Директно на садржај
8 мин читањаАжурирано 5. септембар 2026.
Мртва природа од пресавијеног папира на тему База знања са AI
РешењеБаза знања са AI

База знања са AI за предузећа.

RAG систем из Немачке, доступан на сваком каналу.

Знање је свуда: у PDF-овима, викијима, Word документима, листама честих питања, старим имејловима. Запослени и клијенти морају да га траже ручно. Класични алати за управљање знањем су алати за претрагу, приказују резултате претраге, али не одговарају. Генеративна AI попут ChatGPT-а може да одговори, али не познаје знање твог предузећа. Оно што недостаје: RAG систем који повезује обоје и доступан је на сваком каналу (телефон, чет, имејл).

Почни

Укратко

RAG (Retrieval Augmented Generation) је стандардна архитектура за корпоративне базе знања са AI: документа се претварају у векторске embeddings и чувају у векторској бази података. При упиту систем тражи најрелевантније одломке и предаје их као контекст једном LLM-у, који из њих генерише одговор. Предност у односу на класичне алате за претрагу: одговор природним језиком уместо листе линкова. Предност у односу на генеричку AI: знање специфично за предузеће уместо општег знања. Али сам изградити RAG систем значи прилагођени корпоративни инжењеринг: лиценцирање векторске базе (услуга у облаку из САД или сопствено хостовање), подешавање LLM интеграције, изградња embedding pipeline-а, избор стратегије chunking-а, примена re-ranking модела, изградња слоја усклађености за GDPR/AI Act. Временски трошак: 2-6 месеци прилагођене имплементације. Цена: петоцифрена поставка плус четвороцифрени месечни трошкови облака. Архитектура rinqo-а то решава: управљање знањем је укључено у производ одмах, сопствена векторска база података на Hetzner-у у Немачкој, модели AI са уговором зајемченом обрадом података у ЕУ, обавештење усклађено са AI Act-ом. Активација преко чаробњака.

Уз rinqo добијаш базу знања са AI и вишеканалним излазом. Једна централна база знања заснована на RAG-у по организацији, напајана из PDF-ова, скенирања веб-сајта, листа честих питања и helpdesk чланака; системе са REST API-јем попут Confluence-а или Notion-а повезујеш као везу, агент у њима претражује током разговора. Доступна на сваком каналу: телефон (један позив даје одговор из базе знања), чет (виџет са function calling-ом), имејл (агент припрема одговоре на стандардне упите као нацрт за одобрење) и лични агент (интерна претрага питања и одговора за цео тим), маркетинг и будући канали црпе из исте базе. Хостовање на Hetzner-у у Немачкој.

Садржај

Зашто rinqo?

RAG одмах, уместо прилагођеног инжењеринга

Класична RAG имплементација: 2-6 месеци прилагођеног инжењеринга уз лиценцу векторске базе, подешавање LLM-а, embedding pipeline, chunking, re-ranking, усклађеност. rinqo: поставка преко чаробњака, сопствена векторска база података, услуга AI са обрадом података у ЕУ, обавештење по AI Act-у уграђено подразумевано.

Вишеканални излаз без посебне интеграције

Класични алати за базе знања су веб фронтендови. rinqo чини исту базу знања доступном преко телефона, чет-виџета, тријаже имејла и личног агента, без посебних интеграција канала. Једна база знања, сваки канал.

Hetzner у Немачкој уместо векторске базе у облаку из САД

Распрострањене услуге векторских база хостују у регионима САД. rinqo сам управља векторском базом података на Hetzner-у у Фалкенштајну/Нирнбергу, твоја база знања није код векторске услуге у облаку из САД, већ у ЕУ. Уговор о обради података аутоматски при закључењу уговора.

Разрешавање празнина у знању уз континуирано учење

Када AI не може да одговори на упит, празнина се пријављује на контролној табли. Одговор додајеш за један минут и следећи пут AI може да одговори. База знања расте из стварних упита клијената, а не из теоријског одржавања честих питања.

Обавештење по члану 50 AI Act-а подразумевано

Уз сваки одговор који генерише AI: назнака обавештења (гласовна најава, ознака у чету, подножје имејла). Обавезно од 02.08.2026, код rinqo-а подразумевано. Класичне прилагођене RAG имплементације морају обавештење да уграде ручно.

Function calling за структуриране одговоре

Уместо само текстуалних одговора, AI може да позива функције: заказивање термина у календару, уношење лида у CRM, покретање webhook-а, ескалација човеку. Тако база знања постаје активна (делује) уместо пасивна (само обавештава).

Пре. После.

Без rinqo

Класичне опције за управљање знањем у предузећу: (1) алати за викије и документа, веб фронтенд за претрагу, без одговора AI, без вишеканалне доступности. (2) прилагођена RAG имплементација, 2-6 месеци инжењеринга, петоцифрени трошкови поставке, векторска база у облаку из САД, ручна усклађеност са GDPR-ом. (3) генерички четови са AI, не познају знање твог предузећа, дају измишљене одговоре (халуцинације).

Са rinqo

rinqo (Немачка, Hetzner): RAG систем одмах, са сопственом векторском базом података у Немачкој, моделима AI са обрадом података у ЕУ, стандардом AI Act-а. Вишеканални излаз: телефон + чет + имејл + лични агент. Разрешавање празнина у знању за континуирано учење. Поставка преко чаробњака.

Шта је база знања са AI? RAG за предузећа, објашњено

RAG (Retrieval Augmented Generation) је водећа архитектура за базе знања са AI. Три корака: прво, документа се претварају у семантичке векторске embeddings (преко embedding модела) и чувају у векторској бази података. rinqo сам управља векторском базом података на Hetzner-у у Немачкој. Друго, при упиту систем израчунава векторски embedding питања и тражи најсличније одломке докумената у бази података, обично 5 најбољих резултата. Треће, пронађени одломци се предају као контекст једном LLM-у (код rinqo-а са уговором зајемченом обрадом података у ЕУ), који из њих генерише одговор природним језиком. Предност: знање специфично за предузеће уместо општег знања, одговор природним језиком уместо листе линкова. Компромис: захтева квалитетан садржај базе знања и чист chunking. rinqo подразумевано калибрише chunking и re-ranking за базе знања МСП-а из DACH региона (helpdesk чланци од 100-500 речи, помешани са листама честих питања и PDF документима).

Како се гради база знања rinqo-а, четири извора уноса уз одобравање

База знања прихвата неколико типова уноса. Прво, скенирање веб-сајта. Наведеш URL свог главног домена, rinqo аутоматски скенира све индексабилне странице, извлачи текст и претвара у embeddings у сопственој векторској бази података. Друго, отпремање фајлова. Отпремаш PDF документа, Word документа, Markdown фајлове, Excel табеле. Текст се извлачи и аутоматски претвара у embeddings. Функционише за збирке helpdesk чланака, приручнике за запослене, документацију производа, смернице усклађености. Треће, извори трећих страна. Системе са REST API-јем попут Confluence-а или Notion-а повезујеш као везу, агент у њима претражује током разговора; по жељи то подешавамо ми. Четврто, из саме радне свакодневице. Ако неко пита личног агента нешто што још није унето, или човек одговори на ескалирани упит, rinqo предлаже нови градивни елемент знања. Важно: предлог не постаје аутоматски активан. Особа која управља га одобрава и одлучује да ли иде у заједничко знање предузећа или у лично знање дате особе. Тако база знања расте контролисано из свакодневног рада, без мукотрпног одржавања, и ништа не доспева непроверено у одговоре.

Вишеканални излаз, једна база знања за сваки канал

Класични алати за управљање знањем су веб фронтендови: запослени и клијенти морају да отворе апликацију, траже, читају. Код телефонских позива, чет-упита или имејлова знање мора неко из тима да преузме ручно. rinqo то обрће: иста база знања се приказује преко сваког канала. Телефонски канал: телефонски агент са AI прима позив, тражи у бази знања, одговара гласовно (синтеза говора преко немачког добављача, хостовано у ЕУ). Чет канал: веб-виџет са истом базом знања. Имејл канал: аутономни агент за тријажу повезује се преко IMAP-а на сандуче, одговара на упите који су у бази знања, ескалира сложене поруке. Лични агент: директна претрага питања и одговора за цео тим (нпр. за документацију тока пријаве боловања), уз навођење извора при сваком одговору. Једна база знања, сваки канал, никакав силос знања.

Додела знања, сваки агент види само оно што сме да види

Једна база знања не значи да свако види све. У rinqo-у сваком агенту циљано додељујеш из ког знања сме да одговара. Чет агент на веб-сајту добија радно време, услуге и цене; имејл агент уз то и токове рекламација; интерна кадровска документа, набавни услови или уговори остају потпуно ван домашаја. Тако агент према клијентима одговара само на оно што је намењено клијентима и никада не приступа интерним документима, раздвајање је структурно, а не ствар формулације у промпту. Лични агент за тим, обрнуто, сме да приступа интерном знању, а свака особа додатно свом сопственом личном знању, које никоме другом није видљиво. Доделу подешаваш на контролној табли и мењаш је у сваком тренутку, а промена одмах делује на свим каналима, без двоструког одржавања докумената.

Разрешавање празнина у знању, база знања учи из стварних упита

Класични RAG системи имају типичан проблем: база знања је у почетку непотпуна. Запослени и клијенти постављају питања која база знања не покрива. Класични системи тада одговарају поруком о грешци или, још горе, халуцинирају. rinqo има петљу континуираног учења. Корак 1: код упита на који се не може одговорити, AI поштено ескалира човеку И структуирано бележи празнину на контролној табли. Корак 2: видиш све отворене празнине у знању поређане по учесталости. Корак 3: одговор додајеш за 30 секунди (може бити ставка честих питања, допуњен одломак документације или нови фајл знања). Корак 4: следећи исти или сличан упит се одговара аутоматски. База знања расте из стварних упита клијената, а не из теоријског одржавања честих питања.

rinqo vs. класични алати за управљање знањем, поређење

Три опције пореде МСП из DACH региона 2026. за управљање знањем. Прво, класични алати за викије и базе знања. Снага: зрели уреднички интерфејси, верзионисање, дозволе, тимска сарадња. Слабост: само веб фронтенд, без одговора AI, без вишеканалне доступности. Цена обично 8-15 € по особи/месечно, али без укљученог слоја AI. Друго, прилагођена RAG имплементација. Снага: максимална флексибилност у архитектури и интеграцијама. Слабост: 2-6 месеци инжењеринга, петоцифрени трошкови поставке, лиценце база у облаку, ручна усклађеност са GDPR-ом/AI Act-ом, сходно захтевно. Треће, генерички четови са AI. Снага: зрели LLM одговори. Слабост: не познају знање предузећа (осим ако ручно не налепиш контекст), халуцинирају код специфичних упита, често хостовање у облаку из САД. rinqo спаја три предности: одржавану базу знања са основним уредничким функцијама плус RAG одговоре плус GDPR/хостовање у ЕУ (направљено у Немачкој).

Честа питања

Sven Pflüger

Sven Pflüger

Оснивач, rinqo

Оснивач rinqo. Гради меморију компаније у којој се знање организације слива и остаје доступно, и АИ агенте који из ње раде: на телефону, у сандучету, у ћаскању, у маркетингу и у даљим улогама. Овде пише о увођењу АИ у компаније, о заштити података и о томе шта издржи у пракси. Развијено у Немачкој, обрађено у ЕУ, без америчких добављача.

LinkedIn

Последње ажурирање:

Пробај уживо

Иди на агента