AI integrācija — RAG risinājums uz uzņēmuma dokumentiem: ko tas var un ko nevar

RAG var at­rast uz­ņē­mu­ma do­ku­men­tu frag­men­tus un sa­ga­ta­vot ar avo­tiem sa­is­tī­tas at­bil­des, taču tas nav mo­de­ļa ap­mā­cī­ba, pa­tie­sī­bas ma­šī­na vai pie­kļu­ves kon­tro­les aiz­stā­jējs.

Pirmdienas rītā per­so­nā­la va­dī­tā­ja jau­tā iek­šē­jam asis­ten­tam, cik ilgi gla­bā­ja­mi kan­di­dā­tu dati, un sa­ņem pār­lie­ci­no­šu at­bil­di ar sa­iti uz uz­ņē­mu­ma po­li­ti­ku; vien­ī­gā prob­lē­ma — at­ras­tā re­dak­ci­ja zau­dē­ja spē­ku pirms as­to­ņiem mē­neš­iem. Šāds RAG ri­si­nā­jums uz uz­ņē­mu­ma do­ku­men­tiem teh­nis­ki var būt iz­da­rī­jis visu, ko tam lū­dza: at­ra­dis se­man­tis­ki lī­dzī­gu frag­men­tu, ie­li­cis to mo­de­ļa kon­tek­stā un uz­rak­stī­jis glu­du at­bil­di; tas to­mēr nav pār­bau­dī­jis, vai fails ir jau­nā­kā ap­stip­ri­nā­tā ver­si­ja, ja ver­si­jas sta­tuss in­dek­sā nav ti­ca­mi no­rā­dīts.

RAG sa­īsi­nā­jums ap­zī­mē ret­rie­val-augmen­ted ge­ne­ra­tion jeb ģe­ne­rē­ša­nu, ku­rai at­bil­des brī­dī pie­vie­no iz­gū­tu ārē­ju kon­tek­stu; tā nav uz­ņē­mu­ma do­ku­men­tu ie­mā­cī­ša­na mo­de­ļa sva­ros un nav at­se­višķs “gud­rī­bas slā­nis”, kas au­to­mā­tis­ki zina, kurš do­ku­ments ir pa­tiess; drī­zāk tā ir bib­lio­tē­ka ar ļoti ātru bib­lio­te­kā­ru un ta­lan­tī­gu re­dak­to­ru, kur bib­lio­te­kārs var at­nest ne­pa­rei­zo sē­ju­mu, bet re­dak­tors tik un tā uz­rak­stīs pār­lie­ci­no­šu rin­dko­pu. Sākotnējais RAG darbs tie­ši no­šķir mo­de­ļa pa­ra­met­ris­ko at­mi­ņu no ārē­ji iz­gū­ta, ne­pa­ra­met­ris­ka avo­ta.

Praktiskais ie­gu­vums ir bū­tisks, ja ro­be­žas ir go­dī­gi no­sauk­tas: sis­tē­ma var sa­mek­lēt at­bil­sto­šus frag­men­tus pār­val­dī­tā do­ku­men­tu kopā, sa­likt tos jau­tā­ju­mam pie­mē­ro­tā kon­tek­stā un sa­ga­ta­vot mel­nrak­stu ar pār­bau­dā­mu no­rā­di uz avo­tu. Atbildības ro­be­žai jā­būt re­dza­mai arī lie­to­tā­jam: in­ter­feiss ne­drīkst ra­dīt ie­spai­du, ka avo­ta esa­mī­ba ir ju­ri­disks ap­stip­ri­nā­jums, bet kļū­du un ne­skaid­rī­bu zi­ņo­ša­nai jā­būt tik­pat vien­kār­šai kā jau­tā­ju­ma uz­do­ša­nai. Tā ne­var sa­la­bot ne­kva­li­ta­tī­vu do­ku­men­tā­ci­ju, ga­ran­tēt fak­tis­ku pa­rei­zī­bu, pati ie­viest pie­kļu­ves tie­sī­bas vai aiz­stāt de­ter­mi­nē­tu darbplūs­mu un cil­vē­ka ap­stip­ri­nā­ju­mu ga­dī­ju­mos, ku­ros kļū­da rada ju­ri­dis­ku, fi­nan­siā­lu, dro­šī­bas vai cil­vē­ku tie­sī­bu ris­ku; šī ro­be­ža no­sa­ka gan ar­hi­tek­tū­ru, gan to, ko jēgpil­ni mē­rīt pi­lo­tā.

Kāpēc veca politika var tikt izgūta kā pašreizējā

Vecās po­li­ti­kas in­ci­dents sā­kas ne­vis va­lo­das mo­de­lī, bet do­ku­men­tu pār­val­dī­bā: kop­lie­to­ta­jā dis­kā at­ro­das “Personas_dati_final.docx”, “Personas_dati_final2.docx” un ap­stip­ri­nāts PDF, bet ne­vie­nam fai­lam nav vien­o­tas spē­kā stā­ša­nās die­nas, sta­tu­sa vai aiz­stā­tās ver­si­jas iden­ti­fi­ka­to­ra. Indekss redz trīs sa­tu­ris­ki lī­dzī­gus kan­di­dā­tus, un se­man­tis­kā mek­lē­ša­na var augstu no­vēr­tēt veco do­ku­men­tu, jo tā for­mu­lē­jums pre­cī­zāk sa­krīt ar jau­tā­ju­mu. Modelis ne­redz or­ga­ni­zā­ci­jas sa­pul­ces lē­mu­mu, ja šis lē­mums nav da­tos, un fai­la no­sau­kums “fi­nal” nav pār­val­dī­bas me­hā­nisms.

Sekas ir vil­tī­gas, jo at­bil­de var iz­ska­tī­ties la­bā­ka par pa­ras­tu mek­lē­ša­nas re­zul­tā­tu: tā ir īsa, gra­ma­tis­ki pa­rei­za, at­sau­cas uz īstu do­ku­men­tu un tā­dēļ rada sa­jū­tu, ka pār­bau­de jau veik­ta. Avota sa­ite pie­rā­da ti­kai to, ka kon­krēts fails ir pa­rā­dīts vai pie­sais­tīts at­bil­dei; tā vēl ne­pie­rā­da, ka katrs ap­gal­vo­jums iz­riet no ci­tē­tā frag­men­ta, ka frag­ments nav iz­rauts no iz­ņē­mu­ma sa­da­ļas vai ka do­ku­men­tam ir tie­sī­bas būt au­to­ri­ta­tī­vam; NIST GenAI pro­fils šādu uz­ti­ca­mu iz­ska­tu ne­uz­ska­ta par pie­tie­ka­mu ris­ka kon­tro­li un uz­sver pār­val­dī­bu visā sis­tē­mas dzī­ves cik­lā.

Labojums ir pub­li­cē­ša­nas sta­tuss, ver­si­ju ķēde un prio­ri­tā­tes no­tei­ku­mi, ne­vis ga­rā­ka uz­vedne: in­dek­sā kat­ram do­ku­men­tam va­ja­dzīgs īpaš­nieks, spē­kā stā­ša­nās un bei­gu da­tums, sta­tuss, aiz­stā­tais do­ku­ments, no­da­ļa, kon­fi­den­cia­li­tā­tes kla­se un pār­ska­tī­ša­nas ter­miņš; iz­gū­ša­nas fil­tram pēc no­klu­sē­ju­ma jā­iz­slēdz mel­nrak­sti un zau­dē­ju­šas spē­ku re­dak­ci­jas; ja avo­ti kon­flik­tē, sis­tē­mai jā­rā­da kon­flikts un jā­at­tu­ras no vien­as dro­šas at­bil­des tē­lo­ša­nas, bet at­bil­dī­ga­jam īpaš­nie­kam jā­sa­ņem uz­de­vums do­ku­men­tu kopu sa­kār­tot. RAG var iz­gais­mot hao­su, taču tas ne­var hao­su pār­vērst po­li­ti­kā.

Atbildes in­ter­fei­sam šādā si­tuā­ci­jā jā­pa­rā­da ne ti­kai do­ku­men­ta no­sau­kums, bet arī re­dak­ci­ja, spē­kā esa­mī­bas sta­tuss, frag­ments un brī­di­nā­jums par kon­flik­tu; žur­nā­lā jā­sag­la­bā, kuri kan­di­dā­ti tika at­ras­ti un kā­pēc viens iz­vē­lēts, lai kļū­du va­rē­tu at­kār­tot pēc in­dek­sa mai­ņas. Ja sis­tē­ma vē­lāk sāk dot citu at­bil­di, ko­man­dai jā­spēj no­teikt, vai mai­nī­jās do­ku­ments, frag­men­tē­ša­na, mek­lē­ša­nas kon­fi­gu­rā­ci­ja vai mo­de­lis; bez šā­das iz­se­ko­ja­mī­bas kva­li­tā­tes in­ci­dents pār­vēr­šas mi­nē­ju­mā par “AI uz­ve­dī­bu”, ne­vis la­bo­ja­mā sis­tē­mas de­fek­tā.

Kā darbojas RAG risinājums uz uzņēmuma dokumentiem?

RAG cau­ruļ­vads sā­kas ar datu uz­ņem­ša­nu, ne­vis ar tēr­zē­ša­nas logu: fai­li tiek pa­ņem­ti no no­teik­tām krā­tu­vēm, iz­vilkts teksts, ta­bu­las un pie­eja­mā struk­tū­ra, bet ske­nē­tiem do­ku­men­tiem va­ja­dzī­ga op­tis­kā rakstzīm­ju at­pa­zī­ša­na jeb OCR; tā­lāk sa­turs tiek sa­da­līts jēgpil­nos frag­men­tos, kat­ram sa­gla­bā­jot sa­iti uz do­ku­men­tu, lapu, sa­da­ļu un pār­val­dī­bas me­ta­da­tiem. Microsoft vadlī­ni­jas frag­men­tē­ša­nu ap­rak­sta kā iz­vē­li, kas ie­tek­mē mek­lē­ša­nas liet­de­rī­bu: pā­r­āk mazs frag­ments pa­zau­dē domu, pā­r­āk liels at­nes daudz trok­šņa, bet akla da­lī­ša­na no­teik­tā zīm­ju skai­tā var pār­griezt ta­bu­lu vai iz­ņē­mu­ma no­sa­cī­ju­mu.

Indeksēšanas pos­mā frag­men­tiem iz­vei­do mek­lē­ša­nai pie­mē­ro­tu at­tē­lo­ju­mu, pa­ras­ti ap­vie­no­jot at­slēg­vār­du mek­lē­ša­nu ar se­man­tis­ku sa­lī­dzi­nā­ju­mu pēc skait­lis­kiem vek­to­riem; kad lie­to­tājs uz­dod jau­tā­ju­mu, sis­tē­ma to var pār­vei­dot vai­rā­kos mek­lē­ša­nas vai­cā­ju­mos, pie­mē­rot no­da­ļas, da­tu­ma un pie­kļu­ves filtrus, iz­gūt kan­di­dā­tus un tos pār­rin­dot; ti­kai tad at­la­sī­tie frag­men­ti no­nāk mo­de­ļa kon­tek­sta logā kopā ar uz­de­vu­mu: at­bil­dēt no pie­eja­ma­jiem pie­rā­dī­ju­miem, no­rā­dīt avo­tus un pa­teikt, ja pie­rā­dī­ju­mu ne­pie­tiek. Šajā brī­dī ne­kas ne­tiek “ie­mā­cīts uz vi­s­iem lai­kiem”; kon­teksts at­tie­cas uz kon­krē­to pie­pra­sī­ju­mu.

Pēdējais posms ir ģe­ne­rē­ša­na, kur ie­priekš ap­mā­cīts va­lo­das mo­de­lis pār­vērš frag­men­tus sa­pro­ta­mā at­bil­dē, tā­dēļ tas var arī pār­frā­zēt ne­veik­li, sa­vie­not ne­sa­vie­no­ja­mus avo­tus vai pie­vie­not ti­ca­mu de­ta­ļu no sa­vām vis­pā­rī­ga­jām zi­nā­ša­nām; re­zul­tā­tam jā­sag­la­bā frag­men­ta un ap­gal­vo­ju­ma sa­ite, ne ti­kai de­ko­ra­tīvs avo­tu sa­raksts at­bil­des bei­gās; ja jau­tā­jums pra­sa dar­bī­bu — pie­mē­ram, mai­nīt cenu CRM — mo­de­lim ne­va­jag dot brī­vu iz­pil­di: struk­tu­rē­tu rīka pie­pra­sī­ju­mu pār­bau­da lie­to­jum­prog­ram­mas kods, tie­sī­bas un ap­stip­ri­nā­ša­nas so­lis. Izgūšana pa­līdz at­rast pa­ma­to­ju­mu; tā nav at­ļau­ja rī­ko­ties.

Praksē labi dar­bo­jas hib­rī­da iz­gū­ša­na, kur pre­cīzs pro­duk­ta kods vai po­li­ti­kas nu­murs tiek mek­lēts kā at­slēg­vārds, bet jau­tā­ju­ma no­zī­me — se­man­tis­ki; pēc tam pār­rin­do­ša­na iz­vē­las frag­men­tus, kas vis­la­bāk at­bild uz visu jau­tā­ju­mu. Šī se­cī­ba jā­pār­bau­da ar īs­tiem sa­īsi­nā­ju­miem, kļū­dai­ni uz­rak­stī­tiem ko­diem, lo­cī­ju­miem un daudzva­lo­du do­ku­men­tiem, jo de­mons­trā­ci­jas jau­tā­jums pa­ras­ti ir pā­r­āk tīrs. Ja va­ja­dzī­gais frag­ments kan­di­dā­tos ne­pa­rā­dās, ģe­ne­rē­jo­šais mo­de­lis to ne­var at­gūt ar daiļ­ru­nī­bu, tā­pēc mek­lē­ša­nas kļū­da jā­la­bo pirms uz­vednes pār­frā­zē­ša­nas.

Kuriem dokumentu lietojumiem RAG ir piemērots

Vislabākie kan­di­dā­ti ir jau­tā­ju­mi, kuru at­bil­de jau dzī­vo dau­dzos pār­val­dī­tos do­ku­men­tos, bet cil­vē­kam tās at­ra­ša­na pra­sa pā­r­āk ilgu mek­lē­ša­nu: iek­šē­jās pro­ce­dū­ras, pro­duk­tu ro­kas­grā­ma­tas, teh­nis­kās ins­truk­ci­jas, kva­li­tā­tes do­ku­men­tā­ci­ja, lī­gu­mu veidņu skaid­ro­ju­mi un klien­tu at­bal­sta zi­nā­ša­nu bāze. Šeit RAG uz­de­vums nav iz­gud­rot jau­nu lē­mu­mu, bet at­rast at­tie­cī­go no­da­ļu, ap­vie­not da­žus sav­star­pē­ji sa­de­rī­gus frag­men­tus un sa­ga­ta­vot mel­nrak­stu. Labs jau­tā­jums ir “kurā ins­truk­ci­jā ap­rak­stī­ta šī kļū­da un kādi pār­bau­des soļi tajā no­rā­dī­ti?”, ne­vis “kā uz­ņē­mu­mam rī­ko­ties jeb­ku­rā ār­kār­tas si­tuā­ci­jā?”. Noderīgs ir arī do­ku­men­tu iz­pē­tes slā­nis pirms cil­vē­ka dar­ba: pro­jek­tu va­dī­tājs var at­rast lī­gu­mos pie­gā­des no­sa­cī­ju­mus, ie­pir­ku­mu spe­ciā­lists — pra­sī­bu pie­mi­nē­ju­mus, bet ser­vi­sa dar­bi­nieks — ag­rā­kus ri­si­nā­ju­mus lī­dzī­gai ie­kār­tai. Atbildei šā­dos ga­dī­ju­mos jā­at­ver avo­ta vie­ta, lai lie­to­tājs va­rē­tu pār­bau­dīt kon­tek­stu, un sis­tē­mai jā­sag­la­bā vai­cā­ju­ma, at­ras­to frag­men­tu un iz­man­to­tās ver­si­jas žur­nāls. Tas pa­da­ra RAG par na­vi­gā­ci­jas un mel­nrak­sta rīku, ne­vis ano­nī­mu sprie­du­mu iz­de­vē­ju, ku­ram vē­lāk ne­var at­jau­not lē­mu­ma ceļu.

Slikti kan­di­dā­ti ir uz­de­vu­mi, ku­ros nav sta­bi­la do­ku­men­tā­la pa­ma­ta, ne­pie­cie­ša­ma pre­cī­za arit­mē­ti­ka vai no­tei­ku­mu iz­pil­de, vai arī viena kļū­da au­to­mā­tis­ki rada ne­at­grie­ze­nis­ku dar­bī­bu. Algas ap­rē­ķi­nu, pie­kļu­ves pie­šķir­ša­nu, mak­sā­ju­ma iz­pil­di un ju­ri­dis­ka ter­mi­ņa kon­tro­li no­sa­ka kods un pār­bau­dā­mi biz­ne­sa no­tei­ku­mi; RAG var sa­mek­lēt pro­ce­dū­ras skaid­ro­ju­mu, bet ne­var aiz­stāt ap­rē­ķi­na dzi­nē­ju vai pil­nva­ro­ju­ma ķēdi. Ja īs­tais mēr­ķis ir sa­vie­not sis­tē­mas un pa­re­dza­mi pār­vie­tot da­tus, jā­vēr­tē biz­ne­sa pro­ce­su au­to­ma­ti­zā­ci­ja, ne­vis ģe­ne­ra­tī­va at­bil­de jā­pa­da­ra par pro­ce­sa cen­trā­lo slē­dzi.

Piemērotību no­sa­ka arī at­bil­dī­bas īpaš­nieks: kat­rai do­ku­men­tu ko­pai va­jag cil­vē­ku, kurš ap­stip­ri­na avo­tus, ri­si­na kon­flik­tus un pie­ņem lē­mu­mu par iz­ņem­ša­nu no in­dek­sa, bet kat­ram lie­to­ju­mam — ko­man­du, kura pār­ska­ta kļū­das un mai­na tes­tu kopu; ja ne­viens ne­uz­ņe­mas šo dar­bu, pi­lots pēc da­žiem mē­neš­iem kļūst par vecu do­ku­men­tu spo­gu­li, lai gan pats mo­de­lis nav mai­nī­jies; teh­nis­ki vien­kāršs, bet pār­val­dīts at­bal­sta ceļ­ve­dis tā­dēļ ir la­bāks pir­mais pro­jekts nekā visa uz­ņē­mu­ma dis­ka pie­slēg­ša­na vienā va­ka­rā.

Ko RAG var izdarīt uzņēmuma dokumentu ikdienā

RAG var sa­ma­zi­nāt lai­ku, ko dar­bi­nieks pa­va­da, mi­not pa­rei­zo mapi un at­slēg­vār­dus, jo se­man­tis­ka mek­lē­ša­na spēj at­rast frag­men­tu arī tad, ja jau­tā­ju­ma vār­di ne­sak­rīt ar do­ku­men­ta ter­mi­no­lo­ģi­ju. Tas var at­bil­dē ap­vie­not vai­rā­kus sa­de­rī­gus avo­tus, pa­skaid­rot sa­rež­ģī­tu ins­truk­ci­ju vien­kār­šā­kā va­lo­dā, sa­ga­ta­vot e-pa­sta vai at­skai­tes mel­nrak­stu un pa­rā­dīt, no ku­rām la­pām katrs bū­tis­kais ap­gal­vo­jums nā­cis. OpenAI fai­lu mek­lē­ša­na un Microsoft mek­lē­ša­nas ar­hi­tek­tū­ra ir kon­krē­ti rīku pie­mē­ri, taču pro­duk­ta iz­vē­le ne­at­ceļ va­ja­dzī­bu de­fi­nēt savu do­ku­men­tu sta­tu­su, filtrus un kva­li­tā­tes pār­bau­des. Sistēma var arī at­klāt do­ku­men­tā­ci­jas prob­lē­mas, ku­ras pa­ras­ta map­ju pār­lū­ko­ša­na slēpj: vien­am jau­tā­ju­mam tiek at­ras­tas di­vas pret­ru­nī­gas ins­truk­ci­jas, bie­ži jau­tā­ju­mi pa­liek bez avo­ta, vai viena no­da­ļa do­mi­nē re­zul­tā­tos, jo tās fai­li ir la­bāk struk­tu­rē­ti. Šie ga­dī­ju­mi ir vēr­tī­gi ti­kai tad, ja tos ne­pas­lēpj aiz vien­as glu­das at­bil­des; ne­at­rasts avots un kon­flikts jā­pār­vērš iz­mē­rā­mā no­ti­ku­mā, ko redz do­ku­men­ta īpaš­nieks. Tad RAG kva­li­tā­tes žur­nāls kļūst arī par zi­nā­ša­nu pār­val­dī­bas dar­ba sa­rak­stu, ne­vis ti­kai par mo­de­ļa veikt­spē­jas gra­fi­ku.

Vēl viena reā­la ie­spē­ja ir lomu un kon­tek­sta pie­lā­go­ša­na: teh­ni­ķis sa­ņem de­ta­li­zē­tu ins­truk­ci­ju ar ko­diem, bet klien­tu kon­sul­tants — īsā­ku skaid­ro­ju­mu, ja abiem ir tie­sī­bas re­dzēt tos pa­šus avo­tus. Atšķiras pre­zen­tā­ci­ja, ne­vis pa­tie­sī­ba, un kat­rai lo­mai jā­sag­la­bā vien­āds avo­ta sta­tuss un aiz­lie­gums iz­do­māt trūk­sto­šo. Mūsu AI ri­si­nā­ju­mu iz­strā­des darbs sā­kas ar šāda lie­to­ju­ma un ris­ka ro­be­žu, ne­vis ar mo­de­ļa de­mons­trā­ci­ju, jo labs pro­to­tips pie­rā­da kon­krē­tu dar­ba ie­gu­vu­mu uz Jūsu do­ku­men­tiem un vien­lai­kus pa­rā­da, ku­ros jau­tā­ju­mos sis­tē­mai jā­sa­ka “ne­zi­nu”.

Ikdienas dar­bā lie­lā­kais ie­gu­vums ro­das tad, ja cil­vēks redz, ko sis­tē­ma pa­vei­ku­si viņa vie­tā un kas vēl jā­pār­bau­da. Atbildes mel­nrak­stā var iz­celt ap­gal­vo­ju­mus ar ne­pil­nī­gu pa­ma­to­ju­mu, pie­dā­vāt sa­is­tī­tos do­ku­men­tus un ļaut ar vienu dar­bī­bu zi­ņot par ne­pa­rei­zu ver­si­ju; šāda at­grie­ze­nis­kā sa­ite ir vēr­tī­gā­ka par vien­kār­šu īk­šķa iko­nu. Labojums jā­pie­sais­ta jau­tā­ju­mam, frag­men­tam un kļū­das vei­dam, lai ko­man­da va­rē­tu at­šķirt ne­at­ras­tu avo­tu no ne­veik­las va­lo­das vai ne­pa­rei­za biz­ne­sa no­tei­ku­ma un iz­vē­lē­ties at­bil­sto­šu la­bo­ju­mu.

Ko RAG nevar izdarīt, lai cik pārliecinoša būtu atbilde

RAG ne­var ga­ran­tēt pa­tie­su­mu, jo kļū­da var ras­ties pirms ģe­ne­rē­ša­nas, tās lai­kā vai pēc tās: avo­tā var būt ne­pa­reizs fakts, iz­gū­ša­na var iz­vē­lē­ties ne­at­bil­sto­šu frag­men­tu, kon­teksts var pa­zau­dēt iz­ņē­mu­mu, bet mo­de­lis var ne­pa­rei­zi sa­vie­not pa­rei­zas rin­dko­pas. Citāts sa­ma­zi­na ak­las uz­ti­cē­ša­nās ris­ku ti­kai tad, ja lie­to­tājs var at­vērt pre­cī­zu vie­tu un pār­bau­dīt, vai ap­gal­vo­jums tie­šām no tās iz­riet, bet sa­ite uz īstu PDF nav kva­li­tā­tes zī­mogs, tā­pat kā bib­liog­rā­fi­ja kļū­dai­nā at­skai­tē pati ne­pa­da­ra se­ci­nā­ju­mu pa­rei­zu.

Tas ne­var pats ie­viest pie­kļu­ves kon­tro­li: ja mek­lē­ša­nas slā­nis pirms iz­gū­ša­nas ne­fil­trē do­ku­men­tus pēc pār­bau­dī­tas lie­to­tā­ja iden­ti­tā­tes un do­ku­men­ta at­ļau­jām, mo­de­lim var no­nākt frag­ments, kuru lie­to­tājs ne­drīkst re­dzēt, un vē­lāk uz­vednē ie­rak­stīts “ne­at­klāj sle­pe­nu in­for­mā­ci­ju” šo ar­hi­tek­tū­ras kļū­du ne­iz­la­bo. Microsoft do­ku­men­tu lī­me­ņa pie­kļu­ves vadlī­ni­jas pa­redz at­ļau­ju da­tus un dro­šī­bas filtrus pašā mek­lē­ša­nas ceļā; lie­to­tā­ja sa­skar­nes pa­slēp­ta poga nav aiz­sar­dzī­ba, ja vai­cā­ju­mu var iz­saukt ci­tā­di.

RAG arī ne­pa­da­ra ne­uz­ti­ca­mu sa­tu­ru dro­šu: do­ku­men­tā, tī­mek­ļa lapā vai e-pa­stā var būt ins­truk­ci­ja, kas mē­ģi­na pār­rak­stīt sis­tē­mas uz­ve­dī­bu — promptu in­jek­ci­ja — un OWASP to iz­ceļ kā at­se­viš­ķu ris­ku, kuru pil­nī­bā ne­at­ri­si­na vien­kāršs aiz­lie­gums sis­tē­mas uz­vednē; tā­pēc ārējs sa­turs jā­uz­tver kā dati, ne­vis ko­man­das, rīku iz­sau­ku­miem jā­būt šau­ri at­ļau­tiem un va­li­dē­tiem, bet augsta ris­ka dar­bī­bai jā­pa­liek de­ter­mi­nē­tam no­tei­ku­mam un cil­vē­ka ap­stip­ri­nā­ju­mam. Modelis drīkst ie­ro­si­nāt; pil­nva­ras pie­šķir sis­tē­ma.

Robežu sa­rak­stā jā­ie­k­ļauj arī pie­eja­mī­ba un dar­bī­bas ne­pār­trauk­tī­ba: ja mek­lē­ša­nas in­dekss nav sa­snie­dzams, dro­ša sis­tē­ma ne­iz­lie­kas, ka tai jop­ro­jām ir uz­ņē­mu­ma avo­ti, bet skaid­ri pār­slē­dzas uz kļū­das stā­vok­li vai ie­ro­be­žo­tu re­žī­mu; pre­tē­jā ga­dī­ju­mā lie­to­tājs ne­var at­šķirt avo­tos bal­stī­tu at­bil­di no mo­de­ļa brī­vas im­pro­vi­zā­ci­jas. Tāpat jā­pa­redz iz­mak­su un pie­pra­sī­ju­mu li­mi­ti, avā­ri­jas ap­tu­rē­ša­na un ie­priek­šē­jās kon­fi­gu­rā­ci­jas at­jau­no­ša­na; RAG pro­dukts ir vai­rā­ku ser­vi­su ķēde, un kat­ra klu­sā at­tei­ce var iz­mai­nīt at­bil­des no­zī­mi, pat ja tēr­zē­ša­nas logs tur­pi­na dar­bo­ties.

Dokumentu gatavība: OCR, metadati un versiju pārvaldība

Dokumentu ma­pes ap­joms nav ga­ta­vī­bas rā­dī­tājs: ske­nēts lī­gums ar šķī­bu lapu, ta­bu­la bez no­la­sā­mas gal­ve­nes, PDF ar ne­pa­rei­zu tek­sta se­cī­bu vai foto ar zemu kon­tras­tu var iz­ska­tī­ties sa­pro­tams cil­vē­kam, bet OCR iz­vil­ku­mā zau­dēt ci­pa­ru, ko­lon­nu sa­is­tī­bu vai rin­dko­pas ro­be­žu; Microsoft OCR ie­ro­be­žo­ju­mu ap­raksts skaid­ri sa­is­ta re­zul­tā­tu ar ske­nē­ju­ma kva­li­tā­ti, iz­šķirtspē­ju, kon­tras­tu, ap­gais­mo­ju­mu, pa­grie­zie­nu un tek­sta īpa­šī­bām. Tāpēc rep­re­zen­ta­tī­vi do­ku­men­ti jā­pār­bau­da pēc iz­vilkša­nas, sa­lī­dzi­not tek­stu, ta­bu­las, lapu at­sau­ces un bū­tis­kos lau­kus ar ori­ģi­nā­lu, ne­vis jā­uz­ti­cas tam, ka fails “veik­smī­gi ap­strā­dāts”.

Metadati pie­šķir frag­men­tam or­ga­ni­zā­ci­jas kon­tek­stu: do­ku­men­ta tips, struk­tūr­vie­nī­ba, pro­dukts, va­lo­da, īpaš­nieks, ap­stip­ri­nā­tājs, kon­fi­den­cia­li­tā­te, spē­kā stā­ša­nās laiks un ver­si­jas sta­tuss ļauj vai­cā­ju­mu sa­šau­ri­nāt pirms se­man­tis­kas lī­dzī­bas vēr­tē­ša­nas. Bez tiem mek­lē­tājs sa­lī­dzi­na tei­ku­mus, bet ne­zi­na, ka no­lik­ta­vas ins­truk­ci­ja at­tie­cas ti­kai uz Lietuvu vai ka lī­gu­ma pie­li­kums aiz­stāts ar jau­nā­ku. Svarīgākie lau­ki jā­ie­gūst no uz­ti­ca­mas sis­tē­mas vai jā­pār­bau­da cil­vē­kam; ģe­ne­rēts mi­nē­jums par do­ku­men­ta sta­tu­su ne­drīkst kļūt par filtru, kas no­sa­ka nā­ka­mo at­bil­di.

Arī at­jau­ni­nā­ša­na ir daļa no pro­duk­ta, ne­vis vien­rei­zējs im­por­ta darbs: jā­zi­na, cik ātri ap­stip­ri­nā­ta iz­mai­ņa no­nāk in­dek­sā, kā tiek dzēsts at­saukts frag­ments, kas no­tiek ar mai­nī­tu fai­la ad­re­si un vai kļū­mes ga­dī­ju­mā sis­tē­ma tur­pi­na rā­dīt veco ver­si­ju. Microsoft in­dek­sa vadlī­ni­jas no­šķir pa­pil­di­no­šus at­jau­ni­nā­ju­mus no pā­r­in­dek­sē­ša­nas, tā­pēc kat­ram avo­tam va­ja­dzī­ga do­ku­men­tē­ta sin­hro­ni­zā­ci­jas un kļū­du kon­tro­les me­to­de; pirms RAG pro­jek­ta ir vērts sa­kār­tot vienu au­to­ri­ta­tī­vu do­ku­men­tu plūs­mu; ci­tā­di ātra iz­gū­ša­na ti­kai pa­āt­ri­na ne­skaid­ras pār­val­dī­bas se­kas.

Pirms pir­mās in­dek­sē­ša­nas no­der do­ku­men­tu ga­ta­vī­bas iz­la­se: iz­vē­las da­žā­dus fai­lu ti­pus, ve­cu­mu, va­lo­das, ta­bu­las, ske­nē­ju­mus un pie­kļu­ves kla­ses, pēc tam kat­ram pār­bau­da iz­vil­kto tek­stu, frag­men­tu ro­be­žas, me­ta­da­tus un avo­ta sa­iti. Kļūdu īpat­svars nav jā­pār­vērš vienā vi­dē­jā skait­lī, jo viena pa­zau­dē­ta ko­ma­ta cena ins­truk­ci­jā un viena pa­zau­dē­ta sum­ma lī­gu­mā at­šķi­ras. Izlase dod pa­ma­tu iz­lemt, ku­rus for­mā­tus pie­ņemt au­to­mā­tis­ki, ku­riem va­jag cil­vē­ka pār­bau­di un ku­rus pa­gai­dām ne­in­dek­sēt; šis darbs bie­ži dod lie­lā­ku kva­li­tā­tes pie­au­gu­mu nekā cita va­lo­das mo­de­ļa iz­vē­le.

Piekļuves tiesības, privātums un izvietošanas izvēle

Droša ar­hi­tek­tū­ra sā­kas ar iden­ti­tā­ti: kurš jau­tā, ku­rai or­ga­ni­zā­ci­jai un no­da­ļai viņš pie­der, kā­das do­ku­men­tu kla­ses drīkst re­dzēt un vai šīs tie­sī­bas tiek pār­bau­dī­tas kat­rā iz­gū­ša­nas pie­pra­sī­ju­mā. Atļauju fil­tram jā­dar­bo­jas pirms frag­men­ti no­nāk mo­de­ļa kon­tek­stā, bet žur­nā­los jā­iz­vai­rās no ne­va­ja­dzī­gas pil­nu jau­tā­ju­mu, at­bil­žu un sen­si­tī­vu frag­men­tu ko­pē­ša­nas; jā­tes­tē arī ro­bež­ga­dī­ju­mi — dar­bi­nieks mai­na lomu, do­ku­ments kļūst ie­ro­be­žots, pie­kļu­ve tiek at­sauk­ta vai viens klients mē­ģi­na at­rast otra klien­ta sa­tu­ru; “čats pra­sa ie­lo­go­ties” nav pie­tie­kams ak­cep­tē­ša­nas kri­tē­rijs.

Jautājumam “vai mani dati no­nāks mo­de­ļa ap­mā­cī­bā?” nav go­dī­gas uni­ver­sā­las at­bil­des bez pie­gā­dā­tā­ja, pro­duk­ta, kon­ta un ie­sta­tī­ju­mu no­sauk­ša­nas. OpenAI biz­ne­sa un API ma­te­riā­li pa­redz, ka at­tie­cī­go biz­ne­sa pro­duk­tu dati pēc no­klu­sē­ju­ma ne­tiek iz­man­to­ti mo­de­ļu ap­mā­cī­bai, sa­vu­kārt API datu kon­tro­les do­ku­men­tā­ci­ja at­se­viš­ķi ap­rak­sta gla­bā­ša­nu, ļaun­prā­tī­gas iz­man­to­ša­nas uz­rau­dzī­bu un ga­la­pun­ktu iz­ņē­mu­mus; Anthropic arī no­šķir ko­mer­ciā­lo pro­duk­tu ap­strā­di, ap­zi­nā­tu pie­kri­ša­nu uz­la­bo­ša­nai un gla­bā­ša­nas no­sa­cī­ju­mus. Tādēļ lī­gu­mā un teh­nis­ka­jā pro­jek­tā pār­bau­da kon­krē­to pa­kal­po­ju­mu, ne­vis pa­ļau­jas uz frā­zi “biz­ne­sa API”.

Izvietošana ES re­ģio­nā vai savā in­fras­truk­tū­rā var pa­lī­dzēt iz­pil­dīt no­teik­tas datu at­ra­ša­nās, kon­tro­les vai in­teg­rā­ci­jas pra­sī­bas, taču tā pati par sevi ne­pie­rā­da VDAR at­bil­stī­bu vai dro­šī­bu. Joprojām jā­no­sa­ka ap­strā­des no­lūks un tie­sis­kais pa­mats, datu mi­ni­mi­zē­ša­na, gla­bā­ša­nas ter­mi­ņi, ap­akš­aps­trā­dā­tā­ji, dzē­ša­na, in­ci­den­tu pro­cess un pie­kļu­ves au­dits; VDAR prin­ci­pi at­tie­cas uz visu ķēdi, ne ti­kai mo­de­ļa ser­ve­ra val­sti. Dažkārt pa­rei­zais lē­mums ir no­teik­tu do­ku­men­tu RAG vis­pār ne­ie­k­ļaut vai pirms in­dek­sē­ša­nas no­ņemt lau­kus, kas at­bil­dei nav va­ja­dzī­gi.

Draudu mo­de­lī jā­pār­bau­da ne ti­kai ziņ­kā­rīgs dar­bi­nieks, bet arī kļū­dai­na gru­pu sin­hro­ni­zā­ci­ja, kop­lie­to­ta sa­ite, ad­mi­nis­tra­to­ra loma, sa­gla­bāts kešs un do­ku­ments ar ļaun­prā­tī­gu ins­truk­ci­ju; tes­ta lie­to­tā­jiem jā­ap­tver kat­ra loma un aiz­lieg­ta lomu kom­bi­nā­ci­ja, mē­ģi­not jau­tāt tie­ši, ar si­no­nī­miem un ne­tie­šu ap­ko­po­ša­nas lū­gu­mu; re­zul­tā­tā ne­drīkst pa­rā­dī­ties ne frag­ments, ne do­ku­men­ta no­sau­kums, ne at­bil­dē iz­se­ci­nā­ma sle­pe­na de­ta­ļa; pēc tie­sī­bu mai­ņas tes­tu at­kār­to, jo va­kar­die­nas dro­šais filtrs var pa­likt kešā. Šīs pār­bau­des ir ak­cep­tē­ša­nas kri­tē­ri­ji, ne­vis vē­lā­ka dro­šī­bas au­di­ta de­ko­rā­ci­ja.

Kā mērīt izgūšanu, balstījumu avotos un pareizību

Viena “pre­ci­zi­tā­te” RAG sis­tē­mai ir lī­dzī­ga vien­am vi­dē­jam vēr­tē­ju­mam slim­nī­cai: skait­lis var iz­ska­tī­ties labs, ka­mēr kri­tis­ka kļū­du kla­se pa­liek ne­re­dza­ma. Vispirms at­se­viš­ķi mēra iz­gū­ša­nu — vai ne­pie­cie­ša­mais frag­ments pa­rā­dī­jās no­teik­tā augst­ā­ko re­zul­tā­tu skai­tā un vai ne­va­ja­dzī­gi frag­men­ti to ne­iz­spie­da. Tad mēra kon­tek­sta at­bil­stī­bu jau­tā­ju­mam, at­bil­des bal­stī­ju­mu do­ta­jos frag­men­tos, fak­tis­ko pa­rei­zī­bu pret ap­stip­ri­nā­tu eta­lo­nu, kat­ras avo­ta no­rā­des at­bil­stī­bu kon­krē­ta­jam ap­gal­vo­ju­mam un sis­tē­mas spē­ju at­tu­rē­ties no at­bil­des, kad avo­ta nav vai avo­ti kon­flik­tē.

Microsoft RAG vēr­tē­tā­ju do­ku­men­tā­ci­ja šīs di­men­si­jas sa­da­la, un ARES pēt­nie­cis­kais darbs lī­dzī­gi no­šķir kon­tek­sta at­bil­stī­bu, at­bil­des bal­stī­ju­mu un at­bil­des at­bil­stī­bu. Praktiskajā tes­tu kopā kat­ram reā­lam jau­tā­ju­mam tā­pēc va­jag ne ti­kai “pa­rei­zo at­bil­di”, bet arī ob­li­gā­to avo­tu, pie­ļau­ja­mos for­mu­lē­ju­mus, aiz­lieg­tus ap­gal­vo­ju­mus, lomu, do­ku­men­ta ver­si­ju un gai­dī­to rī­cī­bu si­tuā­ci­jā bez pie­tie­ka­miem pie­rā­dī­ju­miem. Daļu pie­mē­ru vei­do no bie­žiem jau­tā­ju­miem, daļu — no dār­giem iz­ņē­mu­miem un ap­zi­nā­tiem slazdiem.

Akceptēšanas sliek­snis jā­no­sa­ka kat­rai di­men­si­jai un ris­ka kla­sei pirms re­zul­tā­tu re­dzē­ša­nas, ci­tā­di ko­man­da pēc de­mons­trā­ci­jas iz­vē­lē­sies to rā­dī­tā­ju, kurš iz­ska­tās vis­la­bāk. Pilota mē­rī­ju­miem jā­sag­la­bā arī kļū­du sa­da­lī­jums pa do­ku­men­tu ti­piem, no­da­ļām, va­lo­dām un jau­tā­ju­ma vei­diem, jo ko­pē­jais vi­dē­jais var pa­slēpt, ka ro­kas­grā­ma­tas strā­dā labi, bet lī­gu­mu ta­bu­las — slik­ti. Automātisks mo­de­ļa vēr­tē­tājs pa­līdz mē­ro­got pār­bau­di, taču iz­la­se jā­pār­ska­ta cil­vē­kam un kri­tis­kās at­bil­des jā­sa­lī­dzi­na ar au­to­ri­ta­tī­vu avo­tu, ne­vis ar otra mo­de­ļa pār­lie­cī­bu.

Pēc pa­lai­ša­nas jā­mē­ra tās pa­šas di­men­si­jas, taču ar kon­tro­lē­tu pro­duk­ci­jas iz­la­si un pri­vā­tu­mu sa­udzē­jo­šiem žur­nā­liem, sa­vu­kārt iz­mai­ņa do­ku­men­tu kor­pu­sā, frag­men­tē­ša­nas al­go­rit­mā, vek­to­ru mo­de­lī, pār­rin­do­ša­nā vai ģe­ne­rē­jo­šā mo­de­lī var uz­la­bot vienu jau­tā­ju­mu gru­pu un pa­slik­ti­nāt citu, tā­pēc kat­rai ver­si­jai va­jag reg­re­si­jas tes­tu un sa­lī­dzi­nā­mu bā­zes lī­ni­ju ar ne­mai­nī­tiem vēr­tē­ša­nas no­tei­ku­miem vi­s­ai tes­ta ko­pai. Brīdinājums jā­iz­rai­sa ne ti­kai ko­pē­jā rā­dī­tā­ja kri­tu­mam, bet arī kri­tis­kas kļū­das pa­rā­dī­ša­nās ga­dī­ju­mam, pie­mē­ram, ne­at­ļau­tam frag­men­tam vai iz­do­mā­tai at­bil­dei tur, kur sa­gai­dī­ta at­tu­rē­ša­nās.

RAG, meklēšana, garš konteksts, modeļa pielāgošana un aģenti

Parasta pilntek­sta mek­lē­ša­na ir la­bā­ka, ja lie­to­tājs zina pre­cī­zu no­sau­ku­mu, kodu vai frā­zi un vi­ņam va­jag do­ku­men­tu, ne­vis sa­stā­dī­tu at­bil­di; tā ir lē­tā­ka, pa­re­dza­mā­ka un vieg­lāk au­di­tē­ja­ma. Semantiska mek­lē­ša­na pa­līdz ar si­no­nī­miem un ne­skaid­riem jau­tā­ju­miem, bet ģe­ne­rē­ša­nu var pie­vie­not ti­kai tur, kur kop­sa­vil­kums dod reā­lu vēr­tī­bu; RAG nav ob­li­gāts kat­ram uz­ņē­mu­ma mek­lē­tā­jam: daž­kārt pa­rei­zais pro­dukts ir laba mek­lē­ša­nas lapa ar filtriem, frag­men­ta priekš­ska­tī­ju­mu un ver­si­jas sta­tu­su, jo lie­to­tājs pats pie­ņem se­ci­nā­ju­mu no pil­na do­ku­men­ta.

Visa do­ku­men­ta ie­vie­to­ša­na garā kon­tek­sta logā var būt vien­kār­ša ne­lie­lam, sta­bi­lam ma­te­riā­lam, taču lie­lā kor­pu­sā pa­lie­li­nās iz­mak­sas, trok­snis un risks, ka bū­tis­ka rin­dko­pa pa­zūd starp maz­sva­rī­gu sa­tu­ru. Modeļa pa­pil­du pie­lā­go­ša­na jeb fine-tu­ning sa­vu­kārt var no­stip­ri­nāt for­mā­tu, sti­lu vai kon­krē­tu uz­de­vu­ma uz­ve­dī­bu, bet nav ērts veids bie­ži mai­nā­mu cenu, po­li­ti­ku un ins­truk­ci­ju gla­bā­ša­nai, jo avo­ta at­jau­ni­nā­ša­na un ci­tē­ša­na kļūst ma­zāk caur­ska­tā­ma. RAG ļauj mai­nīt do­ku­men­tu kopu ne­at­ka­rī­gi no mo­de­ļa sva­ru ap­mā­cī­bas, to­mēr par šo elas­tī­bu jā­mak­sā ar in­dek­sa, ver­si­ju un iz­gū­ša­nas kva­li­tā­tes pār­val­dī­bu.

Automatizācija iz­pil­da ie­priekš de­fi­nē­tus so­ļus, bet AI aģents var iz­vē­lē­ties rīku un nā­ka­mo soli, tā­dēļ tā brī­vī­ba pra­sa stin­grā­kas pil­nva­ru, va­li­dā­ci­jas un ap­tu­rē­ša­nas ro­be­žas; RAG var dot aģen­tam in­for­mā­ci­ju, bet ne tie­sī­bas: ja mo­de­lis at­rod at­va­ļi­nā­ju­mu po­li­ti­ku, tas vēl ne­drīkst pats ap­stip­ri­nāt prom­būt­ni vai mai­nīt algu sis­tē­mu; struk­tu­rēts fun­kci­jas iz­sau­kums ir ti­kai priekš­li­kums lie­to­jum­prog­ram­mai, kura pār­bau­da shē­mu, iden­ti­tā­ti, at­ļau­to dar­bī­bu, sum­mas vai ci­tus li­mi­tus un va­ja­dzī­go cil­vē­ka ap­stip­ri­nā­ju­mu. Tehnoloģiju sa­lī­dzi­nā­jums sā­kas ar pro­ce­sa ris­ku, ne­vis ar vēlmi lie­tot mo­der­nā­ko no­sau­ku­mu.

Izvēli var for­mu­lēt kā vien­kār­šu pār­bau­di: ja va­ja­dzīgs at­rast un at­vērt fai­lu, sāk ar mek­lē­ša­nu; ja jā­ap­ko­po daži mai­nī­gi avo­ti ar no­rā­dēm, vēr­tē RAG; ja jā­ie­vē­ro sta­bils for­māts vai kla­si­fi­kā­ci­jas uz­ve­dī­ba, ie­spē­ja­ma mo­de­ļa pie­lā­go­ša­na; ja jā­iz­pil­da pa­re­dza­ma dar­bī­bu se­cī­ba, būvē au­to­ma­ti­zā­ci­ju; aģen­tu pie­vie­no ti­kai tad, ja nā­ka­mā soļa iz­vē­li ne­var dro­ši ie­prog­ram­mēt un ie­gu­vums at­sver pa­pil­du ris­ku. Šīs pie­ejas var kom­bi­nēt, to­mēr kat­ram slā­nim jā­būt sa­vam uz­de­vu­mam, mē­rī­ju­mam un ap­tu­rē­ša­nas ro­be­žai, ci­tā­di kļū­das cē­lo­nis pa­zūd aiz vār­da “AI”.

Kā izveidot ierobežotu pilotu ar īstiem jautājumiem

Pilots sā­kas ar vienu do­ku­men­tu kopu, vienu lie­to­tā­ju gru­pu un vienu lē­mu­ma ro­be­žu, pie­mē­ram, teh­nis­kā at­bal­sta ro­kas­grā­ma­tām, kur sis­tē­ma ti­kai at­rod avo­tus un sa­ga­ta­vo at­bil­des mel­nrak­stu. Pirms iz­strā­des ko­man­da sa­vāc reā­lus jau­tā­ju­mus no mek­lē­ša­nas žur­nā­liem, e-pa­stiem un dar­bi­nie­ku in­ter­vi­jām, pie­vie­no pa­rei­zos avo­tus un ap­zi­nā­ti ie­kļauj ne­at­bil­da­mus, no­ve­co­ju­šus, pret­ru­nī­gus un ne­at­ļau­tus ga­dī­ju­mus. Katram ga­dī­ju­mam no­sa­ka, kas skai­tās pie­ņe­mams: ne­pie­cie­ša­mais frag­ments ir at­rasts, ap­gal­vo­jums ir bal­stīts avo­tā, ci­tāts ved uz pa­rei­zo vie­tu, at­bil­de ir fak­tis­ki pa­rei­za un sis­tē­ma dro­ši ne­iz­do­mā trūk­sto­šo.

Sliekšņus fik­sē pirms de­mons­trā­ci­jas un sa­da­la pēc ris­ka: bie­žam in­for­ma­tī­vam jau­tā­ju­mam var pie­ļaut la­bo­ja­mu mel­nrak­stu, bet per­so­nas datu, lī­gu­ma, dro­šī­bas vai mak­sā­ju­ma jau­tā­ju­mam va­ja­dzī­ga stin­grā­ka pār­bau­de un cil­vē­ka ap­stip­ri­nā­jums. Pilotā mēra arī at­bil­des lai­ku, iz­mak­sas uz pie­pra­sī­ju­mu, pie­kļu­ves filtru dar­bī­bu, in­dek­sa at­jau­ni­nā­ša­nas aiz­ka­vi un to, cik bie­ži dar­bi­nieks at­ver avo­tu vai labo at­bil­di. Ja sis­tē­ma uz­la­bo ti­kai de­mons­trā­ci­jas pie­mē­rus, bet ne­tur ie­priekš no­slēp­tu tes­ta kopu, nav pie­rā­dīts pro­duk­ta re­zul­tāts; ir pie­rā­dīts, ka ko­man­da prot sa­ga­ta­vot de­mons­trā­ci­ju.

Mūsu AI ri­si­nā­ju­mu iz­strā­de ir sā­kot no €3 500 un pa­ras­ti aiz­ņem 3–8 ne­dē­ļas, sa­vu­kārt strā­dā­jo­šu pi­lo­tu uz Jūsu pašu da­tiem var pie­gā­dāt 2–3 ne­dē­ļās; šie skait­ļi ap­rak­sta pa­kal­po­ju­ma sā­ku­ma cenu un vis­pā­rē­jo gra­fi­ku, ne­vis ne­zi­nā­ma tvē­ru­ma fik­sē­tu pie­dā­vā­ju­mu. Pilota bei­gās jā­būt ne ti­kai čata lo­gam, bet versē­tam do­ku­men­tu kor­pu­sam, tes­ta jau­tā­ju­miem, at­se­viš­ķiem kva­li­tā­tes mē­rī­ju­miem, kļū­du žur­nā­lam, pie­kļu­ves pār­bau­dēm un lē­mu­mam, ko ri­si­nā­jums ne­drīkst da­rīt. Vēlākas in­teg­rā­ci­jas pra­sī­bas ir vērts fik­sēt tik­pat skaid­ri kā citā di­gi­tā­lā pro­jek­tā, ie­vē­ro­jot rak­stā par 10 kļū­dām mā­jas­la­pas iz­strā­des pa­sū­tī­ša­nā ap­rak­stī­to prin­ci­pu: ak­cep­tē­ša­nas kri­tē­ri­ji un īpaš­nie­ki jā­no­sa­ka pirms pil­nas ie­vie­ša­nas, ne­vis pēc pir­mā ie­spai­dī­gā ek­rā­na.

Pilotu tur­pi­na ti­kai tad, ja tas sa­sniedz ie­priekš no­teik­tos sliekšņus uz ne­re­dzē­tas tes­ta da­ļas, dro­ši ap­strā­dā ne­at­ļau­tus un ne­at­bil­da­mus jau­tā­ju­mus un dod iz­mē­rā­mu ie­gu­vu­mu cil­vē­ka dar­bā. Ja iz­gū­ša­na sis­te­mā­tis­ki ne­at­rod pa­rei­zo avo­tu, vis­pirms labo do­ku­men­tus, me­ta­da­tus un in­dek­su; ja avots ir pa­reizs, bet ģe­ne­rē­ša­na to sa­gro­za, mai­na kon­tek­stu, uz­ved­ni vai mo­de­li; ja kļū­da ro­das ti­kai augsta ris­ka lē­mu­mos, šos lē­mu­mus at­stāj de­ter­mi­nē­tai sis­tē­mai un cil­vē­kam. Apturēts pi­lots nav ne­veik­sme — tas ir lētā vei­dā ie­gūts pie­rā­dī­jums, ka kon­krē­ta­jam pro­ce­sam RAG ro­be­žas ir sva­rī­gā­kas par tā de­mons­trā­ci­jas efek­tu.