هوش مصنوعی خصوصی و آفلاین برای سازمانها
مدلهای زبانی بزرگ، جستوجوی هوشمند و عاملهای تخصصی را در زیرساخت داخلی، ابر خصوصی یا محیط کاملاً ایزوله سازمان اجرا کنید؛ بدون خروج دادههای محرمانه و بدون وابستگی عملیاتی به سرویسهای عمومی اینترنتی.
ارزش پیشنهادی
هوش مصنوعی مولد سازمانی با کنترل کامل بر داده، مدل، دسترسی و زیرساخت
NAB CORE دانش پراکنده سازمان را به یک قابلیت هوشمند، قابل جستوجو و قابل استفاده تبدیل میکند. اسناد، گزارشها، آییننامهها، پایگاههای داده و سامانههای داخلی بهصورت کنترلشده به مدلهای زبانی و عاملهای سازمانی متصل میشوند تا کارکنان بتوانند پاسخهای مستند دریافت کنند، اسناد را تحلیل کنند و فعالیتهای دانشی را سریعتر انجام دهند. تمام این فرایند میتواند در زیرساخت تحت کنترل سازمان و بدون ارسال داده به سرویسهای عمومی انجام شود.
معرفی محصول
NAB CORE؛ دانش سازمان شما در قالب یک دستیار هوشمند خصوصی
NAB CORE یک پلتفرم هوش مصنوعی سازمانی خصوصی برای اجرای مدلهای زبانی بزرگ در زیرساخت تحت کنترل سازمان است. این راهکار برای مجموعههایی طراحی شده است که اسناد، گزارشها و دادههای حساس دارند و نمیتوانند اطلاعات خود را در اختیار سرویسهای عمومی هوش مصنوعی قرار دهند.
پلتفرم با اتصال امن به اسناد، پایگاههای داده، آرشیوها و سامانههای داخلی، امکان ایجاد دستیارهای هوشمند، موتور جستوجوی معنایی، ابزار تحلیل اسناد و عاملهای تخصصی را فراهم میکند. نتیجه، دسترسی سریعتر به دانش، کاهش فعالیتهای تکراری، حفظ حافظه سازمانی و تصمیمگیری دقیقتر در محیطی امن و قابلکنترل است.
مسئلهای که حل میکنیم
دانش ارزشمند سازمان معمولاً در میان فایلها، مکاتبات، آییننامهها، گزارشها، پایگاههای داده و تجربه افراد پراکنده است. کارکنان برای یافتن یک پاسخ یا سند معتبر، زمان زیادی صرف جستوجو میکنند و گاهی بر اساس اطلاعات ناقص، قدیمی یا غیرمستند تصمیم میگیرند.
از سوی دیگر، استفاده از سرویسهای عمومی هوش مصنوعی برای سازمانهای دارای اطلاعات محرمانه، الزامات امنیتی یا محدودیتهای حاکمیتی مناسب نیست. NAB CORE این مسئله را با ایجاد یک زیرساخت مشترک و خصوصی برای استفاده از هوش مصنوعی روی دانش، سیاستها و سامانههای خود سازمان حل میکند.
چالشهای کلیدی
سازمانها برای استفاده مؤثر از هوش مصنوعی فقط به یک چتبات نیاز ندارند؛ آنها به بستری نیاز دارند که محل پردازش و ذخیرهسازی داده را کنترل کند، دسترسی کاربران را بر اساس نقش و سطح محرمانگی محدود سازد، پاسخها را به منابع معتبر متصل کند و با سامانههای موجود یکپارچه شود. نبود چنین بستری باعث پراکندگی پروژههای هوش مصنوعی، افزایش ریسک امنیتی و وابستگی به سرویسدهندگان بیرونی میشود.
01
02
03
04
بازار هدف و کاربران
بازار هدف
بانکداری، خدمات مالی و بازار سرمایه، بیمه، وزارتخانهها و سازمانهای حاکمیتی، شهرداریها و نهادهای عمومی، صنایع دفاعی و امنیتی، سلامت و داروسازی، نفت و گاز و پتروشیمی، انرژی، هلدینگهای صنعتی، شرکتهای EPC، شرکتهای حقوقی و مشاورهای، مخابرات، فناوری اطلاعات، دانشگاهها و مراکز پژوهشی.
این راهکار بهویژه برای سازمانهایی مناسب است که دارای اسناد و دادههای محرمانه، دیتاسنتر یا شبکه داخلی، سامانههای متعدد و دانش پراکنده هستند. مجموعههای مشمول الزامات Data Residency، زیرساختهای حیاتی، محیطهای نیازمند Air-Gapped و شرکتهایی که تعداد زیادی نیروی دانشی دارند، میتوانند از NAB CORE برای ایجاد یک زیرساخت هوش مصنوعی خصوصی استفاده کنند. مقیاس راهکار از شرکتهای متوسط دارای نیاز تخصصی تا هلدینگها و سازمانهای ملی قابل تنظیم است.
تصمیمگیرندگان
مدیران توسعه
مدیرعامل، معاون راهبرد و مدیر تحول دیجیتال
مدیر فناوری اطلاعات، مدیر داده و مدیر امنیت اطلاعات
مدیر عملیات، مدیر مالی، مدیر حقوقی و مدیر دانش
کاربران نهایی
کاربران تخصصی سازمان
مدیران ارشد، اعضای هیئتمدیره و تحلیلگران کسبوکار
کارشناسان حقوقی، اعتباری، ریسک، مالی و تطبیق
مهندسان، کارشناسان فنی، منابع انسانی، پشتیبانی، پروژه و دبیرخانه
سناریوهای کاربرد
۰۱
پاسخگویی به پرسشهای کارکنان درباره آییننامهها، فرایندها، رویهها و دستورالعملهای داخلی همراه با نمایش منبع، نسخه سند و بخش مورد استناد. این دستیار زمان جستوجو را کاهش میدهد و دسترسی به دانش مجاز سازمان را در تمام ساعات فراهم میکند.
۰2
جستوجو در اسناد، گزارشها، مکاتبات و آرشیوها بر اساس مفهوم سؤال، نه فقط تطبیق کلمه کلیدی. موتور بازیابی میتواند بخشهای مرتبط اسناد را شناسایی کند و کاربر را مستقیماً به منبع و نسخه معتبر هدایت کند.
۰3
خلاصهسازی قرارداد، استخراج تعهدات، تاریخها و طرفهای قرارداد، شناسایی بندهای پرریسک و مقایسه نسخههای مختلف. خروجی بهعنوان ابزار پشتیبان کارشناس حقوقی ارائه میشود و در تصمیمهای حساس، تأیید نهایی همچنان بر عهده متخصص انسانی خواهد بود.
۰4
تجمیع گزارشهای واحدها، خلاصهسازی حجم زیادی از اطلاعات، استخراج روندها و ریسکها و تولید پیشنویس گزارش برای مدیران. پاسخها میتوانند به اسناد و دادههای داخلی متصل شوند تا تصمیمگیری بر مبنای اطلاعات مستند انجام شود.
۰5
عاملهای هوشمند میتوانند فعالیتهایی مانند طبقهبندی درخواست، استخراج اطلاعات از فرمها، جستوجوی چندمرحلهای، تهیه پاسخ پیشنهادی و ارجاع به واحد مرتبط را انجام دهند. دستیار تحلیل اعتباری، دستیار حقوقی، دستیار مهندسی و دستیار تطبیق نمونههایی از عاملهای تخصصی قابل توسعه هستند.
راهکار ها و مشخصات
NAB CORE یک مدل منفرد نیست؛ پلتفرمی چندلایه است که زیرساخت و حاکمیت، موتور استنتاج، مدل زبانی، پایگاه دانش، RAG، ارکستراسیون فرایند و رابطهای کاربردی را در یک معماری یکپارچه قرار میدهد. مدل و ظرفیت سختافزاری هر استقرار بر اساس زبان، نوع کاربرد، حجم دانش، طول Context، تعداد کاربران همزمان و سرعت مورد انتظار انتخاب میشود.
مزایای محصول
NAB CORE مزایای هوش مصنوعی مولد را بدون چشمپوشی از محرمانگی، حاکمیت داده و کنترل زیرساخت در اختیار سازمان قرار میدهد. این پلتفرم علاوه بر کاهش زمان فعالیتهای دانشی، امکان توسعه کاربردهای متعدد، اندازهگیری کیفیت و مدیریت مرحلهای سرمایهگذاری در هوش مصنوعی را فراهم میکند.
۰۱
عملیاتی
تسریع دسترسی به دانش و خودکارسازی فعالیتهای دانشی
جستوجو، خلاصهسازی و تحلیل اسناد سریعتر انجام میشود و حجم فعالیتهای دستی و تکراری کاهش مییابد. کارکنان میتوانند در هر زمان به دانش مجاز دسترسی داشته باشند و پاسخهایی همراه با منبع دریافت کنند. این قابلیت وابستگی به افراد کلیدی، احتمال استفاده از نسخه قدیمی اسناد و زمان آموزش کارکنان جدید را کاهش میدهد.
۰2
اقتصادی
کاهش هزینه فعالیتهای تکراری و استفاده مجدد از زیرساخت و دانش موجود
صرفهجویی اقتصادی از کاهش زمان جستوجو، مطالعه و خلاصهسازی اسناد، حذف بخشی از فعالیتهای تکراری، کاهش دوبارهکاری و کاهش استفاده از سرویسهای خارجی ایجاد میشود. همچنین، توسعه چند کاربرد روی یک زیرساخت مشترک از ایجاد چتباتهای جزیرهای جلوگیری میکند. دوره بازگشت سرمایه باید برای هر سناریو بر اساس وضعیت پایه، ساعات صرفهجوییشده، هزینه اجرا و منافع قابلاندازهگیری محاسبه شود.
۰3
رقابتی
یک پلتفرم سازمانی کامل، فراتر از نصب یک مدل زبانی
تمایز NAB CORE در ترکیب مشاوره، طراحی معماری، انتخاب مدل، آمادهسازی دانش، یکپارچهسازی، امنیت و پیادهسازی است. سازمان به یک مدل یا فروشنده خاص وابسته نمیشود و میتواند مدل مناسب را بر اساس کاربرد، مجوز، زبان و زیرساخت انتخاب کند. طراحی راهکار برای محیطهای محرمانه و ایزوله، اتصال به دانش بهروز از طریق RAG و توسعه مرحلهای از دیگر مزیتهای آن است.
۰4
فنی
استقرار خصوصی، معماری ماژولار و کنترل کامل جریان داده
پلتفرم از استقرار On-Premise، Private Cloud و Air-Gapped، جستوجوی معنایی و RAG، کنترل دسترسی مبتنی بر نقش، API داخلی و ثبت رخداد پشتیبانی میکند. معماری ماژولار امکان انتخاب مدل متناسب با هر کاربرد، بهینهسازی مصرف منابع و توسعه تدریجی ظرفیت را فراهم میسازد.
فرآیند اجرا و استقرار
اجرای NAB CORE با یک پایلوت محدود، قابلاندازهگیری و دارای داده مناسب آغاز میشود. در ادامه، منابع دانش و معماری فنی آماده شده، پلتفرم در محیط سازمان مستقر و با معیارهای کیفیت، امنیت و ارزش کسبوکار ارزیابی میشود. پس از اثبات نتیجه، کاربران، منابع دانش و کاربردها بهصورت مرحلهای افزایش پیدا میکنند.
ارزیابی آمادگی و انتخاب کاربرد پایلوت
اهداف کسبوکار، وضعیت دادهها، زیرساخت، امنیت و بلوغ دیجیتال بررسی میشود. سپس یک کاربرد محدود و قابلاندازهگیری، مانند دستیار آییننامهها یا تحلیل قرارداد، انتخاب و محدوده پروژه، KPIها و معیارهای پذیرش مشخص میشود.
آمادهسازی دانش و طراحی معماری
منابع اطلاعاتی شناسایی و اسناد پاکسازی، نسخهبندی، طبقهبندی و برچسبگذاری میشوند. سطح محرمانگی و مجوز دسترسی تعیین شده و مدل، زیرساخت، موتور استنتاج، RAG، پایگاه برداری، احراز هویت و سیاستهای امنیتی طراحی میشوند.
استقرار، یکپارچهسازی و سفارشیسازی
پلتفرم در زیرساخت منتخب راهاندازی و به منابع دانش و سامانههای مجاز متصل میشود. سپس Promptها، تنظیمات RAG، عاملهای هوشمند، زبان، لحن، گردش کار و قواعد پاسخگویی متناسب با نیاز سازمان پیکربندی میشوند.
آزمون، بنچمارک و اعتبارسنجی پایلوت
کیفیت پاسخ، دقت استناد، سرعت، امنیت، کنترل دسترسی و رضایت کاربران منتخب ارزیابی میشود. نتایج با وضعیت پیش از استقرار مقایسه شده و بر اساس معیارهای پذیرش، درباره اصلاح، ادامه یا توسعه پایلوت تصمیمگیری میشود.
توسعه سازمانی و بهینهسازی مستمر
پس از موفقیت پایلوت، تعداد کاربران، منابع دانش، کاربردها و ظرفیت سختافزاری بهصورت کنترلشده افزایش مییابد. دانش سازمان بهروزرسانی، پاسخها ارزیابی، تغییرات مدل مدیریت و کاربران آموزش داده میشوند تا کیفیت و ارزش سامانه در طول زمان حفظ شود.
نمونه خروجی و بنچمارک
عملکرد NAB CORE با ادعاهای عمومی یا درصدهای ثابت ارزیابی نمیشود. کیفیت واقعی باید روی زبان، اسناد، کاربران و وظایف همان سازمان سنجیده شود. در پایلوت، یک مجموعه سؤال مرجع و سناریوهای واقعی تعریف میشود و کیفیت پاسخ، دقت بازیابی، سرعت، امنیت و اثر کسبوکار با وضعیت پایه مقایسه خواهد شد.
معماری پلتفرم
۵ لایه یکپارچه
بازه مدلهای اعلامشده
۱ تا ۵۵۰ میلیارد پارامتر
کاربران همزمان
۱ تا ۱۰۰
پرسشهای پرتکرار
در استقرار On-Premise یا Air-Gapped، مدل، اسناد، پایگاه داده، خروجیها و لاگها میتوانند کاملاً در زیرساخت تحت کنترل سازمان باقی بمانند. محل پردازش و ذخیرهسازی بر اساس معماری امنیتی پروژه تعیین میشود و ارتباط با منابع اطلاعاتی نیز فقط از طریق مسیرها و مجوزهای تعریفشده انجام خواهد شد.
بله. NAB CORE برای اجرای آفلاین و بدون وابستگی عملیاتی به اینترنت طراحی شده است. در محیطهای کاملاً ایزوله، مدل، موتور استنتاج، پایگاه دانش و رابطهای کاربردی در شبکه داخلی اجرا میشوند. بهروزرسانی مدل یا نرمافزار نیز میتواند از طریق فرایندی کنترلشده، بررسیشده و آفلاین انجام شود.
خیر. در بسیاری از کاربردها، استفاده از معماری RAG برای اتصال مدل به اسناد، سریعتر، کنترلپذیرتر و مناسبتر از آموزش مجدد مدل است. در این روش، هنگام طرح سؤال، بخشهای مرتبط از منابع مجاز بازیابی و در اختیار مدل قرار میگیرند. Fine-Tuning فقط زمانی انجام میشود که نیاز مشخصی مانند لحن، قالب خروجی یا رفتار تخصصی وجود داشته باشد.
انتخاب مدل و سختافزار به نوع کاربرد، زبان، حجم اسناد، طول Context، تعداد کاربران همزمان، سرعت هدف و سطح کوانتیزاسیون بستگی دارد. مدلهای کوچکتر ممکن است روی AI PC یا Workstation اجرا شوند و مدلهای بزرگتر به سرورهای مجهز به چند GPU نیاز داشته باشند. مدل نهایی باید از نظر مجوز استفاده، سازگاری سختافزاری، کیفیت و هزینه در مرحله طراحی و بنچمارک انتخاب شود.
بهترین مسیر، انتخاب یک پایلوت محدود با داده مناسب، کاربران مشخص و معیارهای قابلاندازهگیری است. پاسخهای مدل همیشه بدون خطا نیستند؛ بنابراین استفاده از RAG، نمایش منبع، محدودسازی دامنه، کنترل دسترسی، ارزیابی مستمر و تأیید انسانی در کاربردهای حساس ضروری است. پس از اثبات کیفیت، امنیت و ارزش اقتصادی، پلتفرم میتواند به سامانههای دیگر متصل شده و به واحدها و کاربردهای بیشتری توسعه پیدا کند.
