ข้ามไปยังเนื้อหาหลัก
FromNine
เมนู

AI และข้อมูล

Generative AI ที่ใช้งานจริงได้อย่างมั่นคง

เราสร้างแอปพลิเคชัน Generative AI บนความรู้และข้อมูลขององค์กรคุณ ด้วยการค้นคืนข้อมูลที่เคารพสิทธิ์การเข้าถึง การประเมินผลที่เป็นด่านตรวจก่อนทุกการเปิดใช้งาน และต้นทุน คุณภาพ และเวลาตอบสนองที่มองเห็นได้

สำหรับองค์กรที่ใช้แพลตฟอร์ม AI ชุดเดียวครอบคลุมหลายภาษาและกฎหมายของหลายประเทศ เช่น PDPA ในประเทศไทยและ EU AI Act สำหรับงานที่ใช้ในยุโรป

ปรึกษาโครงการของคุณดูโซลูชันค้นหาความรู้
วิศวกรรม AI และ Generative AI: ชั้นความสามารถสี่ชั้นเรียงซ้อนกัน จากบนลงล่าง ได้แก่ การค้นคืนข้อมูลจากแหล่งข้อมูลของคุณ เกตเวย์โมเดล การประเมินผลและกลไกป้องกัน และแอปพลิเคชันที่ผู้ใช้งานใช้ทำงาน เส้นทางเดียววิ่งจากแหล่งข้อมูลไปสู่แอปพลิเคชัน01ค้นคืนจากแหล่งข้อมูลของคุณ02เกตเวย์และการเลือกโมเดล03การประเมินผลและกลไกป้องกัน04แอปพลิเคชันที่ใช้งานจริง
  1. 01คำตอบที่อ้างอิงแหล่งที่มา และปฏิเสธที่จะตอบเมื่อไม่มีหลักฐาน
  2. 02ชุดข้อมูลทดสอบมาตรฐานและด่านตรวจการถดถอยที่ตกลงกับทีมของคุณก่อนเปิดใช้งาน
  3. 03การเลือกเส้นทางโมเดลและงบประมาณที่ทำให้เห็นต้นทุนและเวลาตอบสนองต่อคำขอ

01 ปัญหา

จุดที่ Generative AI มักสะดุด

ตัวโมเดลแทบไม่เคยเป็นส่วนที่ยากที่สุด สิ่งที่ทำให้โครงการส่วนใหญ่หยุดชะงักคือทุกอย่างที่อยู่รอบโมเดล

  1. 01

    โครงการนำร่องน่าประทับใจ แต่ไม่มีใครบอกได้ว่าดีจริงหรือไม่

    คนไม่กี่คนตัดสินคุณภาพจากการลองถามคำถามไม่กี่ข้อ เมื่อไม่มีชุดทดสอบ การแก้ prompt หรือการอัปเกรดโมเดลทุกครั้งจึงเป็นการเสี่ยงดวง

  2. 02

    ผู้ช่วย AI แสดงเอกสารที่ผู้ใช้งานไม่ควรเห็น

    เนื้อหาถูกนำเข้าดัชนีโดยไม่มีสิทธิ์การเข้าถึงติดมาด้วย ฝ่ายความมั่นคงปลอดภัยและเจ้าหน้าที่คุ้มครองข้อมูลส่วนบุคคลจึงสั่งหยุดการขยายผล ซึ่งเป็นการตัดสินใจที่ถูกต้อง

  3. 03

    ต้นทุนเพิ่มเร็วกว่าการใช้งาน

    ทุกคำขอถูกส่งไปยังโมเดลที่ใหญ่ที่สุดพร้อมบริบทที่ยาวที่สุด ไม่มีใครรู้ต้นทุนของคำตอบหนึ่งข้อ จึงไม่มีใครบริหารต้นทุนนั้นได้

  4. 04

    คำตอบฟังดูถูกต้อง แต่ไม่ถูก

    การค้นคืนได้เนื้อหาที่เกือบตรงแต่ไม่ตรง โมเดลเติมช่องว่างได้อย่างลื่นไหล และผู้ใช้งานหมดความเชื่อมั่นหลังเจอคำตอบผิดที่มั่นใจเป็นครั้งที่สาม

02 สิ่งที่เราส่งมอบ

สิ่งที่เราส่งมอบ

  1. 01 ระบบค้นคืนข้อมูลและระบบความรู้ขององค์กร

    ออกแบบการค้นคืนตามแหล่งข้อมูลแต่ละแหล่ง ทั้งวิธีแยกและแบ่งเนื้อหา วิธีผสานการค้นหาด้วยคำกับการค้นหาเชิงเวกเตอร์ และวิธีให้สิทธิ์การเข้าถึงติดไปกับทุกข้อความ ซึ่งเป็นพื้นฐานของผู้ช่วยในโซลูชันค้นหาความรู้ในองค์กร

    สิ่งที่เราทำ

    • สำรวจแหล่งข้อมูลพร้อมเจ้าของ รูปแบบไฟล์ และรูปแบบสิทธิ์การเข้าถึง
    • กลยุทธ์การแบ่งเนื้อหาและเมทาดาทาตามประเภทเอกสาร
    • การค้นหาแบบผสมระหว่างคำและเวกเตอร์ พร้อมการจัดลำดับใหม่
    • การค้นคืนที่สืบทอดสิทธิ์การเข้าถึงจากระบบต้นทาง

    สิ่งที่คุณได้รับ

    • ไปป์ไลน์นำเข้าข้อมูลที่ตรวจจับการเปลี่ยนแปลงได้
    • บริการค้นคืนที่อ้างอิงแหล่งที่มาและมีกฎการงดตอบ
    • รายงานคุณภาพการค้นคืนแยกตามแหล่งข้อมูล

  2. 02 กลยุทธ์โมเดลที่ไม่ผูกติดผู้ให้บริการรายเดียว

    เกตเวย์โมเดลที่คั่นระหว่างแอปพลิเคชันกับโมเดล ทำให้เลือกเส้นทางตามประเภทงาน สลับไปใช้ทางสำรองเมื่อผู้ให้บริการขัดข้อง และเปลี่ยนโมเดลได้เมื่อราคาและความสามารถเปลี่ยนไป

    สิ่งที่เราทำ

    • ทางเลือกตั้งแต่โมเดลชั้นนำแบบใช้บริการ โมเดลที่โฮสต์ในสหภาพยุโรป ไปจนถึงโมเดล open-weight ที่โฮสต์เอง
    • เลือกเส้นทางตามประเภทงาน ความอ่อนไหวของข้อมูล และต้นทุน
    • ทางสำรอง การหมดเวลา การแคช และการจำกัดอัตราการเรียกใช้
    • ทบทวนเงื่อนไขการประมวลผลข้อมูลร่วมกับทีมกฎหมายและทีมความมั่นคงปลอดภัยของคุณ

    สิ่งที่คุณได้รับ

    • เกตเวย์โมเดลที่กำหนดนโยบายเส้นทางผ่านการตั้งค่า
    • บันทึกการตัดสินใจเลือกโมเดลสำหรับแต่ละกรณีการใช้งาน
    • งบประมาณต้นทุนและเวลาตอบสนองตามประเภทคำขอ

  3. 03 การประเมินผลในฐานะงานวิศวกรรม

    เกณฑ์คุณภาพที่ตกลงกับผู้เป็นเจ้าของกระบวนการ แปลงเป็นชุดทดสอบที่รันทุกครั้งที่มีการเปลี่ยนแปลง การตรวจที่ใช้โมเดลให้คะแนน เราปรับเทียบกับการตรวจของคนก่อนจะพึ่งพาผลนั้น

    สิ่งที่เราทำ

    • ชุดข้อมูลทดสอบมาตรฐานสำหรับแต่ละกรณีการใช้งาน สร้างร่วมกับผู้เชี่ยวชาญในงาน
    • ประเมินการค้นคืนและการสร้างคำตอบแยกจากกันแบบออฟไลน์
    • ทดสอบเจาะระบบด้าน prompt injection และการรั่วไหลของข้อมูล
    • ประเมินผลออนไลน์จากความคิดเห็นในการใช้งานจริงและการสุ่มตรวจ

    สิ่งที่คุณได้รับ

    • ชุดการประเมินผลที่ผูกกับ CI เป็นด่านตรวจก่อนเปิดใช้งาน
    • เกณฑ์คุณภาพที่เจ้าของกระบวนการลงนามรับรอง
    • ผลการทดสอบเจาะระบบและมาตรการแก้ไข

  4. 04 LLMOps และการติดตามระบบ

    ติดตามได้ตั้งแต่คำถาม ข้อความที่ค้นคืนได้ การเรียกโมเดล ไปจนถึงคำตอบ โดยจัดการเวอร์ชันของ prompt และโมเดลเหมือนโค้ด และบังคับใช้งบประมาณในระบบที่ใช้งานจริง

    สิ่งที่เราทำ

    • การติดตามและบันทึกล็อกแบบมีโครงสร้างของทุกคำขอ
    • การจัดการเวอร์ชันของ prompt โมเดล และดัชนี
    • การแคชเชิงความหมายและแบบตรงตัวในจุดที่ปลอดภัย
    • การเฝ้าระวังการเปลี่ยนแปลงของคุณภาพพร้อมการแจ้งเตือน

    สิ่งที่คุณได้รับ

    • แดชบอร์ดคุณภาพ ต้นทุน และเวลาตอบสนอง
    • คู่มือรับมือเหตุขัดข้องเฉพาะของระบบ AI
    • คู่มือปฏิบัติงานสำหรับการปรับโมเดลและดัชนี

  5. 05 ธรรมาภิบาลตั้งแต่การออกแบบ

    เราออกแบบโดยคำนึงถึง EU AI Act ตั้งแต่การจัดระดับความเสี่ยงและบทบาทของคุณในฐานะผู้ให้บริการหรือผู้ใช้งานระบบ ไปจนถึงการบันทึกล็อก การกำกับดูแลโดยมนุษย์ และเอกสารระบบ ส่วนข้อมูลส่วนบุคคลของคนในประเทศไทยเราออกแบบตาม PDPA ตั้งแต่ต้น การประเมินทางกฎหมายยังคงเป็นหน้าที่ของที่ปรึกษากฎหมายของคุณ

    สิ่งที่เราทำ

    • จัดประเภทกรณีการใช้งานและหน้าที่ตามบทบาท
    • ข้อมูลประกอบการประเมินผลกระทบด้านการคุ้มครองข้อมูล (DPIA) ตาม GDPR และมาตรการรักษาความมั่นคงปลอดภัยตาม PDPA
    • การออกแบบการบันทึกล็อกและการกำกับดูแลโดยมนุษย์
    • เอกสารโมเดลและระบบที่เก็บไว้คู่กับโค้ด

    สิ่งที่คุณได้รับ

    • ชุดเอกสารระบบ
    • การออกแบบการบันทึกล็อกและระยะเวลาการเก็บรักษา
    • ขั้นตอนการกำกับดูแลสำหรับแต่ละกรณีการใช้งาน

  6. 06 Fine-tuning และการทำความเข้าใจเอกสาร เมื่อผลประเมินบอกว่าจำเป็น

    Fine-tuning, distillation และการทำความเข้าใจเอกสารหลายรูปแบบเป็นเครื่องมือสำหรับช่องว่างเฉพาะ เราใช้เมื่อชุดการประเมินผลแสดงว่าการค้นคืนและ prompt ยังไม่พอ และจะไม่ใช้ก่อนหน้านั้น

    สิ่งที่เราทำ

    • วิเคราะห์ช่องว่างจากผลการประเมิน
    • แผนเตรียมข้อมูลและติดป้ายกำกับข้อมูล
    • Distillation สู่โมเดลขนาดเล็กเพื่อลดต้นทุนหรือเวลาตอบสนอง
    • ดึงข้อมูลโดยเข้าใจโครงร่างของเอกสารสแกนและเอกสารที่ซับซ้อน

    สิ่งที่คุณได้รับ

    • ผลประเมินเปรียบเทียบก่อนและหลัง
    • ที่มาของข้อมูลที่ใช้ฝึกโมเดล
    • การตัดสินใจว่าจะใช้ต่อ ย้อนกลับ หรือยกเลิก

03 สถาปัตยกรรม

ตัวอย่างสถาปัตยกรรมอ้างอิง

ระบบ Generative AI ขององค์กรที่เราสร้างส่วนใหญ่มีโครงสร้างเดียวกัน คือ การค้นคืนจากแหล่งข้อมูลของคุณ เกตเวย์โมเดล กลไกป้องกันทั้งก่อนและหลังโมเดล และวงจรการประเมินผลกับการติดตามระบบที่อยู่เบื้องล่าง ซึ่งเป็นตัวตัดสินว่าอะไรเปิดใช้งานได้

ตัวกรองสิทธิ์อยู่ภายในการค้นคืน ไม่ได้อยู่ที่หน้าจอผู้ใช้งาน หากผู้ใช้งานคนหนึ่งเปิดเอกสารในระบบต้นทางไม่ได้ ข้อความจากเอกสารนั้นจะไม่ถูกส่งไปยังโมเดลในนามของผู้ใช้งานคนนั้น

ชั้นในแผนภาพ

แหล่งข้อมูล
ที่เก็บเอกสาร วิกิ และระบบงาน รวมถึงผู้ให้บริการยืนยันตัวตนที่รู้ว่าใครเห็นอะไรได้
การค้นคืน
การนำเข้าข้อมูล ดัชนีแบบผสม การจัดลำดับใหม่ และตัวกรองสิทธิ์
โมเดล
เกตเวย์ที่เลือกเส้นทางระหว่างโมเดลแบบใช้บริการ โมเดลที่โฮสต์ในสหภาพยุโรป และโมเดลที่โฮสต์เอง พร้อมทางสำรองและการแคช
แอปพลิเคชัน
คำตอบที่อ้างอิงแหล่งที่มา การงดตอบเมื่อไม่มีหลักฐาน และกลไกป้องกันทั้งขาเข้าและขาออก
ดูแลและปรับปรุง
ชุดทดสอบมาตรฐาน ด่านตรวจการถดถอย trace และงบประมาณ trace จากการใช้งานจริงกลายเป็นชุดทดสอบถัดไป
ตัวอย่างประกอบ

  1. แหล่งข้อมูล

    • ที่เก็บเอกสารและวิกิ
    • ระบบงาน
    • ผู้ให้บริการยืนยันตัวตน

  2. การค้นคืน

    • นำเข้าและแบ่งเนื้อหา
    • ดัชนีแบบผสม
    • ตัวกรองสิทธิ์
    • ค้นคืนและจัดลำดับใหม่

  3. โมเดล

    • เกตเวย์โมเดล
    • โมเดลแบบใช้บริการ โฮสต์ใน EU และโฮสต์เอง
    • กลไกป้องกันขาเข้าและขาออก

  4. แอปพลิเคชัน

    • แอปพลิเคชันที่อ้างอิงแหล่งที่มา

  5. ดูแลและปรับปรุง

    • ชุดทดสอบมาตรฐานและด่านตรวจ
    • Trace งบต้นทุนและเวลาตอบสนอง
การค้นคืน เกตเวย์โมเดล และวงจรการประเมินผล

ตัวอย่างสถาปัตยกรรม ไม่ใช่ระบบของลูกค้า

อ่านแผนภาพในรูปแบบข้อความ

เส้นทางหลักวิ่งจากที่เก็บเอกสาร ผ่านการนำเข้าข้อมูล ดัชนีแบบผสม การค้นคืนพร้อมการจัดลำดับใหม่ และเกตเวย์โมเดล ไปยังแอปพลิเคชัน

ระบบงานส่งข้อมูลเข้าสู่การนำเข้าด้วย ผู้ให้บริการยืนยันตัวตนส่งข้อมูลให้ตัวกรองสิทธิ์ซึ่งจำกัดการค้นคืน กลไกป้องกันตรวจทั้งข้อมูลเข้าและข้อมูลออกของแอปพลิเคชัน เกตเวย์เลือกเส้นทางไปยังโมเดลชั้นนำแบบใช้บริการ โมเดลที่โฮสต์ในสหภาพยุโรป และโมเดล open-weight ที่โฮสต์เอง

เบื้องล่างมีชุดการประเมินผลพร้อมชุดทดสอบมาตรฐานและด่านตรวจการถดถอย และการติดตามระบบพร้อม trace งบประมาณต้นทุนและเวลาตอบสนอง trace จากระบบที่ใช้งานจริงป้อนกลับเข้าชุดการประเมินผล

04 ข้อพิจารณาและข้อจำกัด

ข้อพิจารณาทางวิศวกรรมและข้อจำกัด

  • คุณภาพต้องวัดได้ ไม่ใช่แค่สัญญา

    วิธีที่เราจัดการ

    เราตกลงเกณฑ์คุณภาพกับเจ้าของกระบวนการของคุณ และทดสอบผลลัพธ์ของ AI ตามเกณฑ์นั้นทั้งก่อนและหลังการเปิดใช้งานแต่ละครั้ง

    การค้นคืนและการสร้างคำตอบประเมินแยกกัน เมื่อเกิดความผิดพลาดจึงชี้ไปยังสาเหตุได้

    ข้อจำกัดและเงื่อนไข

    ผลลัพธ์ของ AI อาจผิดได้ เราจึงออกแบบขั้นตอนตรวจทานสำหรับกรณีที่ไม่แน่ชัด และให้ระบบงดตอบเมื่อไม่มีหลักฐาน

    ชุดทดสอบจะดีได้เท่ากับผู้เชี่ยวชาญที่ช่วยสร้าง เราต้องการเวลาของพวกเขาตั้งแต่ช่วงแรก

  • สิทธิ์การเข้าถึงติดไปกับเนื้อหา

    วิธีที่เราจัดการ

    บันทึกสิทธิ์การเข้าถึงตั้งแต่ขั้นนำเข้า และบังคับใช้ทุกครั้งที่มีการค้นหา โดยตรวจกับผู้ให้บริการยืนยันตัวตนของคุณ

    ข้อจำกัดและเงื่อนไข

    หากระบบต้นทางเก็บสิทธิ์ในรูปแบบที่อ่านได้ไม่น่าเชื่อถือ เราจะยังไม่นำเนื้อหานั้นเข้าขอบเขตจนกว่าจะอ่านได้ถูกต้อง

    เนื้อหาที่แชร์กว้างเกินไปในระบบต้นทางก็ยังคงแชร์กว้างเกินไป การค้นคืนทำให้หาเจอง่ายขึ้น บางครั้งขั้นแรกจึงเป็นการจัดระเบียบสิทธิ์

  • ต้นทุนและเวลาตอบสนองเป็นปัจจัยในการออกแบบ

    วิธีที่เราจัดการ

    คำขอแต่ละประเภทมีงบประมาณ การเลือกเส้นทาง การแคช และขนาดบริบทปรับให้อยู่ในงบนั้น และแดชบอร์ดแสดงว่าเงินถูกใช้ไปที่ใด

    ข้อจำกัดและเงื่อนไข

    ราคาและขีดจำกัดการใช้งานของผู้ให้บริการเปลี่ยนได้โดยที่คุณควบคุมไม่ได้ เกตเวย์ช่วยให้ปรับตัวได้ แต่ทำให้การเปลี่ยนราคาหายไปไม่ได้

  • โมเดลเปลี่ยนไปโดยที่คุณไม่ได้เลือก

    วิธีที่เราจัดการ

    เราตรึงเวอร์ชันของโมเดล และการอัปเกรดทุกครั้งต้องผ่านชุดการประเมินผลทั้งหมดก่อนถึงมือผู้ใช้งาน

    ข้อจำกัดและเงื่อนไข

    โมเดลแบบใช้บริการบางครั้งถูกยกเลิกโดยแจ้งล่วงหน้าไม่นาน เราวางทางเลือกสำรองสำหรับแต่ละกรณีการใช้งาน และแผนนั้นต้องได้รับอนุมัติจากเจ้าของ

05 วิธีการทำงาน

วิธีการทำงานของเรา

ลำดับสำคัญ เราตัดสินใจว่าจะวัดผลอย่างไรก่อนตัดสินใจว่าจะสร้างอะไร

  1. 01

    กำหนดกรณีการใช้งาน

    ใครเป็นผู้ใช้งาน ระบบช่วยการตัดสินใจเรื่องใด แตะต้องแหล่งข้อมูลใดได้บ้าง และคำตอบที่ผิดมีต้นทุนเท่าใด

    ผลลัพธ์สรุปกรณีการใช้งานและการจัดระดับความเสี่ยง

  2. 02

    สร้างชุดทดสอบมาตรฐาน

    คำถามจริงและคำตอบที่คาดหวัง รวบรวมร่วมกับผู้เชี่ยวชาญในงานของคุณ รวมถึงคำถามที่ระบบควรปฏิเสธ

    ผลลัพธ์ชุดทดสอบที่จัดการเวอร์ชัน

  3. 03

    วางระบบค้นคืนก่อน

    การนำเข้าข้อมูล ดัชนี และตัวกรองสิทธิ์ ปรับจนคุณภาพการค้นคืนถึงเกณฑ์ที่ตกลงกัน

    ผลลัพธ์รายงานคุณภาพการค้นคืน

  4. 04

    เปิดใช้งานผ่านด่านตรวจ

    การสร้างคำตอบ กลไกป้องกัน และเกตเวย์ จะเปิดใช้งานได้เมื่อชุดการประเมินผลผ่านใน CI เท่านั้น

    ผลลัพธ์การเปิดใช้งานพร้อมหลักฐานผลประเมิน

  5. 05

    ดูแลและปรับปรุง

    Trace การสุ่มตรวจ และความคิดเห็นของผู้ใช้งาน ป้อนเข้าชุดทดสอบและการเปิดใช้งานครั้งถัดไป

    ผลลัพธ์การทบทวนคุณภาพ ต้นทุน และเวลาตอบสนองรายเดือน

06 การควบคุมโดยมนุษย์

จุดที่คนยังเป็นผู้ควบคุม

Generative AI ร่าง ค้นคืน และเสนอแนะ คนเป็นผู้ตัดสินว่า AI เห็นอะไรได้ อะไรถือว่าดี และจะเกิดอะไรขึ้นเมื่อระบบไม่แน่ใจ

  • เจ้าของรับรองคุณภาพ

    เจ้าของงานของแต่ละกรณีการใช้งานเป็นผู้อนุมัติเกณฑ์คุณภาพและหลักฐานก่อนเปิดใช้งาน ไม่ใช่ทีมส่งมอบเพียงฝ่ายเดียว

  • คำตอบที่ไม่แน่ใจส่งต่อให้คน

    เมื่อความมั่นใจต่ำกว่าเกณฑ์ที่ตกลงกัน ระบบจะงดตอบหรือส่งคำถามต่อไปยังทีมที่ระบุไว้

  • สิทธิ์การเข้าถึงอยู่ที่ระบบต้นทาง

    ใครเห็นเอกสารใดได้ ตัดสินที่ระบบต้นทางและผู้ให้บริการยืนยันตัวตนของคุณ ไม่ใช่ภายในชั้น AI

  • ความคิดเห็นนำไปสู่การปรับปรุง

    ผู้ใช้งานแจ้งคำตอบที่มีปัญหาได้ คนเป็นผู้ตรวจทานรายการที่แจ้ง และความผิดพลาดที่ยืนยันแล้วจะกลายเป็นกรณีทดสอบ

07 เทคโนโลยี

เทคโนโลยีที่เราใช้

การค้นคืน
  • OpenSearch และ Elasticsearch
  • PostgreSQL กับ pgvector
  • Azure AI Search
  • Cross-encoder re-ranker
โมเดล
  • โมเดลชั้นนำแบบใช้บริการ
  • บริการโมเดลที่โฮสต์ในภูมิภาค EU
  • โมเดล open-weight บน vLLM
  • โมเดล embedding สำหรับแต่ละภาษา
การประเมินผลและการดูแลระบบ
  • OpenTelemetry tracing
  • ชุดการประเมินผลบน CI
  • ทะเบียน prompt และโมเดล
  • Langfuse หรือเครื่องมือที่เทียบเท่า
แอปพลิเคชัน
  • บริการด้วย TypeScript และ Python
  • Streaming API
  • พอร์ทัลเดิม และหน้าจอของ Salesforce, SAP และ Odoo

การระบุชื่อเทคโนโลยีเป็นการบอกประสบการณ์ด้านวิศวกรรมของเรา ไม่ได้หมายความว่าเราเป็นพันธมิตรหรือได้รับการรับรองจากเจ้าของเทคโนโลยีนั้น

08 ตัวอย่าง

ตัวอย่างประกอบ

ตัวอย่างประกอบ

ผู้ช่วยค้นหานโยบายสำหรับผู้ผลิตอุปกรณ์อิเล็กทรอนิกส์ที่มีบริษัทในไทยและยุโรป

01สถานการณ์
ตัวอย่าง: นโยบายระดับกลุ่มเขียนเป็นภาษาอังกฤษ ส่วนระเบียบปฏิบัติและคู่มือผลิตภัณฑ์ของโรงงานในประเทศไทยเขียนเป็นภาษาไทย และของบริษัทลูกในยุโรปเขียนเป็นภาษาท้องถิ่น พนักงานถามคำถามเดียวกันในหลายภาษาและได้คำตอบไม่ตรงกัน
02ระบบที่เราจะสร้าง
ระบบค้นคืนหลายภาษาจากเอกสารของกลุ่มและของแต่ละบริษัท ที่สืบทอดสิทธิ์การเข้าถึงจากที่เก็บเอกสารของแต่ละประเทศ และให้คำตอบที่อ้างอิงเอกสารฉบับที่ใช้บังคับ
03จุดที่คนเป็นผู้ตัดสินใจ
เจ้าของนโยบายของแต่ละประเทศอนุมัติชุดทดสอบในภาษาของตน และลงนามรับรองการเปิดใช้งานที่เปลี่ยนคำตอบในประเทศนั้น
04สิ่งที่เราจะวัดผล
สัดส่วนคำตอบที่อ้างอิงเอกสารฉบับที่ใช้บังคับได้ถูกต้อง อัตราการงดตอบคำถามนอกขอบเขต และต้นทุนต่อคำตอบในแต่ละภาษา

09 มุมมองรายอุตสาหกรรม

ในอุตสาหกรรมของคุณ

  • ภาครัฐ

    ผู้ช่วยสำหรับเจ้าหน้าที่ผู้พิจารณาและประชาชนที่อ้างอิงข้อกฎหมายต้นทาง และบันทึกว่าข้อมูลใดถูกค้นคืนให้ใคร

  • บริการทางการเงิน

    ผู้ช่วยด้านนโยบายและระเบียบปฏิบัติที่กำหนดสิทธิ์อย่างเข้มงวด ตรวจสอบย้อนกลับได้ครบ และมีเอกสารความเสี่ยงของโมเดลที่หน่วยงานบริหารความเสี่ยงตรวจทานได้

  • สุขภาพและวิทยาศาสตร์ชีวภาพ

    การค้นคืนจากระเบียบปฏิบัติและเอกสารผลิตภัณฑ์ที่มีขอบเขตชัดเจน ไม่ใช้ตัดสินใจทางคลินิก และเก็บข้อมูลส่วนบุคคลที่มีความอ่อนไหวไว้ในสภาพแวดล้อมที่ได้รับอนุมัติ

ประเทศไทย

หลายภาษา มาตรฐานการประเมินผลเดียว

องค์กรไทยที่ทำงานกับยุโรปมักมีความรู้ภายในทั้งภาษาไทยและภาษาอังกฤษ และบางครั้งมีภาษาของบริษัทในยุโรปด้วย ข้อมูลส่วนบุคคลของคนในประเทศไทยอยู่ภายใต้ PDPA ซึ่งกำหนดให้ผู้ควบคุมข้อมูลส่วนบุคคลจัดให้มีมาตรการรักษาความมั่นคงปลอดภัยที่เหมาะสม ส่วน EU AI Act ใช้บังคับกับผู้ให้บริการและผู้ใช้งานระบบ AI นอกสหภาพยุโรปด้วย หากผลลัพธ์ของระบบถูกนำไปใช้ในสหภาพยุโรป

ณ วันที่ 6 พฤศจิกายน 2569 ประเทศไทยยังไม่มีกฎหมายว่าด้วยปัญญาประดิษฐ์ที่มีผลใช้บังคับ ขณะที่ ETDA (สพธอ.) มีศูนย์ AIGPC ที่จัดทำแนวทางด้านธรรมาภิบาล AI

เราออกแบบเรื่องเหล่านี้ตั้งแต่ช่วงสำรวจความต้องการ ได้แก่ การค้นคืนและการประเมินผลแยกตามภาษา ที่ตั้งข้อมูลที่กำหนดตามกรณีการใช้งาน และการบันทึกล็อกกับเอกสารที่ตอบคำถามของแต่ละประเทศได้โดยไม่ต้องแยกระบบตามประเทศ

คำถามเกี่ยวกับวิศวกรรม AI

ควรใช้โมเดลใด

ขึ้นอยู่กับประเภทงาน ข้อมูลที่เกี่ยวข้อง และข้อกำหนดด้านการโฮสต์ของคุณ โดยทั่วไปเราใช้หลายโมเดลร่วมกัน ได้แก่ โมเดลที่มีความสามารถสูงสำหรับขั้นตอนที่ต้องใช้การให้เหตุผลมาก โมเดลขนาดเล็กหรือโมเดลที่โฮสต์เองสำหรับการจำแนกและการดึงข้อมูล และโมเดลที่โฮสต์ในสหภาพยุโรปเมื่อข้อมูลต้องจัดเก็บภายในสหภาพยุโรป

เกตเวย์ทำให้การเลือกนี้ย้อนกลับได้ คำตอบจึงเปลี่ยนได้เมื่อโมเดลและราคาเปลี่ยน

ระบบจะแม่นยำเพียงใด

เราไม่ระบุตัวเลขความแม่นยำก่อนวัดผลบนข้อมูลของคุณ เราตกลงเกณฑ์คุณภาพร่วมกับคุณ สร้างชุดทดสอบ และรายงานผลเทียบกับชุดทดสอบนั้นทั้งก่อนเปิดใช้งานและหลังการเปลี่ยนแปลงทุกครั้ง

โมเดลทำผิดพลาดได้ การออกแบบจึงกำหนดเสมอว่าจะเกิดอะไรขึ้นเมื่อผิดพลาด ได้แก่ การงดตอบ ขั้นตอนตรวจทาน และช่องทางส่งต่อให้คน

ข้อมูลของเราจะถูกนำไปฝึกโมเดลของผู้อื่นหรือไม่

ไม่ หากใช้สถาปัตยกรรมที่เราออกแบบ เราเลือกบริการโมเดลที่มีเงื่อนไขไม่นำข้อมูลที่คุณส่งเข้าไปใช้ฝึกโมเดล หรือโฮสต์โมเดลเองในสภาพแวดล้อมของคุณ และบันทึกการเลือกนั้นสำหรับแต่ละกรณีการใช้งานร่วมกับทีมความมั่นคงปลอดภัยของคุณ

EU AI Act ใช้บังคับกับกรณีการใช้งานของเราหรือไม่

กฎหมาย AI ของสหภาพยุโรป (EU AI Act) ใช้บังคับกับผู้ให้บริการและผู้ใช้งานระบบ AI นอกสหภาพยุโรปด้วย หากผลลัพธ์ของระบบถูกนำไปใช้ในสหภาพยุโรป เราช่วยให้คุณเข้าใจว่าหน้าที่ใดอาจใช้บังคับ โดยพิจารณาจากกรณีการใช้งานและบทบาทของคุณในฐานะผู้ให้บริการหรือผู้ใช้งานระบบ และออกแบบการบันทึกล็อก การกำกับดูแล และเอกสารให้สอดคล้อง เพื่อให้ที่ปรึกษากฎหมายของคุณมีข้อเท็จจริงเพียงพอสำหรับการสรุป

FromNine ดูแลความมั่นคงปลอดภัยและข้อมูลที่มีความอ่อนไหวอย่างไร

FromNine ได้รับการรับรอง ISO/IEC 27001 ขอบเขตการเข้าถึง ที่ตั้งของข้อมูล และระยะเวลาการเก็บรักษาตกลงกันก่อนเริ่มสร้าง และการทดสอบเจาะระบบด้าน prompt injection และการรั่วไหลของข้อมูลเป็นส่วนหนึ่งของกระบวนการเปิดใช้งานที่เราวางไว้

ขั้นแรกที่เหมาะสมคืออะไร

กรณีการใช้งานเดียวที่มีเจ้าของชัดเจน แหล่งข้อมูลจำนวนจำกัด และชุดทดสอบที่สร้างร่วมกับผู้เชี่ยวชาญของคุณ ผลที่ได้คือระบบที่ใช้งานได้จริงและหลักฐานด้านคุณภาพ ต้นทุน และเวลาตอบสนอง ซึ่งเป็นสิ่งที่การตัดสินใจลงทุนครั้งถัดไปต้องการ

นำกรณีการใช้งานหนึ่งกรณีและคำถามที่ยากที่สุดมาคุยกับเรา

เราจะแสดงให้เห็นว่าเราจะวัดผลอย่างไร ก่อนจะพูดถึงการสร้างระบบ

ปรึกษาโครงการของคุณดูโซลูชันค้นหาความรู้