Budowa firmowej bazy wiedzy AI (RAG): od dokumentów do wdrożonego asystenta
32 h (4 dni) · stacjonarna/zdalna · 3 800,00 zł/os. przed dofinansowaniem · szkolenie zgodne ze standardem BUR — kartę usługi rejestrujemy przy starcie grupy
O szkoleniu
Wiedza w firmie rozproszona jest po dziesiątkach folderów, plikach PDF, instrukcjach, mailach i wewnętrznych wiki — a mimo to pracownicy i tak pytają kolegów albo szukają informacji po omacku, tracąc godziny tygodniowo. Klasyczne wyszukiwarki firmowe nie radzą sobie z pytaniami zadanymi językiem naturalnym, a wdrożenie ogólnego chatbota AI bez dostępu do wewnętrznych dokumentów kończy się odpowiedziami zmyślonymi lub nieaktualnymi.
Szkolenie uczy budowy systemu RAG (Retrieval-Augmented Generation) — architektury łączącej firmową bazę dokumentów z modelem językowym, dzięki której odpowiedzi w dużej mierze opierają się na realnych, aktualnych danych organizacji, a nie wyłącznie na ogólnej wiedzy modelu. Uczestnik nauczy się przygotowywać dokumenty do przetwarzania przez AI, dobierać i konfigurować bazy wektorowe oraz modele embeddingowe, budować pipeline wyszukiwania semantycznego, wdrażać bota wiedzy w wybranym kanale (Slack, Teams, intranet, strona WWW), a także oceniać jakość jego odpowiedzi i wykrywać halucynacje. Program obejmuje również utrzymanie systemu w czasie: aktualizację treści, kontrolę dostępu i zgodność z wymogami ochrony danych.
Zajęcia mają charakter warsztatowy — od pierwszego dnia uczestnicy pracują na własnych dokumentach firmowych (np. procedurach, instrukcjach, FAQ), a szkolenie kończy się działającym prototypem bota wiedzy gotowym do dalszego rozwoju we własnej organizacji. Każdy moduł łączy krótkie wprowadzenie merytoryczne z ćwiczeniami praktycznymi w małych grupach, pod okiem trenera-praktyka wdrażającego podobne rozwiązania komercyjnie.
Program
Dzień 1 8 h: Fundamenty RAG i przygotowanie danych
- Moduł 1: Architektura RAG — jak działa retrieval-augmented generation, różnice względem fine-tuningu i prostego prompt engineeringu 2 h E1
- Moduł 2: Audyt i klasyfikacja firmowych zasobów wiedzy — dokumenty, bazy danych, intranet, korespondencja 2 h E1
- Moduł 3: Przygotowanie dokumentów do RAG — czyszczenie tekstu, OCR, konwersja formatów PDF/Word/HTML 2 h E2
- Moduł 4: Chunking i strukturyzacja treści — strategie podziału tekstu, metadane, tagowanie dokumentów 2 h E2
Dzień 2 8 h: Narzędzia RAG — embeddingi, bazy wektorowe, wyszukiwanie
- Moduł 5: Modele embeddingowe — wybór, porównanie i testowanie na dokumentach uczestników 2 h E3
- Moduł 6: Bazy wektorowe (np. Pinecone, Weaviate, Qdrant, Chroma) — konfiguracja i indeksowanie danych 2 h E3
- Moduł 7: Wyszukiwanie semantyczne i hybrydowe (semantic + keyword search), strojenie parametrów wyszukiwania (retrieval) 2 h E3, E4
- Moduł 8: Warsztat — budowa pierwszego pipeline'u RAG na dokumentach uczestników 2 h E4
Dzień 3 8 h: Wdrożenie bota wiedzy
- Moduł 9: Integracja modelu językowego (LLM) z warstwą wyszukiwania (retrieval) — projektowanie promptów dla RAG, zarządzanie kontekstem 2 h E4
- Moduł 10: Budowa bota wiedzy — interfejs czatu, integracja z kanałem komunikacji (Slack/Teams/WWW) 2 h E5
- Moduł 11: Testowanie i ocena jakości odpowiedzi — metryki trafności, wykrywanie halucynacji, pętla feedbacku 2 h E6
- Moduł 12: Warsztat — wdrożenie i uruchomienie bota wiedzy na dokumentach uczestników 2 h E5, E6
Dzień 4 8 h: Utrzymanie, bezpieczeństwo i wdrożenie produkcyjne
- Moduł 13: Utrzymanie bazy wiedzy — aktualizacja treści, reindeksacja, wersjonowanie dokumentów 2 h E7
- Moduł 14: Bezpieczeństwo i zgodność — ochrona danych poufnych, RODO, kontrola dostępu, ślad audytowy 2 h E8
- Moduł 15: Koszty i skalowanie — monitoring zużycia, optymalizacja kosztów API i infrastruktury 2 h E7, E8
- Moduł 16: Warsztat końcowy — prezentacja wdrożonych rozwiązań, plan wdrożenia w organizacji, test zaliczeniowy 2 h E1–E8
Dla kogo
Specjaliści IT i administratorzy systemów, analitycy oraz inżynierowie danych, automatycy procesów pracujący z narzędziami no-code/low-code, a także menedżerowie ds. digitalizacji, wiedzy i dokumentacji odpowiedzialni za wdrożenie i utrzymanie wewnętrznych systemów opartych na AI. Szkolenie adresowane jest do średnich i dużych firm oraz instytucji dysponujących rozbudowanymi, uporządkowanymi zasobami dokumentów (procedury, instrukcje, bazy wiedzy), które planują samodzielnie zbudować i utrzymywać firmowego asystenta AI opartego na własnych danych.
Efekty uczenia się (standard BUR)
- Analizuje i klasyfikuje firmowe zasoby dokumentowe (procedury, instrukcje, maile, bazy danych) pod kątem przydatności, jakości i poufności danych do wykorzystania w systemie RAG.
- Przygotowuje dokumenty firmowe do przetwarzania przez AI, stosując czyszczenie tekstu, konwersję formatów, chunking oraz strukturyzację metadanych.
- Dobiera i konfiguruje narzędzia RAG (model embeddingowy, baza wektorowa, model językowy) odpowiednio do skali, budżetu i wymagań bezpieczeństwa organizacji.
- Buduje pipeline RAG łączący indeksowanie dokumentów, wyszukiwanie semantyczne/hybrydowe oraz generowanie odpowiedzi przez model językowy w oparciu o dokumenty firmowe.
- Wdraża bota wiedzy zintegrowanego z firmową bazą dokumentów w wybranym kanale komunikacji (np. Slack, Teams, intranet, strona WWW).
- Ocenia jakość odpowiedzi systemu RAG, stosując metryki trafności i kompletności oraz procedury wykrywania halucynacji modelu.
- Projektuje procedurę utrzymania bazy wiedzy obejmującą aktualizację treści, reindeksację, wersjonowanie dokumentów i kontrolę dostępu.
- Opracowuje politykę bezpieczeństwa i zgodności dla firmowego systemu RAG, w tym ochronę danych poufnych, uprawnienia użytkowników i ślad audytowy.
Walidacja: Test teoretyczny (zakres: architektura RAG, dobór narzędzi, bezpieczeństwo danych) oraz zadanie praktyczne polegające na wdrożeniu działającego bota wiedzy na przygotowanym zestawie dokumentów. Próg zaliczenia: 75% z obu części łącznie.