RAG: jak naučit AI odpovídat podle vašich dokumentů
RAG (retrieval-augmented generation, generování doplněné vyhledáváním) je způsob, jak naučit AI odpovídat podle vašich dokumentů. Než jazykový model odpoví, systém v dokumentech vyhledá pasáže, které se k otázce vztahují, a předá mu je spolu s otázkou. Model pak odpovídá z nich, ne z obecných znalostí. Na RAG stojí většina firemních chatbotů nad vlastními daty.
Aktualizováno
Jak RAG funguje krok za krokem
- Příprava – dokumenty se rozdělí na kratší úseky a uloží do vyhledávacího indexu (často jako vektory, které zachycují význam).
- Otázka – uživatel se zeptá, například „Jaká je záruka na baterie?“.
- Vyhledání – systém najde několik nejrelevantnějších úseků.
- Odpověď – model dostane otázku i nalezené úseky s pokynem odpovídat jen z nich.
- Zdroje – dobrý systém ukáže, ze kterého dokumentu odpověď pochází.
K čemu je to firmě
- chatbot na webu, který odpovídá podle vašich podmínek a ceníku,
- interní asistent nad směrnicemi a návody pro zaměstnance,
- podpora obchodníků – rychlé dohledání technických parametrů,
- zákaznická podpora – návrh odpovědi z dokumentace.
Hotový chatbot na webu popisuje stránka AI chatbot, zpracování příchozích dotazů zpracování poptávek.
Na co si dát pozor
Kvalita odpovědí stojí na kvalitě dokumentů: zastaralý ceník vede k zastaralé odpovědi. Rozmyslete, k jakým dokumentům má kdo přístup – interní asistent nesmí obchodníkovi ukázat mzdy. A citlivé údaje posílejte jen službám, jejichž podmínky zpracování znáte. Základní pojmy kolem AI vysvětlují hesla LLM a MCP.
Kolik to stojí
Řešení s RAG stavíme na míru podle množství dokumentů a míst, kde se má používat. Provoz se skládá z ceny za AI model (podle objemu) a hostingu. Konzultace a návrh: hodinová sazba 1 000 Kč/hod.
Časté otázky
Jaký je rozdíl mezi RAG a dotrénováním modelu?
Dotrénování (fine-tuning) mění samotný model – naučí ho styl nebo typ úloh, ale nová fakta se do něj dostávají špatně a aktualizace je drahá. RAG model nemění, jen mu ke každé otázce přidá aktuální dokumenty. Pro firemní znalosti (ceníky, návody, podmínky) je RAG skoro vždy lepší volba.
Odpovídá AI s RAG vždy správně?
Ne vždy, ale výrazně spolehlivěji. Chyby vznikají, když systém najde špatné pasáže, dokumenty si odporují nebo jsou zastaralé. Pomáhá citovat zdroje v odpovědi, udržovat dokumenty aktuální a nechat model říct „nevím“, když odpověď v dokumentech není.
Jaké dokumenty se pro RAG hodí?
Texty, které mají jasnou strukturu a jsou aktuální: časté otázky, návody, ceníky, obchodní podmínky, produktové listy, interní směrnice. Naskenované obrázky bez textu, tabulky v nečitelném formátu a protichůdné verze dokumentů kvalitu zhoršují.