NDA 下的案例：可以公开披露的内容
NDA 条款中未披露客户名称，但可以在无需保密细节的情况下描述行业和项目背景：这是一家来自乌兹别克斯坦市场前 5 名的银行，RESTART 为其创建了一个用于企业知识、客户和内部渠道的工业AI 环境。
该解决方案成功通过了试点测试，被客户接受，目前正在接受支持：团队支持平台，开发知识库、访问渠道、答案质量和进一步扩展的场景。
公开描述不包含客户员工的内部地址、代币、配置、合同数据、专有指标或个人数据。
RESTART 实施了什么
在该项目中，RESTART 引入的不是一个单独的聊天机器人，而是一个企业级的托管人工智能平台：文档、法规、知识库、SharePoint、内部门户和用户渠道之上的搜索、响应生成和自动化层。
该平台被设计为企业级架构：数据源、访问权限、索引、RAG、模型、提示、日志、管理面板、连接通道、质量指标和安全操作规则一起工作。
RAG 代理和知识库
根据批准的来源回答用户有关内部和外部知识的问题。
全渠道接口
网络聊天、移动应用程序、企业门户、聊天机器人和熟悉渠道的语音消息。
管理员和文档管理员
管理文档、知识库、用户、访问、响应质量和内容更新。
安全与治理
环境分离、访问角色、审计、个人数据控制、银行保密和公司政策。
企业整合
SharePoint、CRM、ERP、服务台、DWH、BI、内部门户、API 和未来的代理操作。
产业支持
试点后支持、质量监控、及时调整、知识库更新和扩展准备。
一个环境三个知识库
该项目的主要特点不是一个通用知识库，而是针对不同受众、访问政策和服务渠道的多个托管环境。
外部用户
客户知识库连接到银行的移动应用程序或外部聊天机器人。 AI坐席回答标准问题，支持多语言沟通，减轻一线负担。
银行员工
内部知识库可通过网络聊天和文档管理器访问。员工可以快速找到公司系统的法规、说明、程序和答案。
SharePoint 子服务
一个单独的环境与 MS SharePoint 集成，并提供单一窗口来访问位于公司门户的不同站点和部分的文档。
统一质量规则
每个循环都有自己的来源、角色、访问规则、测试问题、日志和质量指标，但依赖于通用平台方法。
RAG 代理的工作原理
RAG Agent 集成了企业知识源、查询验证、搜索相关片段和响应生成以及源链接控制。用户通过熟悉的渠道收到快速响应，而公司则保持控制：访问、审计、安全、质量和扩展。
了解请求
意图、语言、上下文、渠道和用户角色的分类。
检查与控制
检查访问权限、安全策略、数据限制和响应有效性。
知识搜索
搜索索引、文档、法规、CRM/ERP 数据、SharePoint 和其他批准的来源。
生成响应
使用自然语言生成回复，并附上来源链接并考虑公司规则。
输出至通道
Web、移动应用程序、企业门户、聊天机器人、语音消息或 API。
审核与改进
日志、质量指标、用户反馈、提示调整和知识库更新。
AI平台技术概要
RAG 审查逻辑的背后是用于知识、搜索和响应生成的工业后端环境。我们只公开展示一个非个人化的架构，没有内部地址、密钥、配置和私人客户参数。
平台层作为文件、聊天、矢量搜索和响应生成的单一集成点。 FastAPI接受应用程序查询，PostgreSQL和Redis存储状态和操作数据，Vector DB和Elasticsearch负责搜索，S3存储保存文件，GPU环境服务于LLM、嵌入模型和重新排序器。
人工智能平台的可衡量的业务影响
效果取决于数据成熟度、知识库质量、当前支持工作量、集成、安全要求和用例。在项目中，RESTART 在试点之前记录基线，然后测量试点组的结果，只有在这之后才能扩展解决方案。
| 方向 | 我们测量什么 | 试点目标 | 世界实践的标杆 |
|---|---|---|---|
| 客户支持 | 无需操作员即可关闭的标准问题比例 | 填充知识库后15-35% | 麦肯锡估计，根据最初的自动化程度，人工服务接触量可能会减少高达 50%。 |
| 座席生产力 | 每小时解决的请求 | 试点组 +10-20% | NBER 工作论文 31161 显示，通过基于 AI 的建议，客户支持效率平均提高了约 14%。 |
| 按员工搜索信息 | 搜索法规和文件的时间 | 标准请求的 -20-30% | 适用于 Microsoft 365 Copilot 的 Forrester TEI 可节省约 29.8% 的信息搜索时间。 |
| 准备文本和答案 | 起草答案和说明的时间 | 典型任务的 -20-35% | Forrester TEI 显示在内容创建和电子邮件撰写方面节省了大量时间。 |
| 知识质量 | 带有来源链接的回复份额 | 知识库中的文档为 80-95% | RAG 方法通过引用来源和测试问题集来提高可测试性。 |
| 内部IS支持 | 典型问题的票证和电话 | 典型请求的 -10-25% | 效果取决于指令的质量、访问角色以及与服务台的集成。 |
RESTART 不承诺普遍的成本降低百分比。正确的做法是确定基线，就试点的 KPI 达成一致，在有限的群体中测试效果，然后再做出是否复制的决定。
试点和支持 KPI
为了从演示转向生产，重要的是不仅要衡量请求的数量，还要衡量响应的质量、知识覆盖范围、安全性和团队的实际卸载量。
Adoption
AI实际进入工作流程的活跃用户数、重复请求数、使用渠道和场景。
Deflection
由人工智能代理在没有操作员的情况下解决的典型问题的比例，以及每人正确升级的比例。
Quality
带有来源链接的答案份额、答案的完整性、错误或不完整答案的份额、用户评分。
Knowledge coverage
知识库中的文档数量、关键主题的覆盖范围、法规变更后的更新速度。
Security
访问事件、策略违规、尝试请求无法访问的文档、正确的角色划分。
Operations
平台支持 SLA、事件响应时间、索引稳定性、日志质量和监控。
安全银行环境中的人工智能
对于银行来说，人工智能平台不应该是一个实验，而应该是IT架构的一个受控组件。因此，RESTART 设计了一个AI 环境，考虑到角色、访问权限、日志记录、网络安全要求、个人数据、银行信息和客户的内部政策。
访问控制
用户只能看到他在约定的访问模型中有权访问的知识和文档。
路径分离
内部和外部环路可以单独部署，具有不同的来源、策略、SLA 和场景。
源头控制
答案基于批准的文件和知识库，而不是基于随机数据或未经确认的生成。
审计和日志
请求、响应、来源、错误、升级、管理员操作和用户反馈都会被记录。
Human-in-the-loop
对于关键场景，提供人工验证、升级或禁止自动响应。
152-FZ 和政策
个人数据、商业秘密和银行信息仅在商定的架构中进行处理。
从实施到产业支撑
该项目路线是作为从有限试点到管理支持和开发的过渡而建立的。这种方法降低了人工智能在没有所有者、指标、操作和知识更新的情况下仍然是一个美丽的演示的风险。
发现与建筑
场景、知识来源、网络安全要求、角色、试点 KPI 和公共/内部边界。
部署环境
基础设施、线路、通道、基础平台、日志和操作规则。
充实知识库
文档、索引、测试题集、访问角色和更新材料的过程。
渠道整合
网络聊天、门户、SharePoint、移动渠道、聊天机器人、语音消息或 API。
测试和调整
试点组、反馈、设置提示、政策、搜索质量和升级规则。
支持与发展
平台维护、知识更新、质量监控、场景扩展和复制准备。
部署和基础设施
AI平台可以部署在客户的基础设施、专用私有云或混合模型中。根据安全要求、负载、用户数量、呼叫频率、语言、信道以及不同用户组专用环境的需要来选择架构。
| 环境 | 角色 | 启动前指定的内容 |
|---|---|---|
| 先导环境 | MVP、知识库检查、第一批用户 | 来源、访问、测试问题、模型、日志记录、验收 |
| 内部生产 | 员工、法规、SharePoint、门户 | SLA、预留、角色、日志记录、监控、支持 |
| 外部生产 | 客户渠道及一线 | 负载测试、安全性、响应过滤、升级场景 |
| Dev/Test | 变更的开发和测试 | 数据脱敏、测试索引、发布流程、DevSecOps |
最终的基础设施参数是在负载测试和现实场景评估后确定的。 RESTART 可以将 AI 计算、DevOps/DevSecOps 和网络安全实践连接为单个交付循环。
解决方案去向何方？
启动知识库后，人工智能平台可以向多模式文档处理和工作流程自动化发展：接收传入文档、检索详细信息、准备草稿响应、路由应用程序、检查完整性、生成草稿交易以及与 ERP/1C/Service Desk 集成。
申请代理
基于系统数据的接受、取消、状态澄清、路线和操作员提示。
AI Service Desk
请求分类、一线知识库、SLA 控制和支持人员提示。
SharePoint Knowledge AI
部门下发文件、法规、资料的统一检索和解答。
Document AI
处理付款、发票、收据、索赔、合同和投资。
ERP/1C集成
草稿条目、对账、分类账、文件、财务评论和管理分析。
Security/GRC AI
网络安全、合规性、政策、事件、要求、报告和控制程序助理。
相关产品和服务RESTART
该案例展示了RESTART的优势：AI平台不仅需要模型和接口，还需要数据、安全、集成、DevOps、对银行企业级架构的支持和理解。
常见问题
为什么不能说出银行的名字？
该项目正在签署保密协议。我们可能会披露行业背景、解决方案类别、实施状态和匿名架构，但我们不会公布客户名称、内部指标、配置、地址、文档或个人信息。
RAG 代理与常规聊天机器人有何不同？
常规聊天机器人通常根据预定场景工作。 RAG 代理在企业知识源中搜索相关片段，并在考虑上下文、访问权限和源链接的情况下生成响应。
是否可以在客户的基础设施内部署人工智能平台？
是的。对于受监管的公司，可以选择本地部署、私有云和混合选项。该架构取决于网络安全需求、负载、数据组成、访问渠道和客户策略。
是否可以连接 SharePoint、1C、ERP、CRM 或服务台？
是的。该平台被设计为企业知识源和系统之上的集成层。连接是通过 API、连接器、上传、文档索引或专门集成实现的。
如何控制响应的质量？
通过测试问题集、源链接、用户反馈、日志审核、关键场景的人机交互以及定期知识库更新来控制质量。
实施后会发生什么？
验收后，平台将进入维护阶段：更新知识库、控制质量、配置新场景、支持用户并准备扩展到新的画像。
讨论类似的AI环境
如果您有知识库、门户、SharePoint、服务台、移动应用程序或内部法规，让我们从一个简短的发现开始：我们将确定知识来源、用户场景、安全要求和试点 KPI。
给我们发邮件让我们讨论一下您的环境
描述任务、当前系统、约束和预期结果。我们将提供实用的第一步：诊断、试点、审计、路线图或项目团队。
