MI-alapú tudásbázis vállalatoknak.
RAG-rendszer Németországból, minden csatornán elérhető.
A tudás mindenhol ott van: PDF-ekben, wikikben, Word-dokumentumokban, GYIK-listákban, régi e-mailekben. A munkatársaknak és az ügyfeleknek kézzel kell rákeresniük. A klasszikus tudásmenedzsment-eszközök keresőeszközök: találatokat mutatnak, de nem válaszolnak. A generatív MI, mint a ChatGPT, tud válaszolni, de nem ismeri a céged tudását. Ami hiányzik: egy RAG-rendszer, amely a kettőt összeköti, és minden csatornán (telefon, chat, e-mail) elérhető.
KezdésRöviden
A RAG (Retrieval Augmented Generation) a vállalati MI-tudásbázisok bevett architektúrája: a dokumentumok vektor-embeddingekké alakulnak, és egy vektoradatbázisban tárolódnak. Egy lekérdezésnél a rendszer megkeresi a legrelevánsabb részleteket, és kontextusként átadja egy LLM-nek, amely ebből választ generál. Előny a klasszikus keresőeszközökkel szemben: természetes nyelvű válasz linklista helyett. Előny a generikus MI-vel szemben: a cégre szabott tudás az általános tudás helyett. De egy RAG-rendszert magadnak megépíteni testreszabott vállalati fejlesztés: vektoradatbázis licencelése (amerikai felhőszolgáltatás vagy saját üzemeltetés), az LLM-integráció beállítása, az embedding-pipeline felépítése, a chunking-stratégia megválasztása, re-ranking-modell alkalmazása, megfelelőségi réteg építése a GDPR-hoz/AI Acthoz. Időigény: 2-6 hónap testreszabott megvalósítás. Ár: ötszámjegyű kiépítés plusz négyszámjegyű havi felhőköltségek. A rinqo architektúrája ezt megoldja: a tudásmenedzsment gyárilag benne van a termékben, saját üzemeltetésű vektoradatbázis a Hetznernél Németországban, MI-modellek szerződésben garantált EU-n belüli adatkezeléssel, AI Act szerinti tájékoztatás. Aktiválás varázslóval.
A rinqóval egy MI-alapú tudásbázist kapsz többcsatornás kimenettel. Szervezetenként egy központi, RAG-alapú tudásbázis, amelyet PDF-ek, weboldal-bejárás, GYIK-listák és exportált helpdesk-cikkek táplálnak; a REST API-val rendelkező rendszerek, mint a Confluence vagy a Notion, kapcsolatként beköthetők, ekkor az ügynök a beszélgetésben keres bennük. Minden csatornán elérhető: telefon (egy hívás visszaadja a választ a tudásbázisból), chat (widget function callinggal), e-mail (az ügynök jóváhagyásra terjeszti elő a szokásos megkeresésekre adott válaszokat) és a személyes ügynök (belső kérdés-felelet keresés az egész csapatnak), a marketing és a jövőbeli csatornák ugyanabból a bázisból merítenek. Szerverek Németországban.
Tartalom
Miért a rinqo?
RAG gyárilag, testreszabott fejlesztés helyett
Klasszikus RAG-megvalósítás: 2-6 hónap testreszabott fejlesztés vektoradatbázis-licenccel, LLM-beállítással, embedding-pipeline-nal, chunkinggal, re-rankinggal, megfelelőséggel. rinqo: varázslós beállítás, saját üzemeltetésű vektoradatbázis, MI-szolgáltatás EU-n belüli adatkezeléssel, MI-tájékoztatás gyárilag.
Többcsatornás kimenet külön integráció nélkül
A klasszikus tudásbázis-eszközök webes felületek. A rinqo ugyanazt a tudásbázist telefonon, chat-widgeten, e-mail-rendezésen és a személyes ügynökön keresztül teszi elérhetővé, külön csatornaintegrációk nélkül. Egy tudásbázis, minden csatorna.
Hetzner DE amerikai felhős vektoradatbázis helyett
Az elterjedt vektoradatbázis-szolgáltatások amerikai régiókban tárolnak. A rinqo maga üzemelteti a vektoradatbázist németországi szervereken, a tudásbázisod nem egy amerikai felhős vektorszolgáltatónál van, hanem az EU-ban. Adatfeldolgozási szerződés automatikusan a szerződéskötéskor.
Tudáshézag-feloldás folyamatos tanulással
Ha az MI nem tud megválaszolni egy megkeresést, a hézag megjelenik az irányítópulton. A választ egy perc alatt hozzáadod, és legközelebb az MI már válaszolni tud. A tudásbázis valódi ügyfélmegkeresésekből növekszik, nem elméleti GYIK-karbantartásból.
MI-tájékoztatás az 50. cikk szerint, gyárilag
Minden MI által generált válasznál: tájékoztató jelzés (hangbemondás, chat-jelvény, e-mail-lábléc). 2026.08.02-től kötelező, a rinqónál alapértelmezett. A klasszikus, testreszabott RAG-megvalósításoknál a tájékoztatást kézzel kell beépíteni.
Function calling a strukturált válaszokért
Nem csak szöveges válaszok: az MI függvényeket is meghívhat, időpontot foglal a naptárban, kapcsolattartót vesz fel, webhookot indít, átad egy embernek. Így a tudásbázis aktívvá válik (cselekszik) a passzív helyett (csak tájékoztat).
Előtte. Utána.
Klasszikus lehetőségek a vállalati tudásmenedzsmenthez: (1) wiki- és dokumentumeszközök, webes kereső felület, MI-válasz nélkül, többcsatornás elérhetőség nélkül. (2) testreszabott RAG-megvalósítás, 2-6 hónap fejlesztés, ötszámjegyű kiépítési költség, amerikai felhős vektoradatbázis, kézi GDPR-megfelelőség. (3) generikus MI-chatek, nem ismerik a céged tudását, kitalált válaszokat adnak (hallucinációk).
rinqo (DE, Hetzner): RAG-rendszer gyárilag, saját üzemeltetésű, németországi vektoradatbázissal, EU-n belüli adatkezelésű MI-modellekkel, AI Act szintű megoldással. Többcsatornás kimenet: telefon + chat + e-mail + személyes ügynök. Tudáshézag-feloldás a folyamatos tanuláshoz. Beállítás varázslóval.
Mi az MI-alapú tudásbázis? A RAG vállalatoknak, elmagyarázva
A RAG (Retrieval Augmented Generation) a vezető architektúra az MI-tudásbázisokhoz. Három lépés: először a dokumentumok szemantikus vektor-embeddingekké alakulnak (embedding-modellel), és egy vektoradatbázisban tárolódnak. A rinqo maga üzemelteti a vektoradatbázist a Hetznernél Németországban. Másodszor egy lekérdezésnél a rendszer kiszámítja a kérdés vektor-embeddingjét, és megkeresi a leghasonlóbb dokumentumrészleteket az adatbázisban, jellemzően az 5 legjobb találatot. Harmadszor a megtalált részleteket kontextusként átadja egy LLM-nek (a rinqónál szerződésben garantált EU-n belüli adatkezeléssel), amely ebből természetes nyelvű választ generál. Előny: a cégre szabott tudás az általános tudás helyett, természetes nyelvű válasz linklista helyett. Kompromisszum: jó minőségű tudásbázis-tartalmat és tiszta chunkingot igényel. A rinqo a chunkingot és a re-rankinget alapból a DACH-régiós kkv-tudásbázisokra kalibrálta (100-500 szavas helpdesk-cikkek, GYIK-listákkal és PDF-dokumentumokkal vegyítve).
Hogyan épül fel a rinqo tudásbázisa, négy bemeneti forrás jóváhagyással
A tudásbázis többféle bemenetet fogad el. Először weboldal-bejárás. Megadod a fődoméned URL-jét, a rinqo automatikusan bejárja az összes indexelhető oldalt, kinyeri a szöveget, és embeddingekké alakítja a saját üzemeltetésű vektoradatbázisban. Másodszor fájlfeltöltés. PDF-dokumentumokat, Word-dokumentumokat, Markdown-fájlokat, Excel-táblázatokat töltesz fel. A szöveget kinyerik és automatikusan embeddingelik. Működik helpdesk-cikkgyűjteményekhez, munkatársi kézikönyvekhez, termékdokumentációhoz, megfelelőségi irányelvekhez. Harmadszor harmadik féltől származó források. A REST API-val rendelkező rendszerek, mint a Confluence vagy a Notion, kapcsolatként beköthetők, ekkor az ügynök a beszélgetésben keres bennük. Negyedszer magából a munka mindennapjaiból. Ha valaki olyat kérdez a személyes ügynöktől, ami még nincs rögzítve, vagy egy ember megválaszol egy eszkalált megkeresést, a rinqo javaslatot tesz az új tudásblokkra. Fontos: egy javaslat nem lép automatikusan életbe. Egy kezelő személy jóváhagyja, és eldönti, a közös céges tudásba vagy az adott személy személyes tudásába kerüljön-e. Így a tudásbázis ellenőrzötten, a napi munkából növekszik, fáradságos karbantartás nélkül, és semmi sem kerül ellenőrizetlenül a válaszokba.
Többcsatornás kimenet, egy tudásbázis minden csatornához
A klasszikus tudásmenedzsment-eszközök webes felületek: a munkatársaknak és az ügyfeleknek meg kell nyitniuk az appot, keresniük, olvasniuk kell. Telefonhívásoknál, chat-megkereséseknél vagy e-maileknél a tudást a csapat valamely tagjának kézzel kell előhívnia. A rinqo ezt megfordítja: ugyanazt a tudásbázist minden csatornán játssza ki. Telefoncsatorna: az MI-telefonügynök felveszi a hívást, keres a tudásbázisban, hangban válaszol (beszédszintézis egy német szolgáltatón keresztül). Chatcsatorna: webes widget ugyanazzal a tudásbázissal. E-mail-csatorna: az e-mail-ügynök IMAP-on kapcsolódik a postafiókhoz, a tudásbázisban szereplő megkeresésekre jóváhagyásra váró piszkozatként vagy közvetlenül válaszol, az összetett leveleket pedig továbbítja. Személyes ügynök: közvetlen kérdés-felelet keresés az egész csapatnak (pl. a betegszabadság bejelentésének dokumentációjához), forrásmegjelöléssel, ha a tudásbázisból válaszol. Egy tudásbázis, minden csatorna, semmi tudássiló.
Tudás kiosztása, minden ügynök csak azt látja, amit látnia kell
Az egy tudásbázis nem jelenti azt, hogy mindenki mindent lát. A rinqóban minden ügynöknek célzottan kiosztja, melyik tudásból válaszolhat. A weboldal chat-ügynöke a nyitvatartást, a szolgáltatásokat és az árakat kapja; az e-mail-ügynök emellett a reklamációs folyamatokat is; a belső HR-iratok, a beszerzési feltételek vagy a szerződések teljesen kívül maradnak. Így egy ügyféloldali ügynök csak azt válaszolja meg, ami az ügyfeleknek szól, és soha nem fér hozzá a belső dokumentumokhoz, az elválasztás strukturális, nem a prompt megfogalmazásának kérdése. A csapat személyes ügynöke fordítva hozzáférhet a belső tudáshoz, minden személy pedig ráadásul a saját személyes tudásához, amely senki más számára nem látható. A kiosztást az irányítópulton állítod be, és bármikor módosítod; egy változás azonnal hat minden csatornán, anélkül hogy a dokumentumokat kétszer kellene karbantartani.
Tudáshézag-feloldás, a tudásbázis valódi megkeresésekből tanul
A klasszikus RAG-rendszereknek van egy jellemző problémájuk: a tudásbázis kezdetben hiányos. A munkatársak és az ügyfelek olyan kérdéseket tesznek fel, amelyeket a tudásbázis nem fed le. A klasszikus rendszerek ilyenkor hibaüzenettel válaszolnak, vagy ami rosszabb, hallucinálnak. A rinqo tudáshézagokkal dolgozik. 1. lépés: egy megválaszolhatatlan megkeresést az MI átad egy embernek, ÉS strukturáltan rögzíti a hézagot az irányítópulton. 2. lépés: az összes nyitott tudáshézagot gyakoriság szerint rendezve látod. 3. lépés: a választ 30 másodperc alatt hozzáadod (lehet GYIK-bejegyzés, kiegészített dokumentációrészlet vagy új tudásfájl). 4. lépés: ha a választ hozzárendelted az ügynökhöz, a következő azonos vagy hasonló megkeresést már ő maga válaszolja meg. A tudásbázis valódi ügyfélmegkeresésekből növekszik, nem elméleti GYIK-karbantartásból.
rinqo vs. klasszikus tudásmenedzsment-eszközök, az összehasonlítás
Három lehetőséget vet össze a DACH-régiós kkv 2026-ban a tudásmenedzsmenthez. Először a klasszikus wiki- és tudásbázis-eszközök. Erősség: kiforrott szerkesztői felületek, verziózás, jogosultságok, csapatmunka. Gyengeség: csak webes felület, MI-válasz nélkül, többcsatornás elérhetőség nélkül. Az elszámolás többnyire fejenként történik, MI-válasz nincs benne. Másodszor a testreszabott RAG-megvalósítás. Erősség: maximális rugalmasság az architektúrában és az integrációkban. Gyengeség: hónapokig tartó fejlesztés, magas kiépítési költség, felhős adatbázis-licencek, saját GDPR- és AI Act-munka. Harmadszor a generikus MI-chatek. Erősség: kiforrott LLM-válaszok. Gyengeség: nem ismerik a cég tudását (hacsak nem másolod be kézzel a kontextust), hallucinálnak a konkrét megkereséseknél, gyakran amerikai felhős tárhely. A rinqo egyesíti a három előnyt: karbantartott tudásbázis alapszintű szerkesztői funkciókkal, plusz RAG-válaszok, plusz szerverek Németországban és adatkezelés az EU-ban.
Gyakori kérdések
Források
- 2024/1689 EU-rendelet (AI Act), 50. cikk
- GDPR 28. cikk, adatfeldolgozás
- EUB C-311/18 (Schrems II), harmadik országbeli adattovábbítás
Utoljára frissítve: 2026-09-05
Alapító, rinqo
A rinqo alapítója. Vállalati memóriát épít, amelyben egy szervezet tudása összefut és elérhető marad, és az abból dolgozó MI-ügynököket: telefonon, a postafiókban, a chatben, a marketingben és további szerepekben. Itt az MI vállalati bevezetéséről, az adatvédelemről és arról ír, ami a gyakorlatban megáll. Németországban fejlesztve, az EU-ban feldolgozva, USA-beli szolgáltatók nélkül.
Utoljára frissítve:
Többet az ügynökről
Az ügynökhöz