na standardní dotazy jako koncept ke schválení) a osobní agent (interní vyhledávání otázek a odpovědí pro celý tým), marketing a budoucí kanály čerpají z téže báze. Hosting na Hetzneru DE.
Obsah
Proč rinqo?
RAG ihned k dispozici místo vývoje na míru
Klasické nasazení RAG: 2 až 6 měsíců vývoje na míru s licencí vektorové databáze, nastavením LLM, embeddingovou pipeline, chunkingem, re-rankingem a souladem s předpisy. rinqo: nastavení průvodcem, vlastní provozovaná vektorová databáze, služba AI se zpracováním v EU, upozornění podle AI Act integrované ve výchozím nastavení.
Multikanálový výstup bez zvláštní integrace
Klasické nástroje pro znalostní báze jsou webové frontendy. rinqo zpřístupní tutéž znalostní bázi přes telefon, chatový widget, třídění e-mailů a osobního agenta, bez zvláštních kanálových integrací. Jedna znalostní báze, každý kanál.
Hetzner DE místo americké cloudové vektorové databáze
Rozšířené služby vektorových databází hostují v amerických regionech. rinqo provozuje vlastní vektorovou databázi na Hetzneru Falkenstein/Nürnberg, tvá znalostní báze neleží u americké cloudové vektorové služby, ale v EU. Smlouva o zpracování osobních údajů automaticky při uzavření smlouvy.
Řešení znalostních mezer s průběžným učením
Když AI nedokáže dotaz zodpovědět, mezera se nahlásí v přehledu. Odpověď doplníš za minutu a příště už AI odpovědět dokáže. Znalostní báze roste ze skutečných dotazů zákazníků, ne z teoretické údržby FAQ.
Upozornění podle čl. 50 AI Act ve výchozím nastavení
U každé odpovědi generované AI: upozornění na transparentnost (hlasové oznámení, odznak v chatu, patička e-mailu). Povinné od 02.08.2026, u rinqo standardně. Klasická nasazení RAG na míru musí upozornění doplňovat ručně.
Function calling pro strukturované odpovědi
Místo pouhých textových odpovědí umí AI volat funkce: rezervovat termín v kalendáři, založit lead v CRM, spustit webhook, předat člověku. Tím se znalostní báze stává aktivní (jedná) místo pasivní (jen informuje).
Předtím. Potom.
Klasické možnosti pro firemní správu znalostí: (1) wiki a dokumentové nástroje, webový frontend pro hledání, žádná odpověď AI, žádná multikanálová dostupnost. (2) Nasazení RAG na míru, 2 až 6 měsíců vývoje, pětimístné náklady na zprovoznění, americká cloudová vektorová databáze, ruční soulad s GDPR. (3) Generické AI chaty, znalosti tvé firmy neznají, dávají vymyšlené odpovědi (halucinace).
rinqo (DE, Hetzner): systém RAG ihned k dispozici s vlastní provozovanou vektorovou databází v Německu, modely AI se zpracováním v EU, standard AI Act. Multikanálový výstup: telefon + chat + e-mail + osobní agent. Řešení znalostních mezer pro průběžné učení. Nastavení pomocí průvodce.
Co je znalostní databáze s AI? RAG pro firmy vysvětlený
RAG (Retrieval Augmented Generation) je vedoucí architektura pro znalostní báze s AI. Tři kroky: za prvé se dokumenty převedou na sémantické vektorové embeddingy (pomocí embeddingového modelu) a uloží do vektorové databáze. rinqo provozuje vlastní vektorovou databázi na Hetzneru v Německu. Za druhé při dotazu systém vypočítá vektorový embedding otázky a vyhledá v databázi nejpodobnější pasáže dokumentů, obvykle 5 nejlepších výsledků. Za třetí se nalezené pasáže předají jako kontext modelu LLM (u rinqo se smluvně zaručeným zpracováním dat v EU), který z nich vygeneruje odpověď v přirozeném jazyce. Výhoda: konkrétní znalosti firmy místo obecných znalostí, odpověď v přirozeném jazyce místo seznamu odkazů. Kompromis: potřebuje kvalitní obsah znalostní báze a čistý chunking. rinqo má chunking a re-ranking standardně nastavené pro znalostní báze malých a středních firem z regionu DACH (články helpdesku o 100-500 slovech, kombinované se seznamy FAQ a PDF dokumenty).
Jak se buduje znalostní báze rinqo, čtyři vstupní zdroje se schvalováním
Znalostní báze přijímá několik typů vstupu. Za prvé procházení webu. Zadáš URL své hlavní domény a rinqo automaticky projde všechny indexovatelné stránky, extrahuje text a vytvoří embeddingy ve vlastní provozované vektorové databázi. Za druhé nahrání souborů. Nahraješ dokumenty PDF, dokumenty Word, soubory Markdown a tabulky Excel. Text se extrahuje a automaticky převede na embeddingy. Funguje pro sbírky článků helpdesku, příručky pro zaměstnance, produktovou dokumentaci, směrnice pro soulad. Za třetí zdroje třetích stran. Systémy s REST API jako Confluence nebo Notion připojíš jako propojení, agent v nich během konverzace vyhledá; na přání to nastavíme my. Za čtvrté, z každodenního provozu samotného. Zeptá-li se někdo osobního agenta na něco, co ještě není uloženo, nebo zodpoví-li člověk eskalovaný dotaz, rinqo navrhne nový znalostní stavební kámen. Důležité: návrh se neaktivuje automaticky. Spravující osoba jej schválí a rozhodne, zda putuje do společných firemních znalostí, nebo do osobních znalostí příslušné osoby. Znalostní báze tak řízeně roste z každodenní práce, bez pracné údržby, a nic se nedostane do odpovědí nezkontrolované.
Multikanálový výstup, jedna znalostní báze pro každý kanál
Klasické nástroje pro správu znalostí jsou webové frontendy, zaměstnanci i zákazníci musí otevřít aplikaci, hledat, číst. Při telefonátech, dotazech v chatu nebo e-mailech musí znalosti ručně vyhledat někdo z týmu. rinqo to obrací: tatáž znalostní báze se přehrává na každém kanálu. Telefonní kanál: telefonní agent s AI přijme hovor, vyhledá ve znalostní bázi a odpoví hlasem (hlasová syntéza přes německého poskytovatele, hostovaná v EU). Chatový kanál: webový widget se stejnou znalostní bází. E-mailový kanál: autonomní třídicí agent se připojí přes IMAP ke schránce, zodpoví dotazy, které jsou ve znalostní bázi, a složité e-maily eskaluje. Osobní agent: přímé vyhledávání otázek a odpovědí pro celý tým (např. k dokumentaci postupu při hlášení nemoci), s uvedením zdroje u každé odpovědi. Jedna znalostní báze, každý kanál, žádné znalostní silo.
Přidělení znalostí, každý agent vidí jen to, co vidět má
Jedna znalostní báze neznamená, že každý vidí všechno. V rinqo každému agentovi cíleně přidělíš, z jakých znalostí smí odpovídat. Chatový agent na webu dostane otevírací dobu, služby a ceny; e-mailový agent navíc postupy reklamací; interní personální podklady, nákupní podmínky nebo smlouvy zůstávají zcela stranou. Zákaznický agent tak odpovídá jen na to, co je určeno pro klientelu, a nikdy nesáhne na interní dokumenty, oddělení je strukturální, ne otázka formulace v promptu. Osobní agent pro tým naopak smí přistupovat k interním znalostem, každá osoba navíc ke svým vlastním osobním znalostem, které nikdo jiný nevidí. Přidělení nastavíš v přehledu a kdykoli je změníš, změna se okamžitě projeví na všech kanálech, aniž bys dokumenty udržoval dvakrát.
Řešení znalostních mezer, znalostní báze se učí ze skutečných dotazů
Klasické systémy RAG mají typický problém: znalostní báze je na začátku neúplná. Zaměstnanci i zákazníci kladou otázky, které znalostní báze nepokrývá. Klasické systémy pak odpoví chybovou hláškou, nebo hůř, halucinují. rinqo má smyčku průběžného učení. Krok 1: u dotazu, který nelze zodpovědět, AI poctivě eskaluje na člověka A strukturovaně zaznamená mezeru v přehledu. Krok 2: vidíš všechny otevřené znalostní mezery seřazené podle četnosti. Krok 3: odpověď doplníš za 30 sekund (může to být záznam FAQ, doplněná pasáž dokumentace nebo nový znalostní soubor). Krok 4: další stejný nebo podobný dotaz je zodpovězen automaticky. Znalostní báze roste ze skutečných dotazů zákazníků, ne z teoretické údržby FAQ.
rinqo vs. klasické nástroje pro správu znalostí, srovnání
V roce 2026 malé a střední firmy z regionu DACH srovnávají tři možnosti pro správu znalostí. Za prvé klasické wiki a znalostní nástroje. Silná stránka: vyzrálá editorská rozhraní, verzování, oprávnění, týmová spolupráce. Slabina: pouze webový frontend, žádná odpověď AI, žádná multikanálová dostupnost. Cena obvykle 8-15 €/osoba/měsíc, ale bez vrstvy AI. Za druhé nasazení RAG na míru. Silná stránka: maximální flexibilita v architektuře a integracích. Slabina: 2 až 6 měsíců vývoje, pětimístné náklady na zprovoznění, licence cloudové databáze, ruční soulad s GDPR/AI Act, odpovídajícím způsobem náročné. Za třetí generické AI chaty. Silná stránka: vyzrálé odpovědi LLM. Slabina: znalosti firmy neznají (pokud kontext ručně nevložíš), u konkrétních dotazů halucinují, často hostují v americkém cloudu. rinqo spojuje tři výhody: udržovanou znalostní bázi se základními editorskými funkcemi plus odpovědi RAG plus GDPR/hosting v EU (Made in Germany).
Časté dotazy
Zdroje
- Nařízení EU 2024/1689 (AI Act), čl. 50
- GDPR čl. 28, zpracování osobních údajů zpracovatelem
- SDEU C-311/18 (Schrems II), předání dat do třetí země
Naposledy aktualizováno: 2026-09-05
Zakladatel, rinqo
Zakladatel rinqo. Staví firemní paměť, kde se znalosti organizace scházejí a zůstávají dostupné, a agenty AI, kteří z ní pracují: u telefonu, ve schránce, v chatu, v marketingu a v dalších rolích. Píše zde o zavádění AI ve firmách, o ochraně dat a o tom, co obstojí v praxi. Vyvinuto v Německu, zpracováno v EU, bez poskytovatelů z USA.
Naposledy aktualizováno:
Vyzkoušet naživo
Přejít na agenta