ການຈັດກຽມຂໍ້ມູນເພື່ອໃຫ້ສາມາດນຳມາໃຊ້ກັບ AI ພາຍໃນອົງກອນ ໝາຍເຖິງການກວດສອບກົດລະບຽບ, ບົດບັນທຶກການປະຊຸມ ແລະ ຄູ່ມືຕ່າງໆທີ່ກະຈັດກະຈາຍຢູ່, ພ້ອມທັງຈັດລະບຽບການແບ່ງປະເພດຄວາມລັບ, ຮູບແບບ ແລະ Metadata ໃຫ້ຢູ່ໃນສະພາບທີ່ສາມາດນຳເຂົ້າສູ່ RAG ໄດ້. ເມື່ອພະແນກລະບົບຂໍ້ມູນຂ່າວສານ ຫຼື ຜູ້ຮັບຜິດຊອບດ້ານ DX ຕ້ອງການນຳ AI Assistant ມາໃຊ້ພາຍໃນອົງກອນ, ຫຼາຍຄັ້ງມັກຈະເກີດຄວາມລັງເລວ່າຄວນເລີ່ມຕົ້ນຈາກບ່ອນໃດ. ໃນບົດຄວາມນີ້, ພວກເຮົາຈະອະທິບາຍຕັ້ງແຕ່ວິທີການເລືອກຂົງເຂດທີ່ມີຄວາມສຳຄັນເປັນອັນດັບຕົ້ນໆ ໄປຈົນເຖິງການສ້າງລະບົບການອັບເດດຂໍ້ມູນໃຫ້ເປັນຮູບປະທຳ ໂດຍອີງໃສ່ມຸມມອງການປະຕິບັດງານຕົວຈິງ. ການພະຍາຍາມຈັດກຽມເອກະສານທັງໝົດພ້ອມກັນໃນຄັ້ງດຽວມັກຈະເຮັດໃຫ້ວຽກງານຢຸດສະງັກ, ແຕ່ການເລີ່ມຕົ້ນຈາກຂົງເຂດທີ່ມີການນຳໃຊ້ເລື້ອຍໆ ຈະຊ່ວຍໃຫ້ສາມາດຮັກສາທັງຄວາມຖືກຕ້ອງໃນການຄົ້ນຫາ ແລະ ຄວາມໄວໃນການນຳມາໃຊ້ງານໄດ້ງ່າຍຂຶ້ນ.

RAG ແມ່ນກົນໄກທີ່ປະສົມປະສານລະຫວ່າງການຄົ້ນຫາ ແລະ ການສ້າງເນື້ອຫາ. ດັ່ງນັ້ນ, ຖ້າເອກະສານທີ່ນຳເຂົ້າໄປຍັງຢູ່ໃນສະພາບທີ່ເກົ່າ, ມີຂໍ້ມູນຊ້ຳຊ້ອນ, ຫຼື ມີຂໍ້ມູນລັບປົນເປຢູ່, ມັນຈະເຮັດໃຫ້ເກີດສຽງລົບກວນ (Noise) ໃນຂັ້ນຕອນການຄົ້ນຫາ ແລະ ເຮັດໃຫ້ຄຳຕອບທີ່ຖືກສ້າງຂຶ້ນມາບໍ່ກົງກັບຄວາມເປັນຈິງໄດ້ງ່າຍ. ຕົວຢ່າງເຊັ່ນ: ຖ້າລະບຽບການເກົ່າທີ່ຢຸດການອັບເດດໄປເມື່ອເຄິ່ງປີກ່ອນ ແລະ ສະບັບຫຼ້າສຸດຍັງຢູ່ໃນໂຟນເດີດຽວກັນ, AI ຈະບໍ່ສາມາດຕັດສິນໃຈໄດ້ວ່າຄວນອີງໃສ່ຂໍ້ມູນໃດ ແລະ ອາດຈະນຳສະເໜີຂໍ້ມູນເກົ່າອອກມາຢ່າງໝັ້ນໃຈ. ການຂາດການຈັດການທີ່ດີບໍ່ແມ່ນພຽງແຕ່ບັນຫາດ້ານຮູບລັກສະນະເທົ່ານັ້ນ, ແຕ່ມັນຍັງສົ່ງຜົນກະທົບຕໍ່ຄວາມໜ້າເຊື່ອຖືຂອງຄຳຕອບໂດຍກົງ. ກ່ອນອື່ນໝົດ, ພວກເຮົາຈະມາເບິ່ງກັນວ່າ ການຂາດການຈັດການທີ່ດີນັ້ນຈະນຳໄປສູ່ຜົນເສຍຫາຍໃດແດ່ຕາມລຳດັບ.

RAG ແມ່ນກົນໄກທີ່ປ່ຽນປະໂຫຍກຄຳຖາມ ແລະ ສ່ວນຂອງເອກະສານໃຫ້ເປັນເວັກເຕີ (Vector), ຈາກນັ້ນຈຶ່ງຄົ້ນຫາໂດຍອີງຕາມຄວາມໃກ້ຄຽງທາງຄວາມໝາຍເພື່ອສ້າງຄຳຕອບ. ພື້ນຖານຂອງການຄົ້ນຫານີ້ແມ່ນຕົວເອກະສານທີ່ຖືກປ້ອນເຂົ້າໄປ, ດັ່ງນັ້ນເຖິງວ່າຈະເພີ່ມປະສິດທິພາບຂອງຕົວແບບ (Model) ໃຫ້ສູງຂຶ້ນພຽງໃດ ແຕ່ຖ້າເອກະສານຕົ້ນສະບັບເກົ່າ, ມີຄວາມຊ້ຳຊ້ອນ ຫຼື ມີຮູບແບບການຂຽນທີ່ບໍ່ຄົງທີ່ ກໍຈະບໍ່ສາມາດດຶງເອົາສ່ວນທີ່ຖືກຕ້ອງອອກມາໄດ້. ຄວາມສຳພັນທີ່ວ່າ "ຖ້າປ້ອນຂີ້ເຫຍື້ອເຂົ້າໄປໃນ Search Engine, ຜົນທີ່ໄດ້ກໍຈະເປັນຂີ້ເຫຍື້ອ" ແມ່ນນຳໃຊ້ໄດ້ໂດຍກົງໃນກໍລະນີນີ້.

ຖ້າກົດລະບຽບດຽວກັນຍັງຄົງຄ້າງຢູ່ທັງ 2 ເວີຊັນ ຄືສະບັບກ່ອນປັບປຸງ ແລະ ສະບັບຫຼັງປັບປຸງ, ການຄົ້ນຫາຈະຕັດສິນວ່າທັງສອງມີ "ຄວາມກ່ຽວຂ້ອງໃກ້ຄຽງ" ແລະ ບໍ່ສາມາດແຍກແຍະໄດ້ວ່າຄວນໃຫ້ຄວາມສຳຄັນກັບອັນໃດ. ໃນກໍລະນີທີ່ມີຮູບແບບເອກະສານປະປົນກັນ ເຊັ່ນ: Word, PDF, ຫຼື ຮູບພາບທີ່ສະແກນມາ, ຄວາມຖືກຕ້ອງໃນການສະກັດຂໍ້ຄວາມຈະແຕກຕ່າງກັນໄປໃນແຕ່ລະເອກະສານ ເຮັດໃຫ້ເກີດເອກະສານທີ່ຄົ້ນຫາງ່າຍ ແລະ ຄົ້ນຫາຍາກ ເຖິງແມ່ນວ່າຈະມີເນື້ອຫາຄືກັນກໍຕາມ. ໃນກໍລະນີທີ່ບໍ່ສາມາດລະບຸຕຳແໜ່ງຂອງເອກະສານໄດ້ພຽງແຕ່ເບິ່ງຊື່ໄຟລ໌ ຫຼື ຫົວຂໍ້, ການຄົ້ນຫາມັກຈະຂຶ້ນກັບການກົງກັນຂອງຕົວອັກສອນໃນເນື້ອຫາ, ເຮັດໃຫ້ຄວາມສາມາດໃນການຕອບສະໜອງຕໍ່ຄຳຖາມທີ່ມີການປ່ຽນແປງຄຳເວົ້າຫຼຸດລົງ.

ບັນຫາເຫຼົ່ານີ້ສາມາດແກ້ໄຂໄດ້ດ້ວຍການກະກຽມກ່ອນການປ້ອນເອກະສານເຂົ້າສູ່ລະບົບ. ໃນຄວາມເປັນຈິງ, ການກຳຈັດຄວາມບໍ່ສອດຄ່ອງເຫຼົ່ານີ້ໃນຂັ້ນຕອນເລີ່ມຕົ້ນຂອງການກະກຽມ ມີຜົນກະທົບຕໍ່ຄວາມຖືກຕ້ອງໃນການຄົ້ນຫາຫຼາຍກວ່າການແບ່ງ Chunk ຫຼື ການປັບປຸງ Algorithm ການຄົ້ນຫາໃນຂັ້ນຕອນຕໍ່ໄປ. ການລວມປະຫວັດການປັບປຸງ, ການເຮັດໃຫ້ຮູບແບບເປັນເອກະພາບ, ແລະ ການເພີ່ມ Meta information ເພື່ອລະບຸຕຳແໜ່ງ — ການເຮັດ 3 ຢ່າງນີ້ໃຫ້ສຳເລັດກ່ອນ ຫຼື ບໍ່ນັ້ນ ຈະເຮັດໃຫ້ຄຸນນະພາບຂອງຜົນການຄົ້ນຫາໃນກົນໄກ RAG ດຽວກັນມີຄວາມແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍ. ການປັບປຸງພື້ນຖານທາງດ້ານເອກະສານໃຫ້ດີ ຄືບາດກ້າວທຳອິດຂອງການນຳໃຊ້ AI ໃຫ້ເກີດປະໂຫຍດ.

ຖ້າຫາກນຳເອົາ RAG ມາໃຊ້ງານໃນສະພາບທີ່ການຈັດກຽມຂໍ້ມູນຍັງບໍ່ພຽງພໍ, ມັກຈະເກີດອາການຄ້າຍຄືກັນຢູ່ສະເໝີ.

ກໍລະນີທີ່ພົບຫຼາຍທີ່ສຸດຄື ການສົ່ງຜົນໃຫ້ເກີດການຄົ້ນຫາພົບກົດລະບຽບ ຫຼື ຄູ່ມືສະບັບເກົ່າ. ຖ້າຫາກເອກະສານທັງສະບັບກ່ອນ ແລະ ຫຼັງການແກ້ໄຂຍັງຄົງຄ້າງຢູ່ໃນຖານຄວາມຮູ້ (Knowledge Base), AI ຈະບໍ່ສາມາດຕັດສິນໄດ້ວ່າສະບັບໃດຍັງມີຜົນບັງຄັບໃຊ້ຢູ່, ເຮັດໃຫ້ມັນຕອບຄຳຖາມໂດຍໃຊ້ກົດລະບຽບການລາພັກແບບເກົ່າ ຫຼື ອັດຕາຄ່າທຳນຽມເກົ່າ. ເອກະສານທີ່ບໍ່ໄດ້ມີການລະບຸ Metadata ເລື່ອງວັນທີແກ້ໄຂ ຫຼື ວັນໝົດອາຍຸຈະເກີດອາການນີ້ໄດ້ງ່າຍ, ໂດຍສະເພາະກົດລະບຽບດ້ານບຸກຄະລາກອນ ແລະ ວຽກງານທົ່ວໄປທີ່ມີການແກ້ໄຂຍ່ອຍໆຫຼາຍຄັ້ງຕໍ່ປີ, ເຮັດໃຫ້ມັກຈະພົບກໍລະນີທີ່ສະບັບເກົ່າຍັງບໍ່ຖືກລຶບອອກ.

ກໍລະນີທີ່ພົບຫຼາຍເປັນອັນດັບຕໍ່ມາ ຄືການຕອບຄຳຖາມທີ່ເນື້ອຫາຈາກຫຼາຍເອກະສານປະປົນກັນ. ຖ້າມີໄຟລ໌ທີ່ມີຊື່ຄ້າຍຄືກັນ ຫຼື ຄູ່ມືຂັ້ນຕອນການເຮັດວຽກທີ່ແຕກຕ່າງກັນເລັກນ້ອຍໃນແຕ່ລະພະແນກວາງຢູ່ຄຽງຄູ່ກັນ, ຜົນການຄົ້ນຫາອາດຈະຖືກນຳມາປະສົມປະສານກັນເປັນສ່ວນໆ ຈົນເຮັດໃຫ້ເກີດຂັ້ນຕອນທີ່ບໍ່ມີຢູ່ຈິງ. ຕົວຢ່າງທີ່ເຫັນໄດ້ຊັດເຈນຄື ເມື່ອມີໄຟລ໌ "ຂັ້ນຕອນການຍື່ນຄຳຮ້ອງ" ຂອງຝ່າຍຂາຍ ແລະ ຝ່າຍບໍລິຫານແຍກກັນ ແຕ່ຖືກບັນທຶກໄວ້ດ້ວຍຊື່ດຽວກັນ, AI ອາດຈະນຳເອົາບາງສ່ວນຂອງທັງສອງໄຟລ໌ມາເຊື່ອມຕໍ່ກັນຈົນສ້າງເປັນຂັ້ນຕອນທີ່ບໍ່ມີຢູ່ຈິງຂຶ້ນມາ.

ສິ່ງທີ່ຮ້າຍແຮງທີ່ສຸດຄື ອຸບັດຕິເຫດທີ່ຂໍ້ມູນການປະເມີນຜົນພະນັກງານ ຫຼື ເງື່ອນໄຂສັນຍາທີ່ພະນັກງານທີ່ບໍ່ມີສິດເຂົ້າເຖິງບໍ່ຄວນເຫັນ ຫຼຸດລອດເຂົ້າໄປໃນຄຳຕອບ. ສາເຫດເກີດມາຈາກການນຳເອົາເອກະສານທັງໝົດເຂົ້າສູ່ລະບົບໂດຍທີ່ຍັງບໍ່ໄດ້ຈັດແບ່ງປະເພດຄວາມລັບ, ເຊິ່ງບໍ່ແມ່ນພຽງແຕ່ບັນຫາຄວາມຖືກຕ້ອງຂອງຄຳຕອບເທົ່ານັ້ນ ແຕ່ສົ່ງຜົນໂດຍກົງຕໍ່ຄວາມເສຍຫາຍໃນຮູບແບບຂອງການຮົ່ວໄຫຼຂອງຂໍ້ມູນ. ຖ້າຫາກໃບປະເມີນຜົນພະນັກງານທີ່ຈຳກັດສະເພາະຜູ້ບໍລິຫານ ຫຼື ລາຍການເງື່ອນໄຂສັນຍາທີ່ແຕກຕ່າງກັນໃນແຕ່ລະຄູ່ຄ້າ ຖືກວາງໄວ້ໃນຖານຄວາມຮູ້ໂດຍບໍ່ມີການແບ່ງປະເພດ, ກໍມີຄວາມສ່ຽງທີ່ເນື້ອຫາເຫຼົ່ານັ້ນຈະຖືກອ້າງອີງອອກມາໂດຍກົງເມື່ອມີພະນັກງານທົ່ວໄປສອບຖາມ.

ສິ່ງທີ່ທັງສາມອາການນີ້ມີຮ່ວມກັນ ຄືປະສິດທິພາບຂອງຕົວແບບ (Model)

ການພະຍາຍາມປັບປຸງເອກະສານທັງໝົດພ້ອມກັນຈະເຮັດໃຫ້ປະລິມານວຽກເພີ່ມຂຶ້ນ ແລະ ມັກຈະເຮັດໃຫ້ການເລີ່ມຕົ້ນນຳໃຊ້ຢຸດສະງັກ. ມີຫຼາຍກໍລະນີທີ່ພະຍາຍາມກວດສອບຫຼາຍຮ້ອຍໂຟນເດີໃນຄັ້ງດຽວ ຈົນສຸດທ້າຍກໍບໍ່ໄດ້ເລີ່ມເຮັດຫຍັງເລີຍເປັນເວລາຫຼາຍເດືອນ. ສິ່ງທີ່ຄວນໃຫ້ຄວາມສຳຄັນກ່ອນຄື ການກຳນົດຂອບເຂດທີ່ມີການນຳໃຊ້ເລື້ອຍໆ ແລະ ການແຍກແຍະເອກະສານລັບທີ່ບໍ່ຄວນໃຫ້ AI ອ່ານ. ຕໍ່ໄປນີ້ແມ່ນການຈັດລະບຽບມຸມມອງໃນການຈຳກັດຂອບເຂດເປົ້າໝາຍ.

ການນຳເອົາເອກະສານທັງໝົດມາພິຈາລະນາໃນຄັ້ງດຽວຈະເຮັດໃຫ້ແຜນການນຳໃຊ້ຢຸດສະງັກໂດຍທີ່ວຽກງານຍັງບໍ່ທັນສຳເລັດ. ການກຳນົດຂອບເຂດບູລິມະສິດໂດຍໃຊ້ສອງແກນຫຼັກ ຄື "ຄວາມຖີ່ໃນການນຳໃຊ້" ແລະ "ຄວາມຖີ່ໃນການອັບເດດ" ແມ່ນວິທີການທີ່ເໝາະສົມໃນທາງປະຕິບັດ.

ເອກະສານທີ່ມີຄວາມຖີ່ໃນການນຳໃຊ້ສູງ ໝາຍເຖິງຂອບເຂດທີ່ມີການສອບຖາມ ຫຼື ການຄົ້ນຫາຢ່າງໜາແໜ້ນ. ເຊັ່ນ: ກົດລະບຽບການເຮັດວຽກ, ກົດລະບຽບການເບີກຈ່າຍຄ່າໃຊ້ຈ່າຍ, ມາດຕະຖານ ຫຼື Specification ຂອງຜະລິດຕະພັນ, ແລະ ຄູ່ມືຕອບຄຳຖາມທີ່ພົບເລື້ອຍ ເຊິ່ງຖ້າຫາກຈັດການສ່ວນນີ້ໃຫ້ດີ ຜູ້ໃຊ້ງານຈະສາມາດສຳຜັດເຖິງຜົນປະໂຫຍດໄດ້ຢ່າງວ່ອງໄວ. ໃນທາງກົງກັນຂ້າມ, ເອກະສານແຜນງານເກົ່າ ຫຼື ເອກະສານການປະຊຸມໃນອະດີດທີ່ອ້າງອີງພຽງປີລະສອງ-ສາມຄັ້ງນັ້ນ ຫາກຈັດໄວ້ເປັນລຳດັບຫຼັງກໍຈະສົ່ງຜົນກະທົບຕໍ່ວຽກງານໜ້ອຍ.

ຄວາມຖີ່ໃນການອັບເດດເປັນອີກມຸມມອງໜຶ່ງທີ່ສົ່ງຜົນຕໍ່ລຳດັບຄວາມສຳຄັນ. ກົດລະບຽບ ຫຼື ຄູ່ມືທີ່ມີການແກ້ໄຂເລື້ອຍໆນັ້ນ ເຖິງຈະຈັດການໃຫ້ດີແຕ່ເນື້ອຫາກໍຈະກາຍເປັນຂໍ້ມູນເກົ່າໃນໄລຍະເວລາອັນສັ້ນ, ດັ່ງນັ້ນ ຖ້ານຳເຂົ້າຂໍ້ມູນໃນຂັ້ນຕອນທີ່ລະບົບການອັບເດດຍັງບໍ່ທັນພ້ອມ ກໍອາດກາຍເປັນແຫຼ່ງຂອງຂໍ້ມູນທີ່ຜິດພາດໄດ້. ໃນທາງກົງກັນຂ້າມ, ເອກະສານທີ່ມີການອັບເດດໜ້ອຍ ແລະ ມີຄວາມໝັ້ນຄົງ ເຊັ່ນ: ກົດໝາຍ ຫຼື ກົດລະບຽບພາຍໃນບໍລິສັດ ຖ້າຫາກຈັດການໃຫ້ດີແລ້ວ ກໍສາມາດນຳໃຊ້ໄດ້ຍາວນານ ເຮັດໃຫ້ມີຄວາມຄຸ້ມຄ່າໃນການລົງທຶນສູງ.

ເມື່ອນຳສອງແກນນີ້ມາປະສານກັນ, ລຳດັບການເລີ່ມຕົ້ນວຽກງານກໍຈະເຫັນໄດ້ຢ່າງຊັດເຈນ. ກຸ່ມເອກະສານທີ່ມີ "ຄວາມຖີ່ໃນການນຳໃຊ້ສູງ ແລະ ຄວາມຖີ່ໃນການອັບເດດຕ່ຳ" ຄືຂອບເຂດບູລິມະສິດສູງສຸດ ເຊິ່ງມັກຈະເປັນກົດລະບຽບການເຮັດວຽກ ຫຼື ກົດລະບຽບພາຍໃນບໍລິສັດ. ສ່ວນເອກະສານທີ່ມີ "ຄວາມຖີ່ໃນການນຳໃຊ້ສູງ ແຕ່ຄວາມຖີ່ໃນການອັບເດດກໍສູງເຊັ່ນກັນ" ນັ້ນ ຄວນກຽມລະບົບການອັບເດດຂໍ້ມູນໃຫ້ພ້ອມກ່ອນທີ່ຈະຮີບຮ້ອນຈັດການ, ຖ້າຫາກຂ້າມຂັ້ນຕອນນີ້ໄປອາດເຮັດໃຫ້ເນື້ອຫາບໍ່ກົງກັບຄວາມເປັນຈິງພາຍໃນບໍ່ເທົ່າໃດເດືອນ ແລະ ສົ່ງຜົນໃຫ້ AI ຕອບຂໍ້ມູນທີ່ເກົ່າອອກໄປ. ໃນທາງກົງກັນຂ້າມ, ເອກະສານທີ່ມີທັງສອງຢ່າງຕ່ຳນັ້ນ ຫາກຈະຍົກເວັ້ນອອກຈາກເປົ້າໝາຍການຈັດການໄວ້ຊົ່ວຄາວກໍແທບຈະບໍ່ສົ່ງຜົນກະທົບຕໍ່ວຽກງານເລີຍ. ວິທີການທີ່ເໝາະສົມໃນທາງປະຕິບັດແມ່ນເລີ່ມຕົ້ນຈາກຂອບເຂດທີ່ມີ "ຄວາມຖີ່ໃນການນຳໃຊ້ສູງ ແລະ ຄວາມຖີ່ໃນການອັບເດດຕ່ຳ" ກ່ອນ ແລ້ວຈຶ່ງຄ່ອຍໆຂະຫຍາຍຂອບເຂດອອກໄປພ້ອມກັບການກວດສອບຜົນສຳເລັດ.

ສິ່ງທີ່ມັກຈະຖືກມອງຂ້າມໃນການຈັດການເອກະສານ ຄືການຄັດເລືອກເອກະສານທີ່ບໍ່ຄວນໃຫ້ AI ອ່ານ. ຖ້າຫາກນຳເອົາເອກະສານທັງໝົດເຂົ້າສູ່ລະບົບ RAG, ອາດມີຄວາມສ່ຽງທີ່ຂໍ້ມູນທີ່ຄວນຈະເຫັນໄດ້ສະເພາະບາງຄົນ ຈະປົນເຂົ້າໄປໃນຜົນການຄົ້ນຫາ. ເຊິ່ງປຽບເໝືອນການນຳເອົາສິ່ງຂອງໃນຫ້ອງທີ່ມີກຸນແຈລັອກໄວ້ ອອກມາວາງໄວ້ຕາມແລວທາງເດີນ, ເຊິ່ງຖືເປັນພື້ນທີ່ທີ່ຄວາມສະດວກສະບາຍ ແລະ ຄວາມປອດໄພມັກຈະເກີດ ການແລກປ່ຽນ ຫຼື Trade-off ກັນໄດ້ງ່າຍ.

ໃນການອອກແບບການຈັດແບ່ງຊັ້ນຄວາມລັບ, ກ່ອນອື່ນຕ້ອງກຳນົດລະດັບຕ່າງໆ ເຊັ່ນ: "ເປີດເຜີຍໄດ້", "ສະເພາະພາຍໃນບໍລິສັດ", "ສະເພາະພະແນກ", ຫຼື "ຫ້າມເຂົ້າເຖິງ" ແລ້ວຈຶ່ງຕິດປ້າຍກຳກັບໃຫ້ແຕ່ລະເອກະສານ. ເອກະສານທີ່ປະກອບດ້ວຍຂໍ້ມູນການປະເມີນຜົນງານ, ຂໍ້ມູນເງິນເດືອນ, ເງື່ອນໄຂສັນຍາກັບຄູ່ຄ້າ, ແລະ ຂໍ້ມູນສ່ວນບຸກຄົນ ຄວນຖືກຈັດໃຫ້ເປັນເອກະສານທີ່ບໍ່ຄວນໃຫ້ AI ອ່ານເພື່ອຄວາມປອດໄພ. ໃນກໍລະນີທີ່ຕ້ອງຈັດການກັບຂໍ້ມູນສ່ວນບຸກຄົນ, ຄວນອ້າງອີງຕາມແນວທາງການຈັດການຕົວລະບຸຕົວຕົນ (Identifiers) ທີ່ກຳນົດໄວ້ໃນແນວທາງປະຕິບັດກ່ຽວກັບຂໍ້ມູນທີ່ຜ່ານການປິດບັງຊື່ ຫຼື ຂໍ້ມູນທີ່ຜ່ານການປ່ຽນແປງຊື່, ເພື່ອຕັດສິນໃຈວ່າສາມາດລຶບຊື່ ຫຼື ຂໍ້ມູນຕິດຕໍ່ອອກໂດຍອັດຕະໂນມັດໄດ້ຫຼືບໍ່.

ເອກະສານທີ່ມີການອ້າງອີງສູງໃນທົ່ວບໍລິສັດ ເຊັ່ນ: ລະບຽບການ ຫຼື ຄູ່ມືການເຮັດວຽກ ແມ່ນສາມາດຈັດຢູ່ໃນກຸ່ມເປີດເຜີຍໄດ້ງ່າຍ. ໃນທາງກົງກັນຂ້າມ, ສັນຍາ ຫຼື ເອກະສານທີ່ກ່ຽວຂ້ອງກັບບຸກຄະລາກອນ ມັກຈະມີລະດັບຄວາມລັບທີ່ປ່ຽນແປງໄດ້ງ່າຍຕາມສະຖານະການສະເພາະ ແລະ ຄວາມເຂົ້າໃຈໃນການຈັດການຂອງແຕ່ລະພະແນກກໍມັກຈະແຕກຕ່າງກັນ. ໃນໄລຍະເລີ່ມຕົ້ນຂອງການອອກແບບການຈັດແບ່ງ, ການເລືອກວິທີການແບບອະນຸລັກນິຍົມໂດຍການຍົກເວັ້ນເອກະສານທີ່ຍັງບໍ່ແນ່ໃຈອອກໄປກ່ອນ ແລະ ເລີ່ມນຳເຂົ້າສະເພາະເອກະສານທີ່ມີການຈັດແບ່ງຊັດເຈນແລ້ວ ແມ່ນວິທີທີ່ເປັນໄປໄດ້ໃນທາງປະຕິບັດ. ເອກະສານທີ່ຖືກຍົກເວັ້ນບໍ່ຄວນຖືກປະຖິ້ມໄວ້, ຖ້າບໍ່ກຳນົດວ່າໃຜຈະເປັນຜູ້ຕັດສິນໃຈ ແລະ ຈະຕັດສິນໃຈໃຫ້ແລ້ວພາຍໃນເວລາໃດ, ເອກະສານເຫຼົ່ານັ້ນກໍຈະຖືກ ຄົງຄ່າໄວ້ ໃນສະຖານະ "ພັກໄວ້" ໄປຕະຫຼອດ.

ກົດລະບຽບການຈັດແບ່ງບໍ່ແມ່ນສິ່ງທີ່ກຳນົດແລ້ວຈົບໄປ. ການອອກແບບໂດຍມີເງື່ອນໄຂວ່າຕ້ອງມີການທົບທວນຄືນທຸກຄັ້ງທີ່ມີການຍົກຍ້າຍພະແນກ ຫຼື ປັບປ່ຽນໂຄງສ້າງອົງກອນ ເພື່ອເບິ່ງວ່າເອກະສານທີ່ມີການປ່ຽນແປງຜູ້ຮັບຜິດຊອບນັ້ນ ຍັງໃຊ້ການຈັດແບ່ງແບບເກົ່າຢູ່ຫຼືບໍ່ ຈະຊ່ວຍຫຼຸດພາລະໃນການດຳເນີນງານໃນພາຍຫຼັງໄດ້.

ຖ້າແບ່ງຂັ້ນຕອນຈາກການສຳຫຼວດ ໄປຈົນຮອດການທົດສອບການຄົ້ນຫາອອກເປັນ 5 ຂັ້ນຕອນ ຈະຊ່ວຍປ້ອງກັນການເຮັດວຽກຕົກເຮ່ຍ ຫຼືເຮັດຊ້ຳໄດ້ຢ່າງງ່ວາຍ. ກ່ອນອື່ນໃຫ້ດຳເນີນການສຳຫຼວດ ແລະ ການລົບຂໍ້ມູນທີ່ຊ້ຳກັນ, ຈາກນັ້ນຈຶ່ງດຳເນີນການປັບຮູບແບບໃຫ້ເປັນມາດຕະຖານດຽວກັນ ແລະ ການໃສ່ Metadata, ແລະ ສຸດທ້ານດ້ວຍການທົດສອບການຄົ້ນຫາເພື່ອສະຫຼຸບຜົນງານ. ການປະຕິບັດຕາມລຳດັບນີ້ ຈະຊ່ວຍປ້ອງກັນບໍ່ໃຫ້ຂອບເຂດຂອງເປົ້າໝາຍປ່ຽນແປງໄປໃນລະຫວ່າງການດຳເນີນງານ. ໂດຍສະເພາະ ຖ້າໃນຂັ້ນຕອນການສຳຫຼວດເບື້ອງຕົ້ນ ບໍ່ສາມາດກຳນົດຂອບເຂດເປົ້າໝາຍໄດ້ຢ່າງຈະແຈ້ງ ຈະສົ່ງຜົນໃຫ້ຕ້ອງແກ້ໄຂຄືນໃໝ່ໃນທຸກຂັ້ນຕອນຕໍ່ໆໄປໄດ້ຢ່າງງ່າຍດາຍ, ດັ່ງນັ້ນ ການໃຊ້ເວລາໃນຂັ້ນຕອນນີ້ໃຫ້ພຽງພໍຈຶ່ງເປັນສິ່ງທີ່ມີຄຸນຄ່າ. ຕໍ່ໄປໃນຫົວຂໍ້ H3 ຈະອະທິບາຍວິທີການດຳເນີນງານໃນແຕ່ລະຂັ້ນຕອນຢ່າງລະອຽດຕາມລຳດັບ.

ຂັ້ນຕອນທຳອິດຂອງການກວດສອບສິນຄ້າຄົງຄັງ (Inventory) ແມ່ນການຊອກຫາ ແລະ ລວບລວມເອກະສານທັງໝົດທີ່ມີຢູ່ໃນຂອບເຂດທີ່ກຳນົດໄວ້ໃຫ້ເປັນລາຍການ. ໂດຍປົກກະຕິແລ້ວ, ສະຖານທີ່ຈັດເກັບຂໍ້ມູນມັກຈະກະແຈກກະຈາຍ ເຊັ່ນ: File server, Shared drive, Wiki ພາຍໃນບໍລິສັດ, ຫຼື ໄຟລ໌ແນບໃນອີເມວ, ດັ່ງນັ້ນ ຖ້າບໍ່ເຮັດໃຫ້ເຫັນພາບຊັດເຈນວ່າ "ມີຫຍັງຢູ່ໃສ" ກໍຈະບໍ່ສາມາດກຳນົດຂອບເຂດໃນການຈັດການໄດ້.

ເອກະສານທີ່ຊອກຫາໄດ້ຈະຖືກນຳມາລວບລວມໄວ້ໃນລາຍການກວດສອບ ເຊິ່ງປະກອບດ້ວຍ ຊື່ເອກະສານ, ສະຖານທີ່ຈັດເກັບ, ວັນທີອັບເດດຫຼ້າສຸດ ແລະ ພະແນກທີ່ຮັບຜິດຊອບ. ໃນຂັ້ນຕອນນີ້, ທ່ານຈະສັງເກດເຫັນວ່າ ກົດລະບຽບດຽວກັນອາດຖືກບັນທຶກໄວ້ໃນຫຼາຍບ່ອນດ້ວຍຊື່ທີ່ແຕກຕ່າງກັນ ຫຼື ມີທັງສະບັບເກົ່າ ແລະ ສະບັບປັບປຸງໃໝ່ຄ້າງຢູ່. ເມື່ອໄດ້ລົງມືເຮັດຕົວຈິງ, ທ່ານຈະພົບກັບກໍລະນີທີ່ວ່າ "ໄຟລ໌ທີ່ຄິດວ່າເປັນສະບັບຫຼ້າສຸດ ແທ້ຈິງແລ້ວແມ່ນສະບັບເກົ່າເມື່ອ 3 ລຸ້ນກ່ອນ" ເກືອບທຸກຄັ້ງ. ມັນບໍ່ແມ່ນເລື່ອງແປກທີ່ຄວາມຊົງຈຳຂອງຜູ້ຮັບຜິດຊອບຈະບໍ່ກົງກັບຄວາມເປັນຈິງ.

ຖ້າຫາກນຳເອົາເອກະສານທີ່ຊ້ຳຊ້ອນ ຫຼື ສະບັບເກົ່າເຂົ້າສູ່ລະບົບ RAG ໂດຍກົງ ຈະເຮັດໃຫ້ AI ອ້າງອີງທັງຂໍ້ມູນເກົ່າ ແລະ ຂໍ້ມູນໃໝ່ ເຊິ່ງເປັນສາເຫດທີ່ເຮັດໃຫ້ AI ຕອບຄຳຖາມແບບຂັດແຍ່ງກັນ. ນີ້ຄືສ່ວນທີ່ໃຊ້ເວລາຫຼາຍທີ່ສຸດໃນຂະບວນການຈັດການທັງໝົດ ແລະ ຖ້າຕັດສິນໃຈຜິດພາດ ຈະສົ່ງຜົນໃຫ້ການຈັດຮູບແບບໃຫ້ເປັນມາດຕະຖານດຽວກັນ ແລະ ການເພີ່ມ Metadata ໃນຂັ້ນຕອນຕໍ່ໄປຕ້ອງໄດ້ກັບມາແກ້ໄຂໃໝ່ທັງໝົດ. ສຳລັບເອກະສານທີ່ມີເນື້ອຫາຄືກັນ ໃຫ້ຮັກສາສະບັບທີ່ມີວັນທີອັບເດດຫຼ້າສຸດໄວ້ ສ່ວນສະບັບອື່ນໃຫ້ລຶບຖິ້ມ ຫຼື ຈັດເກັບໄວ້ໃນຮູບແບບ Archive. ສຳລັບເອກະສານທີ່ບໍ່ມີການລະບຸວັນທີມີຜົນບັງຄັບໃຊ້ ຫຼື ປະຫວັດການແກ້ໄຂ ໃຫ້ສອບຖາມພະແນກທີ່ກ່ຽວຂ້ອງວ່າເປັນສະບັບປັດຈຸບັນຫຼືບໍ່. ສ່ວນເອກະສານທີ່ມີຢູ່ໃນຄອມພິວເຕີສ່ວນຕົວເທົ່ານັ້ນ, ຕ້ອງຕັດສິນໃຈໃນຂັ້ນຕອນນີ້ວ່າຈະໃຫ້ເປັນເອກະສານທີ່ຢູ່ໃນຂອບເຂດການຈັດການຢ່າງເປັນທາງການຫຼືບໍ່. ໂດຍສະເພາະເອກະສານທີ່ມາຈາກຄອມພິວເຕີສ່ວນຕົວ, ມັກຈະມີພຽງຜູ້ສ້າງເທົ່ານັ້ນທີ່ຮູ້ທີ່ມາທີ່ໄປ, ຖ້າປ່ອຍໃຫ້ການກວດສອບຊັກຊ້າອອກໄປ ກໍຈະບໍ່ມີໃຜສາມາດຕັດສິນໃຈໄດ້.

ການເຮັດການກວດສອບ ແລະ ລຶບຂໍ້ມູນທີ່ບໍ່ຈຳເປັນອອກກ່ອນ ຈະຊ່ວຍໃຫ້ທ່ານສາມາດຈຳກັດຂອບເຂດວຽກໃນການຈັດຮູບແບບໃຫ້ເປັນມາດຕະຖານດຽວກັນ ແລະ ການເພີ່ມ Metadata ໃນຂັ້ນຕອນຕໍ່ໄປໄດ້. ໃນທາງກັບກັນ, ຖ້າບໍ່ເຮັດຂັ້ນຕອນນີ້ຢ່າງລະອຽດແລ້ວຮີບຮ້ອນໄປຂັ້ນຕອນຕໍ່ໄປ, ທ່ານອາດຈະຕ້ອງໄດ້ກັບມາເລີ່ມຕົ້ນຈັດການໃໝ່ທັງໝົດ.

ເມື່ອສຳເລັດການກວດສອບເອກະສານແລ້ວ, ຂັ້ນຕອນທຳອິດແມ່ນການເຮັດໃຫ້ຮູບແບບເອກະສານເປັນມາດຕະຖານດຽວກັນ. ຖ້າຫາກນຳເອົາໄຟລ໌ Word, PDF, PowerPoint ແລະ ຮູບພາບທີ່ສະແກນມາ ປ້ອນເຂົ້າໃນ RAG ໃນສະພາບທີ່ປົນເປກັນ, ຄວາມຖືກຕ້ອງໃນການສະກັດຂໍ້ຄວາມຈະແຕກຕ່າງກັນໄປຕາມຮູບແບບໄຟລ໌, ເຮັດໃຫ້ເກີດບັນຫາທີ່ວ່າເອກະສານທີ່ມີເນື້ອຫາຄືກັນ ແຕ່ບາງໄຟລ໌ສາມາດຄົ້ນຫາພົບ ແລະ ບາງໄຟລ໌ບໍ່ພົບ. ສຳລັບເອກະສານທີ່ເນັ້ນຂໍ້ຄວາມເປັນຫຼັກ ຄວນປ່ຽນໃຫ້ເປັນຮູບແບບ PDF ຫຼື ຂໍ້ຄວາມທຳມະດາ (Plain text), ສ່ວນເອກະສານທີ່ມີຕາຕະລາງ ຫຼື ຮູບພາບຫຼາຍ ຄວນເລືອກຮູບແບບທີ່ສາມາດຮັກສາໂຄງສ້າງໄວ້ໄດ້ ເພື່ອໃຫ້ມີຄວາມສະຖຽນ.

ຈຸດທີ່ມັກຈະລະເລີຍໃນຂັ້ນຕອນນີ້ຄືການເພີ່ມ Metadata, ແຕ່ໃນຄວາມເປັນຈິງແລ້ວ ສິ່ງນີ້ມີຜົນຕໍ່ຄວາມຖືກຕ້ອງໃນການຄົ້ນຫາຫຼາຍກວ່າຮູບແບບໄຟລ໌. ຖ້າຫາກເພີ່ມຫົວຂໍ້, ພາກສ່ວນ, ວັນທີອອກເອກະສານ, ລະດັບຄວາມລັບ ແລະ ປະເພດເອກະສານ ໃສ່ໃນແຕ່ລະໄຟລ໌, ມັນຈະຊ່ວຍໃຫ້ການກັ່ນຕອງຜົນການຄົ້ນຫາ ແລະ ການສະແດງຫຼັກຖານອ້າງອີງໃນການຕອບຄຳຖາມງ່າຍຂຶ້ນຫຼາຍ. ວັນທີອອກເອກະສານເປັນລາຍການທີ່ເຊື່ອມໂຍງໂດຍກົງກັບການຈັດການເວີຊັນຂອງລະບຽບການ ແລະ ຄູ່ມືທີ່ຈະກ່າວເຖິງໃນພາຍຫຼັງ, ດັ່ງນັ້ນການກຳນົດກົດລະບຽບການປ້ອນຂໍ້ມູນໃນຂັ້ນຕອນນີ້ຈະຊ່ວຍຫຼຸດຜ່ອນການແກ້ໄຂໃນຂັ້ນຕອນຕໍ່ໄປ. ການກຳນົດລາຍການຄວນຈຳກັດໄວ້ປະມານ 5 ຢ່າງ ເຊິ່ງເປັນຕົວເລກທີ່ເໝາະສົມ, ເພາະຖ້າເພີ່ມຫຼາຍເກີນໄປຈະເຮັດໃຫ້ເກີດການປ້ອນຂໍ້ມູນຕົກຫຼົ່ນ ແລະ ເປັນສາເຫດທີ່ເຮັດໃຫ້ການຈັດລະບຽບຊັກຊ້າ.

ສຳລັບລາຍລະອຽດກ່ຽວກັບການແບ່ງຂໍ້ຄວາມ ແລະ ການອອກແບບ Chunk, ສາມາດອ້າງອີງເນື້ອຫາໄດ້ຈາກ ວິທີການສ້າງ AI Chatbot ທີ່ຮອງຮັບພາສາລາວ.

ເມື່ອການຈັດກຽມເອກະສານສຳເລັດແລ້ວ ບໍ່ຄວນຢຸດພຽງເທົ່ານັ້ນ ແຕ່ຂັ້ນຕອນການນຳເຂົ້າສູ່ RAG ເພື່ອທົດສອບການຄົ້ນຫາແມ່ນສິ່ງທີ່ຂາດບໍ່ໄດ້. ເຮົາຈະບໍ່ຮູ້ເລີຍວ່າເອກະສານທີ່ຈັດກຽມໄວ້ນັ້ນຈະຖືກດຶງອອກມາໂດຍ Search Engine ຫຼື AI ໄດ້ຢ່າງຖືກຕ້ອງຫຼືບໍ່ ຈົນກວ່າຈະໄດ້ລອງຕັ້ງຄຳຖາມຕົວຈິງ.

ວິທີການທົດສອບແມ່ນງ່າຍດາຍ: ໃຫ້ລາຍຊື່ຄຳຖາມທີ່ມັກຖືກຖາມໃນໜ້າວຽກຕົວຈິງປະມານ 10-20 ຂໍ້, ຈາກນັ້ນປ້ອນເຂົ້າສູ່ AI ເພື່ອກວດສອບຄຳຕອບ. ໃຫ້ກວດສອບເທື່ອລະຂໍ້ວ່າໄດ້ຄຳຕອບທີ່ຄາດຫວັງໄວ້ຫຼືບໍ່, ເອກະສານທີ່ອ້າງອີງເປັນຫຼັກຖານນັ້ນຖືກຕ້ອງຫຼືບໍ່, ແລະມີເອກະສານສະບັບເກົ່າ ຫຼື ເອກະສານຊ້ຳຊ້ອນປົນເຂົ້າມາຫຼືບໍ່.

ໃນກໍລະນີທີ່ຄຳຕອບບໍ່ກົງປະເດັນ, ສາເຫດສ່ວນໃຫຍ່ຈະແບ່ງອອກເປັນ 3 ຮູບແບບ: ຖ້າເອກະສານເອງຍັງຂາດຂໍ້ມູນທີ່ຈຳເປັນ ກໍຈຳເປັນຕ້ອງມີການຈັດກຽມເພີ່ມເຕີມ. ຖ້າມີຂໍ້ມູນແລ້ວແຕ່ຄົ້ນຫາບໍ່ພົບ ການທົບທວນ Metadata ຫຼື ຫົວຂໍ້ຈະມີປະສິດທິຜົນ. ຖ້າທັງຂໍ້ມູນແລະການຄົ້ນຫາບໍ່ມີບັນຫາ ແຕ່ຄຳຕອບຍັງບໍ່ຖືກຕ້ອງ ອາດຈຳເປັນຕ້ອງມີການປັບປ່ຽນທາງດ້ານ Algorithm ການຄົ້ນຫາ.

ໃນບັນດາສາເຫດເຫຼົ່ານີ້, ການປັບປຸງຄວາມແມ່ນຍຳຂອງ Algorithm ການຄົ້ນຫາແມ່ນຂົງເຂດຄວາມຊ່ຽວຊານທີ່ແຍກອອກຈາກການຈັດກຽມເອກະສານ. ລາຍລະອຽດກ່ຽວກັບວິທີການຕ່າງໆ ເຊັ່ນ: Hybrid Search ຫຼື Reranking ໄດ້ຖືກກ່າວເຖິງໃນ ບົດຄວາມກ່ຽວກັບ Hybrid Search ເພື່ອປັບປຸງຄວາມແມ່ນຍຳໃນການຄົ້ນຫາ ແລ້ວ, ດັ່ງນັ້ນໃນບົດຄວາມນີ້ຈະຂໍຢຸດຢູ່ທີ່ການກວດສອບຄວາມພ້ອມທາງດ້ານເອກະສານເທົ່ານັ້ນ. ບັນຫາທີ່ພົບຈາກການທົດສອບ ຫາກເກັບສະສົມໄວ້ເປັນລາຍການປັບປຸງເມື່ອຂະຫຍາຍຂອບເຂດພື້ນທີ່ບູລິມະສິດ ກໍຈະເປັນປະໂຫຍດໃນຮອບວຽນການກວດສອບຄັ້ງຕໍ່ໄປ.

ຈຸດທີ່ຄວນເອົາໃຈໃສ່ໃນການປັບປຸງເອກະສານຈະແຕກຕ່າງກັນໄປຕາມປະເພດຂອງເອກະສານ. ໃຫ້ເຮົາມາເບິ່ງຈຸດຜິດພາດທີ່ມັກພົບເຫັນເລື້ອຍໆໃນເອກະສານ 3 ປະເພດ ຄື: ກົດລະບຽບ/ຄູ່ມື, ບົດບັນທຶກການປະຊຸມ/ບົດລາຍງານປະຈຳວັນ ແລະ ໄຟລ໌ PDF ທີ່ສະແກນມາ.

ລະບຽບການ ແລະ ຄູ່ມືຕ່າງໆ ເປັນເອກະສານທີ່ມີການປັບປຸງແກ້ໄຂຢູ່ສະເໝີ, ດັ່ງນັ້ນເມື່ອນຳເຂົ້າສູ່ RAG ຈຶ່ງຈຳເປັນຕ້ອງລະບຸໃຫ້ຊັດເຈນວ່າ "ສະບັບໃດເປັນສະບັບຫຼ້າສຸດ". ໃນຕອນທຳອິດ, ຫຼາຍຄົນອາດຄິດວ່າການເກັບໄວ້ພຽງສະບັບຫຼ້າສຸດໃນໂຟນເດີກໍພຽງພໍແລ້ວ, ແຕ່ໃນຄວາມເປັນຈິງ ການເກັບຮັກສາສະບັບເກົ່າໄວ້ໂດຍການກຳນົດວັນທີມີຜົນບັງຄັບໃຊ້ ແລະ ວັນທີໝົດອາຍຸເປັນ Metadata ແລ້ວຕັ້ງຄ່າບໍ່ໃຫ້ຄົ້ນຫາເຫັນນັ້ນ ຈະມີປະສິດທິພາບຫຼາຍກວ່າການລຶບຖິ້ມຢ່າງຖາວອນ. ທັງນີ້ກໍເພື່ອຮອງຮັບການຕິດຕາມປະຫວັດການແກ້ໄຂ ແລະ ການຕອບຄຳຖາມກ່ຽວກັບເຫດຜົນໃນການດຳເນີນງານໃນອະດີດ.

ໂດຍສະເພາະ, ການກຳນົດໃຫ້ມີ "ວັນທີມີຜົນບັງຄັບໃຊ້", "ເລກທີສະບັບ", "ຜູ້ອະນຸມັດ" ແລະ "ເຫດຜົນໃນການແກ້ໄຂ" ໄວ້ໃນຊື່ໄຟລ໌ ຫຼື Metadata ແມ່ນວິທີການທີ່ມີປະສິດທິຜົນ. ຕົວຢ່າງເຊັ່ນ: ຖ້າເປັນລະບຽບການເຮັດວຽກ, ຫາກ AI ອ້າງອີງສະບັບທີ່ບໍ່ໄດ້ລະບຸວັນທີເລີ່ມໃຊ້ງານໄວ້, ອາດຈະເກີດກໍລະນີທີ່ AI ຕອບຂໍ້ມູນກ່ຽວກັບລະບົບການລາພັກທີ່ຖືກຍົກເລີກໄປແລ້ວ. ໃນກໍລະນີທີ່ມີຂໍ້ຄວາມຂັດແຍ່ງກັນລະຫວ່າງກ່ອນ ແລະ ຫຼັງການແກ້ໄຂ, ຄວນຕິດແທັກ "ຫ້າມອ້າງອີງ" ໃສ່ສະບັບເກົ່າ ແລະ ຕັ້ງຄ່າບໍ່ໃຫ້ຄົ້ນຫາເຫັນໃນດັດຊະນີການຄົ້ນຫາ (Search Index) ຈະເປັນການດີທີ່ສຸດ.

ນອກຈາກນີ້, ລະບຽບການມັກຈະມີກົດລະບຽບສະເພາະຂອງແຕ່ລະພະແນກ, ສະນັ້ນການຕິດແທັກເພື່ອແຍກລະບຽບການຂອງບໍລິສັດ ແລະ ລະບຽບການສະເພາະຂອງພະແນກຈຶ່ງມີຄວາມສຳຄັນ. ການຈັດລະບຽບການຄວບຄຸມສະບັບໃຫ້ຮຽບຮ້ອຍ ຈະຊ່ວຍໃຫ້ AI ສາມາດຕອບຄຳຖາມໂດຍອີງໃສ່ສະເພາະລະບຽບການທີ່ຍັງມີຜົນບັງຄັບໃຊ້ຢູ່ໄດ້ຕະຫຼອດເວລາ.

ບົດບັນທຶກການປະຊຸມ ແລະ ລາຍງານປະຈຳວັນ ມີຄວາມແຕກຕ່າງຈາກລະບຽບການ ຫຼື ຄູ່ມື ເນື່ອງຈາກຮູບແບບ ແລະ ຄວາມລະອຽດຂອງເນື້ອຫາມັກຈະແຕກຕ່າງກັນໄປຕາມຜູ້ຂຽນ ແລະ ມັກຈະມີການລະບຸຊື່ບຸກຄົນ, ຄຳເຫັນປະເມີນຜົນ ແລະ ຂໍ້ມູນຄູ່ຄ້າໄວ້ໂດຍກົງ. ຫາກມີຄຳເວົ້າທີ່ກ່ຽວຂ້ອງກັບການປະເມີນຜົນພະນັກງານ ຫຼື ເນື້ອຫາຄວາມບໍ່ພໍໃຈ/ຄຳຮ້ອງຮຽນຕໍ່ລູກຄ້າສະເພາະໃດໜຶ່ງຕົກຄ້າງຢູ່ໃນບົດບັນທຶກການປະຊຸມ, AI ອາດຈະນຳຂໍ້ມູນເຫຼົ່ານັ້ນໄປອ້າງອີງໃນຜົນການຄົ້ນຫາສຳລັບຄຳຖາມທີ່ບໍ່ກ່ຽວຂ້ອງໄດ້.

ໃນການຈັດກຽມຂໍ້ມູນ, ການແຍກເນື້ອຫາອອກເປັນ "ການຕັດສິນໃຈໃນການເຮັດວຽກ" ແລະ "ຄຳເຫັນ/ການປະເມີນຜົນສ່ວນບຸກຄົນ" ແມ່ນມີປະສິດທິຜົນ. ເຖິງແມ່ນວ່າການຕັດສິນໃຈຕ່າງໆຈະມີຄຸນຄ່າໃນຖານະເປັນຄວາມຮູ້ (Knowledge), ແຕ່ບັນທຶກຄຳເວົ້າ ຫຼື ການປະເມີນຜົນສ່ວນບຸກຄົນມັກຈະບໍ່ຈຳເປັນຕ້ອງນຳເຂົ້າສູ່ລະບົບ RAG, ສະນັ້ນ ຈຶ່ງຈຳເປັນຕ້ອງມີການຕັດສິນໃຈແຍກປະເພດຄວາມລັບອອກເພື່ອຍົກເວັ້ນຂໍ້ມູນເຫຼົ່ານັ້ນ.

ເຊັ່ນດຽວກັນກັບລາຍງານປະຈຳວັນ ເຊິ່ງເປັນເອກະສານທີ່ມັກຈະມີບັນທຶກກ່ຽວກັບການເຂົ້າ-ອອກວຽກ ຫຼື ສະພາບຮ່າງກາຍຂອງບຸກຄົນປົນຢູ່. ໃນກໍລະນີທີ່ມີຊື່ບຸກຄົນ ຫຼື ຊື່ລູກຄ້າຢູ່ໃນເນື້ອຫາ, ຄວນພິຈາລະນາການເຮັດ Masking ຫຼື ການສະຫຼຸບເນື້ອຫາໃໝ່ກ່ອນນຳເຂົ້າຂໍ້ມູນ ໂດຍອີງຕາມແນວທາງກ່ຽວກັບຂໍ້ມູນທີ່ຖືກປັບປ່ຽນໃຫ້ເປັນຂໍ້ມູນນິລະນາມ (Anonymized Information). ຕາມແນວທາງຂອງຄະນະກຳມະການປົກປ້ອງຂໍ້ມູນສ່ວນບຸກຄົນ, ຫາກມີການສ້າງຂໍ້ມູນທີ່ຖືກປັບປ່ຽນເພື່ອບໍ່ໃຫ້ສາມາດລະບຸຕົວຕົນຂອງບຸກຄົນໃດໜຶ່ງໄດ້, ຈະມີພັນທະໃນການເປີດເຜີຍລາຍການຂໍ້ມູນທີ່ບັນຈຸຢູ່. ເຖິງແມ່ນວ່າຈະເປັນເອກະສານພາຍໃນ, ການຂຽນລະບຸໄວ້ໃຫ້ຊັດເຈນວ່າ "ຂໍ້ມູນໃດຄວນເກັບຮັກສາໄວ້ ແລະ ຂໍ້ມູນໃດຄວນຕັດອອກ" ຈະຊ່ວຍໃຫ້ການດຳເນີນງານມີຄວາມສະໝໍ່າສະເໝີ.

ເນື່ອງຈາກບົດບັນທຶກການປະຊຸມ ແລະ ລາຍງານປະຈຳວັນມີຄວາມຖີ່ໃນການອັບເດດສູງ ແຕ່ຫຼາຍຢ່າງມີຄຸນຄ່າໃນການນຳກັບມາໃຊ້ໃໝ່ຕ່ຳ, ການດຳເນີນງານທີ່ເໝາະສົມໃນທາງປະຕິບັດຄື ການບໍ່ນຳເອກະສານທັງໝົດມາຈັດກຽມ, ແຕ່ໃຫ້ຄັດເລືອກສະເພາະເອກະສານທີ່ສາມາດເປັນພື້ນຖານໃຫ້ແກ່ລະບຽບການພາຍໃນຂອງບໍລິສັດເທົ່ານັ້ນ.

ຄຸນນະພາບຂໍ້ມູນຫຼັງຈາກ OCR (ການຮັບຮູ້ຕົວອັກສອນທາງແສງ)

ປຶ້ມກົດລະບຽບເປັນເອກະສານເຈ້ຍ, ໄຟລ໌ PDF ທີ່ສະແກນມາຈາກແບບຟອມຄຳຮ້ອງໃນອະດີດ, ຫຼືປ້າຍປະກາດທີ່ຖ່າຍຮູບໄວ້ ເປັນຕົ້ນ, ຫາກນຳເຂົ້າສູ່ RAG ໂດຍກົງ ອາດຈະບໍ່ຖືກຮັບຮູ້ວ່າເປັນຕົວອັກສອນ ແລະ ບໍ່ຖືກຄົ້ນພົບໃນການຄົ້ນຫາເລີຍໃນບາງກໍລະນີ. ຕ້ອງແປງເປັນຂໍ້ຄວາມດ້ວຍ OCR (ການຮັບຮູ້ຕົວອັກສອນທາງແສງ) ກ່ອນ ຈຶ່ງຈະສາມາດເປັນເປົ້າໝາຍໃນການຄົ້ນຫາໄດ້.

ສິ່ງທີ່ມັກຖືກມອງຂ້າມຢູ່ນີ້ ກໍຄື ການກວດສອບຄຸນນະພາບຫຼັງຈາກການປະມວນຜົນ OCR. OCR ມີແນວໂນ້ມທີ່ຈະຮັບຮູ້ຜິດພາດງ່າຍ ໃນກໍລະນີຂອງຕົວອັກສອນຂຽນມື， ຕາຕະລາງທີ່ມີເສັ້ນຫຼາຍ， ຫຼືຕົວອັກສອນທີ່ຢູ່ໃກ້ກັບຮອຍປະທັບຕາທີ່ບໍ່ຈະແຈ້ງ. ຫາກເກີດການແປງຜິດພາດ ເຊັ່ນ： ອ່ານຕົວອັກສອນຄັນຈິທີ່ມີຮູບຮ່າງຄ້າຍຄືກັນສະຫຼັບກັນ， ຫຼືອ່ານເລກ “1” ເປັນຕົວອັກສອນ “l”， ຄຳສຳຄັນທີ່ໃຊ້ຄົ້ນຫາ ຈະບໍ່ຕົງກັບຂໍ້ຄວາມໃນເນື້ອໃນ， ເຮັດໃຫ້ເອກະສານທີ່ກ່ຽວຂ້ອງບໍ່ປາກົດຢູ່ໃນຜົນການຄົ້ນຫາ.

ວິທີແກ້ໄຂທີ່ໄດ້ຜົນ ຄື ການສ້າງຂະບວນການກວດສອບຂໍ້ຄວາມຫຼັງຈາກ OCR ດ້ວຍຕາເປົ່າແບບສຸ່ມຕົວຢ່າງ， ເພື່ອກວດເບິ່ງວ່າຕົວເລກ， ວັນທີ， ແລະ ຄຳນາມສະເພາະທີ່ສຳຄັນ ຖືກແປງໄດ້ຢ່າງຖືກຕ້ອງຫຼືບໍ່. ໂດຍສະເພາະຊ່ອງຈຳນວນເງິນ ຫຼືຊ່ອງວັນທີໃນສັນຍາ ເຊິ່ງຄວາມຜິດພາດອາດສົ່ງຜົນຕໍ່ການຕັດສິນໃຈທາງທຸລະກິດ ຄວນ

ການຈັດລະບຽບເອກະສານບໍ່ແມ່ນວຽກທີ່ເຮັດພຽງຄັ້ງດຽວ. ເພື່ອຮັກສາສະພາບຫຼັງຈາກການກວດສອບໃຫ້ຄົງຢູ່, ຈຳເປັນຕ້ອງມີການແຕ່ງຕັ້ງຜູ້ຮັບຜິດຊອບໃນການອັບເດດ, ຮອບວຽນການທົບທວນຄືນຢ່າງສະໝໍ່າສະເໝີ, ແລະ ກົນໄກໃນການ ເຊື່ອມຕໍ່ ຫຼື ຊິງຄ໌ຂໍ້ມູນ ລະຫວ່າງເອກະສານຕົ້ນສະບັບກັບຂໍ້ມູນໃນຝັ່ງ AI. ໃນທີ່ນີ້, ພວກເຮົາຈະອະທິບາຍກ່ຽວກັບການສ້າງລະບົບເພື່ອໃຫ້ການດຳເນີນງານດຳເນີນຕໍ່ໄປໄດ້.

ການຈັດລະບຽບເອກະສານເຖິງແມ່ນວ່າຈະຈັດໃຫ້ເຂົ້າທີ່ແລ້ວ ແຕ່ຖ້າຫາກຜູ້ຮັບຜິດຊອບມີການປ່ຽນແປງແລະການອັບເດດຢຸດສະງັກລົງ ມັນກໍຈະເສື່ອມສະພາບລົງພາຍໃນເວລາບໍ່ເທົ່າໃດເດືອນ. ກົນໄກທີ່ຂາດບໍ່ໄດ້ໃນການຮັກສາການຈັດລະບຽບເອກະສານຄື ການກຳນົດຜູ້ຮັບຜິດຊອບໃນການອັບເດດໃຫ້ຊັດເຈນ ແລະ ການກຳນົດຮອບວຽນໃນການກວດສອບ (Inventory cycle).

ໂດຍພື້ນຖານແລ້ວ, ຜູ້ຮັບຜິດຊອບຄວນກຳນົດໃຫ້ເຫຼືອພຽງຄົນດຽວຕໍ່ເອກະສານໜຶ່ງສະບັບວ່າ "ໃຜເປັນຜູ້ຮັບປະກັນຄວາມຖືກຕ້ອງ". ຕົວຢ່າງເຊັ່ນ: ລະບຽບການຕ່າງໆຄວນເປັນໜ້າທີ່ຂອງພະແນກບໍລິຫານ ຫຼື ພະແນກບຸກຄະລາກອນ, ຄູ່ມືການປະຕິບັດງານຄວນເປັນໜ້າທີ່ຂອງຫົວໜ້າໜ້າວຽກແຕ່ລະພາກສ່ວນ ເຊິ່ງເປັນຜູ້ທີ່ນຳໃຊ້ເອກະສານນັ້ນຕົວຈິງ ແລະ ຢູ່ໃນຖານະທີ່ສາມາດຮັບຮູ້ເຖິງການປ່ຽນແປງໄດ້. ການທີ່ພະແນກລະບົບຂໍ້ມູນຂ່າວສານຈະເປັນຜູ້ຮັບຮູ້ເນື້ອຫາທັງໝົດແລະອັບເດດນັ້ນບໍ່ແມ່ນເລື່ອງທີ່ເປັນໄປໄດ້ໃນຄວາມເປັນຈິງ, ດັ່ງນັ້ນ ການແບ່ງໜ້າທີ່ກັນລະຫວ່າງຝ່າຍທຸລະກິດທີ່ຮັບຜິດຊອບຄວາມຖືກຕ້ອງຂອງເນື້ອຫາ ແລະ ຝ່າຍລະບົບຂໍ້ມູນຂ່າວສານທີ່ຮັບຜິດຊອບຄວາມສອດຄ່ອງຂອງຮູບແບບແລະ Metadata ຈຶ່ງເປັນວິທີທີ່ເຮັດໃຫ້ການເຮັດວຽກມີປະສິດທິພາບຫຼາຍກວ່າ.

ການກຳນົດຮອບວຽນໃນການກວດສອບ (Inventory cycle) ຄວນແບ່ງຕາມຄວາມຖີ່ໃນການອັບເດດເອກະສານ ເຊິ່ງເປັນວິທີທີ່ເໝາະສົມໃນທາງປະຕິບັດ:

• ເອກະສານທີ່ມີການແກ້ໄຂໜ້ອຍ ເຊັ່ນ: ລະບຽບການ, ຄູ່ມືຕ່າງໆ: ກວດສອບທຸກໆເຄິ່ງປີ ຫຼື ປີລະ 1 ຄັ້ງ
• ເອກະສານທີ່ມີການອັບເດດເລື້ອຍໆ ເຊັ່ນ: ບົດບັນທຶກການປະຊຸມ, FAQ, ຄູ່ມືຂັ້ນຕອນການເຮັດວຽກ: ກວດສອບເປັນລາຍເດືອນ ຫຼື ລາຍໄຕມາດ
• ເອກະສານທີ່ກ່ຽວຂ້ອງກັບການປ່ຽນແປງທາງກົດໝາຍ ຫຼື ກົດລະບຽບພາຍໃນບໍລິສັດ: ອັບເດດທັນທີທີ່ມີການປ່ຽນແປງເກີດຂຶ້ນ

ຖ້າຫາກບໍ່ກຳນົດຮອບວຽນທີ່ຊັດເຈນ ແລະ ໃຊ້ວິທີການ "ແກ້ໄຂເມື່ອເຫັນວ່າຜິດ" ຈະເຮັດໃຫ້ເອກະສານສະບັບເກົ່າຍັງຄົງຄ້າງຢູ່ ແລະ ເປັນສາເຫດທີ່ເຮັດໃຫ້ AI ຕອບຂໍ້ມູນທີ່ລ້າສະໄໝ. ການບັນທຶກຜົນການກວດສອບລົງໃນບັນຊີລາຍຊື່ ຫຼື Checklist ງ່າຍໆ ເພື່ອໃຫ້ຜູ້ຮັບຜິດຊອບໃນຮອບຕໍ່ໄປສາມາດຕິດຕາມສະຖານະການໄດ້ນັ້ນ ຖືເປັນພື້ນຖານທີ່ສຳຄັນໃນການຮັກສາສະພາບການຈັດລະບຽບເອກະສານໃຫ້ຍືນຍາວ.

ເຖິງແມ່ນວ່າຈະມີການອັບເດດເອກະສານຕົ້ນສະບັບ ແຕ່ຖ້າຫາກດັດສະນີ (Index) ທີ່ RAG ໃຊ້ງານບໍ່ໄດ້ຖືກອັບເດດໂດຍອັດຕະໂນມັດ AI ກໍຈະຍັງຄົງຕອບຂໍ້ມູນເກົ່າຢູ່. ການສ້າງກົນໄກການ ເຊື່ອມຕໍ່ ຫຼື ຊິງຄ໌ຂໍ້ມູນ ລະຫວ່າງເອກະສານຕົ້ນສະບັບກັບຂໍ້ມູນທີ່ໃຊ້ໃນການຄົ້ນຫາ ຄື ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ຂອງພາກນີ້.

ສິ່ງທີ່ເໝາະສົມທີ່ສຸດຄື ຂະບວນການ ຫຼື Pipeline ທີ່ສາມາດກວດຈັບການປ່ຽນແປງຂອງບ່ອນຈັດເກັບເອກະສານ ແລະ ເຮັດການສ້າງດັດສະນີໃໝ່ໂດຍອັດຕະໂນມັດ. ຖ້າຫາກອອກແບບໂຄງສ້າງໂດຍໃຊ້ເຫດການອັບເດດຈາກ Cloud Storage ຫຼື ລະບົບຈັດການຄວາມຮູ້ (Knowledge Management System) ມາເປັນຕົວສັ່ງການ (Trigger) ເພື່ອສະທ້ອນການເພີ່ມ, ແກ້ໄຂ ແລະ ລຶບຂໍ້ມູນແບບແຍກສ່ວນ (Differential) ຈະຊ່ວຍປ້ອງກັນການຕົກຫຼົ່ນໃນການອັບເດດດ້ວຍມືໄດ້. ໃນກໍລະນີທີ່ການເຮັດອັດຕະໂນມັດນັ້ນຍາກ, ສາມາດໃຊ້ການປະມວນຜົນແບບ Batch ຕາມຄວາມຖີ່ຂອງການອັບເດດແທນໄດ້ ແຕ່ຕ້ອງແຈ້ງໃຫ້ຜູ້ໃຊ້ຊາບກ່ຽວກັບໄລຍະເວລາທີ່ແຕກຕ່າງກັນ (ຕົວຢ່າງ: ຖ້າເປັນ Batch ປະຈຳວັນ ອາດຈະໃຊ້ເວລາເຖິງ 1 ວັນ).

ສິ່ງທີ່ຄວນລະວັງຄື ການ ເຊື່ອມຕໍ່ ຫຼື ຊິງຄ໌ຂໍ້ມູນ ໃນການລຶບ. ຖ້າຫາກລຶບ ຫຼື ເປີດຕົວ ຫຼື Launch ຕົ້ນສະບັບອອກໄປແລ້ວ ແຕ່ຂໍ້ມູນໃນຝັ່ງທີ່ໃຊ້ຄົ້ນຫາຍັງຄົງຢູ່ AI ກໍຈະນຳເອົາຂໍ້ມູນທີ່ໝົດອາຍຸໄປແລ້ວນັ້ນມາເປັນຫຼັກຖານໃນການຕອບ. ດັ່ງນັ້ນ, ການອອກແບບໃຫ້ມີການ ເຊື່ອມຕໍ່ ຫຼື ຊິງຄ໌ຂໍ້ມູນ ແບບສອງທາງທີ່ລວມທັງການເພີ່ມ, ການອັບເດດ ແລະ ການລຶບ ຈຶ່ງເປັນສິ່ງທີ່ຂາດບໍ່ໄດ້.

ສຳລັບການອອກແບບການແບ່ງຂໍ້ຄວາມ (Text Splitting) ຫຼື ໂຄງສ້າງຂອງດັດສະນີເອງນັ້ນ ໄດ້ມີການອະທິບາຍຢ່າງລະອຽດໄວ້ໃນ ວິທີການສ້າງ AI Chatbot ທີ່ຮອງຮັບພາສາລາວ — ການບັນລຸລະດັບການນຳໃຊ້ຈິງດ້ວຍ Low-resource language × RAG.

ໃນໜ້າວຽກການຈັດລະບຽບເອກະສານ, ມັກຈະພົບເຫັນຄວາມຜິດພາດຊໍ້າໆຢູ່ສອງຢ່າງຄື: ການຢຸດສະງັກຍ້ອນຄວາມສົມບູນແບບເກີນໄປ ແລະ ການເສື່ອມສະພາບຍ້ອນການ ເຊື່ອມຕໍ່ ຫຼື ຊິງຄ໌ຂໍ້ມູນ ບໍ່ທັນສະໄໝຫຼັງຈາກການຈັດລະບຽບແລ້ວ. ທັງສອງຢ່າງນີ້ສາມາດຫຼີກລ່ຽງໄດ້ໂດຍການປັບປ່ຽນວິທີການດຳເນີນງານພຽງເລັກນ້ອຍ. ໃນຫົວຂໍ້ H3 ຕໍ່ໄປນີ້, ຂ້າພະເຈົ້າຈະສະຫຼຸບສາເຫດ ແລະ ມາດຕະການແກ້ໄຂຢ່າງລະອຽດ.

ໃນກໍລະນີທີ່ພະແນກລະບົບຂໍ້ມູນຂ່າວສານຕັ້ງເປົ້າໝາຍໃນການຈັດການເອກະສານທັງໝົດໃຫ້ສົມບູນແບບ, ມັກຈະພົບເຫັນກໍລະນີທີ່ເວລາຜ່ານໄປຫຼາຍເດືອນພຽງແຕ່ໃນຂັ້ນຕອນການວາງແຜນກ່ອນເລີ່ມຕົ້ນເທົ່ານັ້ນ. ສຳລັບອົງກອນທີ່ມີເອກະສານຕັ້ງແຕ່ຫຼາຍຮ້ອຍຫາຫຼາຍພັນສະບັບ, ຖ້າພະຍາຍາມເຮັດການຈັດປະເພດຄວາມລັບ ແລະ ການໃສ່ Metadata ໃຫ້ສຳເລັດພ້ອມກັນທັງໝົດ, ຈະຕ້ອງໃຊ້ເວລາຫຼາຍໃນການປັບປ່ຽນມາດຕະຖານການຕັດສິນໃຈ ແລະ ການກວດສອບກັບພະແນກທີ່ກ່ຽວຂ້ອງ ຈົນບໍ່ສາມາດໄປເຖິງຂັ້ນຕອນການທົດສອບການຄົ້ນຫາໄດ້.

ໃນໜ້າວຽກທີ່ສາມາດກ້າວຂ້າມອຸປະສັກນີ້ໄດ້, ການຕັດສິນໃຈທີ່ໃຫ້ຄວາມສຳຄັນກັບຄວາມໄວໃນການເລີ່ມຕົ້ນຫຼາຍກວ່າຄວາມສົມບູນແບບນັ້ນມີຜົນດີ. ວິທີການຄືການເລືອກສະເພາະກົດລະບຽບ ຫຼື ຄູ່ມືບາງຢ່າງທີ່ມີການນຳໃຊ້ເລື້ອຍໆມາເຮັດການກວດສອບ ແລະ ແບ່ງປະເພດຄວາມລັບ ແລ້ວເລີ່ມດຳເນີນການທົດສອບການຄົ້ນຫາກ່ອນ. ເມື່ອໄດ້ທົດລອງຄົ້ນຫາຕົວຈິງ, ຈະພົບເຫັນຄວາມຜິດພາດໃນການຂຽນທີ່ບໍ່ໄດ້ຄາດຄິດ ຫຼື ການມີເອກະສານສະບັບເກົ່າປົນຢູ່ ເຊິ່ງສາມາດນຳໄປສະທ້ອນໃນການສ້າງມາດຕະຖານຂອງຂະບວນການຕໍ່ໄປໄດ້ທັນທີ.

ສຳລັບຫຼັກການຕັດສິນໃຈນັ້ນ, ຖ້າເປັນພະແນກຂະໜາດນ້ອຍທີ່ມີເອກະສານປະມານສິບກວ່າສະບັບ ກໍສາມາດດຳເນີນການຈັດການແບບລວມຍອດໂດຍບໍ່ຕ້ອງຈຳກັດຂອບເຂດໄດ້, ແຕ່ຖ້າຫາກກວມເອົາຫຼາຍພະແນກ ແລະ ມີເອກະສານຫຼາຍກວ່າຫຼາຍຮ້ອຍສະບັບ, ການກຳນົດພື້ນທີ່ບູລິມະສິດແລ້ວຄ່ອຍໆຂະຫຍາຍອອກໄປເທື່ອລະຂັ້ນຈະເຮັດໃຫ້ການນຳໃຊ້ລະບົບບໍ່ຢຸດສະງັກ. ການບໍ່ກຳນົດແຜນການຈັດການໃຫ້ແໜ້ນໜາເກີນໄປໃນຕອນຕົ້ນ, ແຕ່ເລີ່ມຈາກການກວດສອບໃນຂອບເຂດນ້ອຍໆແລ້ວຈຶ່ງຂະຫຍາຍອອກໄປນັ້ນ, ຈະສົ່ງຜົນໃຫ້ລະດັບຄວາມສົມບູນຂອງການຈັດການສູງຂຶ້ນໃນທີ່ສຸດ.

ເຖິງແມ່ນວ່າຈະໄດ້ມີການຈັດລະບຽບເອກະສານແລ້ວ ແຕ່ຖ້າຫາກການດຳເນີນງານຫຼັງຈາກນັ້ນເຮັດໃຫ້ການ ເຊື່ອມຕໍ່ ຫຼື ຊິງຄ໌ຂໍ້ມູນ ກັບ RAG ຂາດຫາຍໄປ ຄວາມຖືກຕ້ອງໃນການຄົ້ນຫາກໍຈະຄ່ອຍໆຫຼຸດລົງ. ກໍລະນີທີ່ພົບເຫັນໄດ້ທົ່ວໄປຄື ການທີ່ເອກະສານຕົ້ນສະບັບຖືກອັບເດດ ແຕ່ Index ຫຼື ຂໍ້ມູນ Vector ທີ່ຢູ່ໃນ RAG ຍັງເປັນຂໍ້ມູນເກົ່າ. ໃນກໍລະນີນີ້, AI ຈະສືບຕໍ່ຕອບໂດຍຍຶດຖືເນື້ອຫາທີ່ຍັງບໍ່ທັນໄດ້ອັບເດດເປັນຄຳຕອບທີ່ຖືກຕ້ອງ.

ສະຖານະການທີ່ມັກເກີດບັນຫາການຂາດການເຊື່ອມຕໍ່ ສາມາດແບ່ງອອກເປັນຫຼາຍເງື່ອນໄຂເພື່ອໃຫ້ເຂົ້າໃຈງ່າຍຂຶ້ນ:

• ໃນກໍລະນີທີ່ມີການດຳເນີນງານໂດຍການນຳເອກະສານເຂົ້າສູ່ RAG ດ້ວຍຕົນເອງ, ຖ້າຜູ້ຮັບຜິດຊອບລືມອັບເດດ ກໍຈະເກີດຄວາມຄາດເຄື່ອນໃນທັນທີ
• ເຖິງແມ່ນວ່າຈະມີກົນໄກການເຊື່ອມຕໍ່ໂຟນເດີ ຫຼື ການ Crawl ຂໍ້ມູນແບບອັດຕະໂນມັດ, ແຕ່ຖ້າເອກະສານຖືກຍ້າຍ ຫຼື ບັນທຶກໄວ້ນອກຂອບເຂດຂອງໂຟນເດີທີ່ກຳນົດໄວ້ ຂໍ້ມູນນັ້ນກໍຈະບໍ່ຖືກນຳເຂົ້າ
• ເມື່ອມີການລົບ ຫຼື ລວມ ຫຼື Merge ເອກະສານ, Index ຂອງເວີຊັນເກົ່າອາດຍັງຄົງຄ້າງຢູ່ ເຊິ່ງເປັນສາເຫດທີ່ເຮັດໃຫ້ເກີດການຕອບຊ້ຳຊ້ອນ

ສຳລັບມາດຕະການແກ້ໄຂ, ແທນທີ່ຈະໃຊ້ວິທີການນຳເຂົ້າໃໝ່ທຸກຄັ້ງທີ່ມີການອັບເດດ, ການເຮັດໃຫ້ສະຖານທີ່ຈັດເກັບເອກະສານ ແລະ ເປົ້າໝາຍການນຳເຂົ້າຂອງ RAG ກົງກັນ ພ້ອມທັງສ້າງກົນໄກທີ່ເຮັດໃຫ້ການກວດສອບການອັບເດດໄປຈົນເຖິງການສະທ້ອນຜົນເປັນແບບອັດຕະໂນມັດນັ້ນຖືວ່າມີປະສິດທິຜົນຫຼາຍ. ການແບ່ງຂໍ້ຄວາມ ຫຼື ການປັບປຸງຄວາມຖືກຕ້ອງທາງດ້ານການຄົ້ນຫາແມ່ນອີກມຸມມອງໜຶ່ງ ເຊິ່ງກ່ຽວຂ້ອງກັບການຕັດສິນໃຈດ້ານການອອກແບບທີ່ກ່າວໄວ້ໃນ Enterprise RAG ການນຳໄປໃຊ້ງານຈິງ, ແຕ່ໃນທີ່ນີ້ ສິ່ງທີ່ຕ້ອງຈົດຈຳໄວ້ກ່ອນແມ່ນ ການດຳເນີນງານເພື່ອຢືນຢັນເປັນປະຈຳວ່າ "ສະຖານະຂອງຕົ້ນສະບັບ ແລະ RAG ກົງກັນຢູ່ສະເໝີຫຼືບໍ່" ນັ້ນເອງ ຄືຈຸດເລີ່ມຕົ້ນຂອງການປ້ອງກັນຄວາມເສື່ອມຖອຍຂອງລະບົບ.

Q1. ຄວນເລີ່ມຕົ້ນການຈັດລະບຽບເອກະສານພາຍໃນຈາກບ່ອນໃດ? ບໍ່ຄວນຈັດລະບຽບເອກະສານທັງໝົດໃນຄັ້ງດຽວ, ແຕ່ຄວນເລີ່ມຈາກພາກສ່ວນທີ່ມີການນຳໃຊ້ເລື້ອຍໆ ແລະ ມີການອັບເດດເລື້ອຍໆ ເຊິ່ງຈະມີປະສິດທິພາບຫຼາຍກວ່າ. ໃນທາງປະຕິບັດ, ຄວນຈັດລຳດັບຄວາມສຳຄັນໃຫ້ກັບກົດລະບຽບ ຫຼື ຄູ່ມືທີ່ມີການສອບຖາມເຂົ້າມາຫຼາຍ, ດຳເນີນການກວດສອບເອກະສານ (Inventory) ແລະ ແບ່ງປະເພດຄວາມລັບໃຫ້ສຳເລັດກ່ອນ, ຈາກນັ້ນຈຶ່ງດຳເນີນການປັບຮູບແບບໃຫ້ເປັນມາດຕະຖານດຽວກັນ ແລະ ເພີ່ມ Metadata ເຂົ້າໄປ ເຊິ່ງເປັນຂັ້ນຕອນທີ່ຈັດການໄດ້ງ່າຍກວ່າ.

Q2. ເອກະສານລັບບໍ່ສາມາດນຳເຂົ້າ RAG ໄດ້ບໍ? ການຈັດການຈະຂຶ້ນຢູ່ກັບການແບ່ງປະເພດຄວາມລັບ. ເອກະສານທີ່ມີຂໍ້ມູນສ່ວນຕົວ ຫຼື ຂໍ້ມູນບຸກຄະລາກອນ ຈຳເປັນຕ້ອງພິຈາລະນາໂດຍອີງໃສ່ການປິດບັງຂໍ້ມູນ (Anonymization) ແລະ ການຄວບຄຸມການເຂົ້າເຖິງ, ເຊິ່ງການນຳອອກຈາກຂອບເຂດການນຳເຂົ້າ ຫຼື ແຍກໄວ້ໃນພື້ນທີ່ສະເພາະທີ່ມີການຈຳກັດຂອບເຂດການອ້າງອີງ ແມ່ນວິທີການທີ່ເປັນໄປໄດ້ໃນທາງປະຕິບັດ. ການອອກແບບການແບ່ງປະເພດເອກະສານຄວນເປັນສິ່ງທີ່ຕ້ອງກຳນົດໄວ້ຕັ້ງແຕ່ຂັ້ນຕອນການກວດສອບເອກະສານ (Inventory).

Q3. ເອກະສານ PDF ທີ່ສະແກນມາ ຫຼື ເອກະສານ OCR ຄວນເປັນເປົ້າໝາຍໃນການຈັດລະບຽບນຳບໍ? ເອກະສານທີ່ມີຄວາມຖືກຕ້ອງຂອງ OCR ຕ່ຳ ມັກຈະເຮັດໃຫ້ເກີດຄຳຕອບທີ່ຜິດພາດຫາກນຳເຂົ້າໄປໂດຍກົງ, ດັ່ງນັ້ນຈຶ່ງຈຳເປັນຕ້ອງກວດສອບຄຸນນະພາບຂອງຂໍ້ຄວາມກ່ອນ. ເອກະສານທີ່ມີການອ່ານຜິດຫຼາຍຄວນຖືກປັບລຳດັບຄວາມສຳຄັນໃຫ້ຕ່ຳລົງ, ແລະ ການຕັດສິນໃຈປ່ຽນເປັນເອກະສານອີເລັກໂທຣນິກໃໝ່ສຳລັບເອກະສານທີ່ຖືກນຳໃຊ້ເລື້ອຍໆ ກໍເປັນທາງເລືອກໜຶ່ງທີ່ຄວນພິຈາລະນາ.

Q4. ເອກະສານທີ່ຈັດລະບຽບແລ້ວ ຄວນມີການທົບທວນເລື້ອຍປານໃດ? ສຳລັບກົດລະບຽບ ຫຼື ຄູ່ມືທີ່ມີການອັບເດດເລື້ອຍໆ, ຄວນມີກົນໄກທີ່ອັບເດດຂໍ້ມູນອ້າງອີງໃນຝັ່ງ AI ທຸກຄັ້ງທີ່ມີການປ່ຽນແປງເກີດຂຶ້ນ. ສ່ວນເອກະສານທີ່ມີການອັບເດດໜ້ອຍ ຄວນກວດສອບຕາມຮອບວຽນການກວດສອບເອກະສານ (Inventory) ຕາມປົກກະຕິ, ການແບ່ງຄວາມຖີ່ໃນການທົບທວນຕາມລັກສະນະຂອງເອກະສານຖືເປັນວິທີທີ່ເໝາະສົມໃນທາງປະຕິບັດ.

Q5. ການແບ່ງຂໍ້ຄວາມ (Text splitting) ແລະ ການປັບປຸງຄວາມຖືກຕ້ອງໃນການຄົ້ນຫາ ລວມຢູ່ໃນຂອບເຂດຂອງບົດຄວາມນີ້ບໍ? ບົດຄວາມນີ້ເນັ້ນໃສ່ການຈັດລະບຽບເອກະສານກ່ອນການນຳເຂົ້າໂດຍສະເພາະ, ສ່ວນການອອກແບບການແບ່ງ Chunk ສາມາດອ່ານໄດ້ທີ່ ວິທີການສ້າງ AI Chatbot ທີ່ຮອງຮັບພາສາລາວ — ການບັນລຸລະດັບການນຳໃຊ້ຈິງດ້ວຍ Low-resource language × RAG, ແລະ ວິທີການປັບປຸງຄວາມຖືກຕ້ອງໃນການຄົ້ນຫາໄດ້ອະທິບາຍຢ່າງລະອຽດທີ່ ການນຳ Enterprise RAG ເຂົ້າສູ່ການໃຊ້ງານຈິງ — ຮູບແບບການຈັດຕັ້ງປະຕິບັດ Agentic RAG ແລະ Hybrid Search ທີ່ພິສູດແລ້ວດ້ວຍ Chatbot ພາສາລາວ.

ການກະກຽມເອກະສານພາຍໃນໃຫ້ສາມາດນຳໃຊ້ກັບ AI ໄດ້ນັ້ນ ບໍ່ແມ່ນໂຄງການແບບເໝາະໂຮມທີ່ເຮັດກັບເອກະສານທັງໝົດໃນຄັ້ງດຽວ. ການເລີ່ມຕົ້ນຈາກຂອບເຂດທີ່ມີການນຳໃຊ້ເລື້ອຍໆ, ຈັດລະບຽບປະເພດຄວາມລັບ ແລະ ຮູບແບບເອກະສານ, ພ້ອມທັງຂະຫຍາຍຂອບເຂດໄປພ້ອມກັບການກວດສອບຜ່ານການທົດສອບການຄົ້ນຫາ (Search Test) ຈະຊ່ວຍໃຫ້ເວລາໃນການນຳໃຊ້ ແລະ ຄຸນນະພາບຂອງການກວດສອບມີຄວາມສະຖຽນຫຼາຍກວ່າ.

ແທນທີ່ຈະລໍຖ້າໃຫ້ການກະກຽມສົມບູນແບບຈົນເຮັດໃຫ້ການເລີ່ມຕົ້ນຊັກຊ້າ, ການຈັດລະບຽບສະເພາະພື້ນທີ່ທີ່ມີຄວາມສຳຄັນກ່ອນ ແລ້ວຮີບດຳເນີນການທົດສອບການຄົ້ນຫາເພື່ອຫາຂໍ້ບົກຜ່ອງຈາກວິທີການຕອບທີ່ບໍ່ຖືກຕ້ອງນັ້ນ ຖືວ່າເປັນວິທີທີ່ປະຕິບັດໄດ້ຈິງຫຼາຍກວ່າ. ສາເຫດຫຼັກທີ່ເຮັດໃຫ້ການກະກຽມຕ້ອງຢຸດສະງັກ ກໍຄືແນວຄວາມຄິດທີ່ວ່າ "ຕ້ອງເຮັດໃຫ້ຄົບທຸກຢ່າງກ່ອນແລ້ວຈຶ່ງເລີ່ມ".

ຫຼັງຈາກການກະກຽມແລ້ວ, ສິ່ງທີ່ຂາດບໍ່ໄດ້ຄືການກຳນົດຜູ້ຮັບຜິດຊອບໃນການອັບເດດ ແລະ ຮອບວຽນໃນການກວດສອບ, ລວມເຖິງການຮັກສາກົນໄກການ ເຊື່ອມຕໍ່ ຫຼື ຊິງຄ໌ຂໍ້ມູນ ເພື່ອໃຫ້ການແກ້ໄຂເອກະສານຖືກສະທ້ອນໄປຍັງຖານຄວາມຮູ້ (Knowledge Base). ຖ້າການເຊື່ອມຕໍ່ຂາດຫາຍໄປ, ເອກະສານທີ່ຈັດລະບຽບໄວ້ກໍຈະເສື່ອມຄຸນນະພາບລົງຢ່າງວ່ອງໄວ. ສ່ວນການປັບປຸງທາງດ້ານເຕັກນິກຫຼັງຈາກນຳໃຊ້ແລ້ວ ເຊັ່ນ: ການແບ່ງຂໍ້ຄວາມ ຫຼື ການປັບປຸງຄວາມຖືກຕ້ອງໃນການຄົ້ນຫາ ແມ່ນຂຶ້ນຢູ່ກັບຈຸດປະສົງ ແລະ ເປັນຂົງເຂດທີ່ຕ້ອງມອບໝາຍໃຫ້ຂັ້ນຕອນທີ່ມີຄວາມຊ່ຽວຊານສະເພາະດ້ານ. ການເລີ່ມຕົ້ນຈາກການຈັດລະບຽບໃນຂອບເຂດນ້ອຍໆ, ກວດສອບຄຸນນະພາບຜ່ານການທົດສອບການຄົ້ນຫາ, ແລ້ວຄ່ອຍໆຂະຫຍາຍຂອບເຂດເປົ້າໝາຍ ແລະ ລະບົບການດຳເນີນງານໄປເທື່ອລະຂັ້ນ ແມ່ນວິທີການທີ່ເປັນຈິງທີ່ສຸດໃນການສ້າງຖານຄວາມຮູ້ໃຫ້ປະສົບຜົນສຳເລັດ.