Využití AI při získávání informací z vnitropodnikové vědomostní databáze

Abstract

Diplomová práce se zabývá možností provozu systému Retrieval-Augmented Generation (RAG) v plně lokálním prostředí bez nutnosti odesílání dat mimo podnik. Cílem práce bylo ověřit, zda lze pro tento účel využít i dostupné menší jazykové modely. V rámci práce byla vytvořena vlastní RAG aplikace, která umožňuje načítání dokumentů ve formátu PDF, Markdown a DOCX, jejich rozdělení na chunky, vektorové vyhledávání a generování odpovědí na dotazy. Experimenty probíhaly na syntetických dokumentech simulující provozní směrnice. Testovaly se různé konfigurace systému jako formát dokumentu, strategie chunkování, embeding a jazykový model. Výsledky byly hodnoceny pomocí kvantitativních a kvalitativních metrik a statisticky zpracovány. Na základě testování byla formulována doporučení pro optimální konfiguraci RAG systému a přípravu vstupních dat. Formát Markdown se ukázal jako nejvhodnější díky své struktuře a snadné převoditelnosti do PDF s firemní šablonou. Práce dokládá, že efektivní strojové zpracování podnikové dokumentace je možné i bez využití cloudových služeb.