RAG, GraphRAG et systèmes de connaissances d’entreprise

Les systèmes de connaissances d'entreprise combinent la génération augmentée par récupération avec des métadonnées, des taxonomies, des ontologies et des graphiques de connaissances afin que les réponses puissent être fondées sur des informations autorisées et retracées jusqu'aux preuves.

Matchpoint se rapproche du AI en tant que capacité opérationnelle avec des propriétaires responsables, des portes de décision explicites, des critères d'acceptation mesurables, une architecture documentée et un chemin pratique de la découverte à la production.

Le travail de connaissance d'entreprise dépend souvent des relations entre les documents, les entités, les événements et les concepts. Nous concevons la récupération autour des questions auxquelles les utilisateurs doivent répondre, des preuves qu'ils doivent consulter, de leurs droits d'accès et de la structure du domaine sous-jacent.

L'architecture de l'information couvre l'autorité source, l'ingestion, le découpage, les métadonnées, les taxonomies, les ontologies, la résolution d'entités et les graphiques de connaissances. Le RAG de base, la récupération structurée et le GraphRAG sont évalués en fonction de la complexité des relations et des exigences en matière de preuves de chaque tâche plutôt que traités comme des modèles interchangeables.

L'évaluation sépare la récupération de la génération de réponses. Nous testons la couverture des sources, la pertinence, le classement, la traversée des relations, le fondement, l'exactitude des citations, la gestion des autorisations, la latence et le coût à l'aide d'un ensemble de questions tirées de travaux réels. Les traces de production alimentent un retard d’amélioration du contenu, de la récupération et de la conception des produits.