Centrální stopa, která všechny firemní AI dotazy kontroluje, anonymizuje citlivá data a loguje kontext pro další použití. Díky AI routeru můžete firemní AI chat bezpečně napojit na externí modely, rozdělit přístupy a připravit data pro AI agenty pro oddělení nebo vektorovou databázi a RAG. Více detailů najdete v produktu AI router.

Centrální rozhraní pro zaměstnance, ve kterém se spojuje AI router, různé modely a sdílení agentů. Nabízí přehled o kreditech, pravidlech a posílá dotazy tak, aby odpovědi odpovídaly firemnímu tónu a bezpečnostním limitům. Podrobnosti najdete v produktu firemní AI chat.

Velmi konkrétní automatizace postavené na firemním AI chatu, které znají procesy HR, financí, helpdesku či marketingu. Každý agent má přístup k relevantním datům, umí reagovat podle role a vrací výstupy, které se dají rovnou využít v praxi. Více v Agent Suite.

Soubor pravidel, přístupů a auditních záznamů, které zajišťují, že AI ve firmě pracuje bezpečně. Governance zahrnuje limity pro modely, monitoring kreditů, maskování citlivých dat a zpětnou kontrolu výsledků. Přečtěte si Jasná pravidla pro práci s AI a daty.

Technika, která kombinuje vyhledávání v dokumentech (retrieval) s generováním odpovědí. AI nejdřív najde relevantní zdroje, pak je použije jako kontext pro model, a výsledek je tak bližší vašim interním znalostem. Používáme ji ve vektorové databázi a RAG.

Převod dokumentů, prezentací a interních chatů na číselné vektory, které zachycují význam obsahu. Vektory uložené například v Postgres + pgvector nebo jiném úložišti umožňují rychlé vyhledávání podle smyslu. Více v sekci Vektorizace dat a RAG.

Výsledkem vektorizace je embedding – vektor, který reprezentuje větu, dokument nebo dotaz. Slouží jako základ pro porovnání významu a umožňuje dohledat podobné informace. Více o procesu najdete ve Vektorizaci dat a RAG.

Custom hostingové řešení, které provozuje vaše modely lokálně. MCP (Managed Compute Platform) server se stará o bezpečný provoz AI, integraci s interními API a škálování výpočetního výkonu.

Plán malých, měřitelných kroků, který určuje, kde se AI nasadí, jak se budou měřit výsledky a jak se bude reagovat na nové příležitosti. Inspirujte se článkem AI strategie pro firemní procesy.

Pravidla pro používání AI: jaká data lze zadávat, co se sdílí a kdo má přístup k výstupům. Policy dává lidem jistotu a slouží k auditu a školení. Téma rozvádí Jasná pravidla pro práci s AI a daty.

Kombinace AI a automatizačních nástrojů (například Agent Builder nebo n8n), která přebírá rutinní úkoly a umožňuje lidem soustředit se na rozhodování. Příklady najdete v článku Méně ruční práce díky automatizacím.

Bezpečná vrstva mezi uživatelem a externími modely. Proxy data předzpracuje (anonymizuje, přidá kontext), loguje dotazy a vybírá vhodný model pro daný typ informací. Čtěte více v článku Bezpečné využití AI.

Pravidla, která rozhodují, jaký model se použije pro konkrétní typ dotazu. Jednoduché úkoly mohou jít na levnější modely, kritické scénáře na výkonnější. Routing pomáhá držet náklady i kvalitu pod kontrolou.

Vyhledávací krok v RAG pipeline, který vybírá nejrelevantnější dokumenty nebo pasáže před samotným generováním odpovědi. Kvalita retrievalu zásadně ovlivňuje přesnost AI výstupu.

Rozdělení dokumentů na menší části (chunky), se kterými AI pracuje při vyhledávání i generování odpovědí. Správný chunking zvyšuje relevanci výsledků a snižuje informační šum.

Druhé třídění nalezených výsledků po retrievalu. Cílem je posunout nejrelevantnější zdroje nahoru, aby model odpovídal přesněji a s menším rizikem halucinací.

Personally Identifiable Information: data, podle kterých lze identifikovat konkrétní osobu (např. e-mail, telefon, rodné číslo). V AI procesech se PII obvykle maskuje, anonymizuje nebo blokuje.

Záložní postup pro případ, že primární model nebo služba není dostupná. Fallback drží kontinuitu provozu a snižuje riziko výpadků v kritických procesech.

Service Level Agreement: dohodnutá úroveň služby, například maximální doba reakce, dostupnost nebo způsob eskalace. U AI pomáhá SLA nastavit očekávání a odpovědnosti.

Neřízené používání AI nástrojů mimo schválený firemní rámec. Typicky vzniká, když týmy používají vlastní nástroje bez governance, bezpečnostních pravidel a dohledatelnosti.

Konkrétní scénář využití AI s jasným cílem, odpovědností a metrikou dopadu. Use-case je základní jednotka pro prioritizaci, pilot a následné škálování.