دانش سازمان شما نباید با خروج هر کارشناس از در بیرون برود

جستجوی کلیدواژه‌ای فقط واژه‌های یکسان را پیدا می‌کند؛ اگر کاربر «خرابی پمپ» بنویسد اما سند «نقص الکتروپمپ» نوشته باشد، نتیجه‌ای نمی‌گیرد. جستجوی معنایی GITA Knowledge پرسش را بُرداری می‌کند و بر اساس معنا نزدیک‌ترین قطعه‌های دانش را بازمی‌گرداند، حتی بدون واژه مشترک. این موتور با یکپارچگی مستقیم با GITA Vector Search کار می‌کند و جستجوی ترکیبی معنایی و کلیدواژه‌ای را برای بیشترین دقت ارائه می‌دهد.

بله، و این یک تمایز کلیدی است. سیاست‌های دسترسی RBAC/ABAC نه‌تنها روی مشاهده مستقیم اسناد، بلکه روی نتایج جستجوی معنایی و پاسخ‌های دستیار RAG نیز اعمال می‌شوند. کاربر هرگز در نتایج یا در پاسخ دستیار، محتوایی را نمی‌بیند یا استناد نمی‌گیرد که مجاز به دیدن آن نباشد. این تضمین می‌کند که اشتراک گسترده دانش، محرمانگی را به خطر نیندازد.

هر درس‌آموخته در قالبی ساختاریافته شامل زمینه، رویداد، علت ریشه‌ای، اقدام اصلاحی و توصیه ثبت می‌شود و به پروژه، دارایی و فرآیند مرتبط تگ می‌خورد. هنگامی که تیمی پروژه یا فعالیتی مشابه را آغاز می‌کند، موتور تطبیق درس‌آموخته‌های مرتبط را به‌صورت خودکار یادآوری می‌کند تا خطاهای گذشته پیش از وقوع شناسایی شوند.

بله. GITA Knowledge به‌صورت بومی با GITA DMS و GITA Vector Search یکپارچه است. اسناد رسمی از DMS مستقیماً نمایه و قابل جستجوی معنایی می‌شوند و بُرداری‌سازی و جستجوی مقیاس‌پذیر از Vector Search تأمین می‌گردد. کانکتورهای SharePoint، فایل‌سرور و ایمیل نیز موجودند.

دستیار با معماری بازیابی-تقویت‌شده (RAG) کار می‌کند؛ یعنی پیش از پاسخ، مرتبط‌ترین قطعه‌های دانش داخلی را بازیابی کرده و پاسخ را تنها بر پایه همان منابع می‌سازد. هر پاسخ با ارجاع به مدخل دانش منبع همراه است تا کاربر بتواند صحت آن را راستی‌آزمایی کند. دستیار هرگز فراتر از دانش موجود در سازمان پاسخ نمی‌سازد و کاملاً قابل استقرار On-Premise و Air-Gapped است.

GITA Knowledge برای این چالش، شبکه خبرگان و ثبت ساختاریافته تجربه را فراهم می‌کند. در فاز Discovery، افراد کلیدی در معرض ریسک خروج شناسایی می‌شوند و معماران ما کارگاه‌های مستندسازی دانش ضمنی برگزار می‌کنند. تجربه عملیاتی این افراد در قالب درس‌آموخته و مدخل‌های ویکی ثبت می‌شود و پروفایل تخصص آن‌ها برای جانشین‌پروری در سامانه باقی می‌ماند.

بله. موتور جستجوی معنایی و نمایه‌سازی به‌صورت دو‌زبانه طراحی شده و می‌تواند پرسش فارسی را روی محتوای انگلیسی و بالعکس بازیابی کند. پردازش متن فارسی شامل نرمال‌سازی، ریشه‌یابی و مدیریت نیم‌فاصله است. استخراج متن از اسناد فارسی PDF و تصویری نیز با موتور OCR انجام می‌شود.

بله. GITA Knowledge به‌صورت کامل On-Premise و حتی Air-Gapped قابل استقرار است. تمام اجزا — بانک دانش، موتور برداری و دستیار RAG — روی زیرساخت خود سازمان اجرا می‌شوند و هیچ داده‌ای از مرز سازمان خارج نمی‌شود. این برای سازمان‌های دولتی، نظامی و صنایع حساس که محرمانگی دانش حیاتی است، ضروری است.

ابزار جذب ما محتوای موجود را از Confluence، SharePoint، فایل‌سرور و درایوهای مشترک می‌خواند، متن را استخراج (شامل OCR برای اسناد تصویری) و قطعه‌بندی کرده و در پایگاه برداری نمایه می‌کند. ساختار پوشه‌ای به تاکسونومی اولیه نگاشت می‌شود و موتور برچسب‌گذاری خودکار، تگ‌های پیشنهادی ارائه می‌دهد. در تجربه ما، یک سازمان با چند صد هزار سند در چند هفته به جستجوپذیری کامل می‌رسد.

هر مدخل دانش یک چرخه عمر و تاریخ بازبینی دارد. سامانه پیش از تاریخ انقضا به مالک محتوا هشدار می‌دهد و محتوای بازبینی‌نشده را به‌صورت خودکار «نیازمند بازبینی» علامت می‌زند تا کاربران به دانش منسوخ اعتماد نکنند. گردش تأیید چندمرحله‌ای برای محتوای رسمی، و داشبورد سلامت دانش برای پایش محتوای رو به منسوخ‌شدن، این چرخه را تضمین می‌کنند.