PIPELINEAI知识库的成功只有在事先记录了基准值的情况下才能衡量——记录两周就足够了。可用的指标包括每个流程的处理时间、无需干预即可完成的案例比例以及对外响应时间。前两周的团队满意度不是可用的衡量标准。
01 — 衡量
如何衡量成效
- 事先确定一个数字。没有基准值，事后无法证明任何东西。计数两周就足以得出可靠的数量级。
- 每项流程的处理时间。最直接的衡量指标：受影响的流程现在需要多长时间，之后需要多长时间。
- 无需干预即可完成的案例比例。这一比率在前几周通常会随着优化而明显上升 — 是最好的早期指标。
- 对外响应时间。咨询者多快能得到首次确定的答复。
- 不应衡量的：前两周的团队满意度。任何变革在初期都会让人感觉比实际更糟。
02 — 计算
计算方法
四个数字就够了：该流程多久出现一次？每次耗时多长？内部每小时成本是多少？解决方案的费用是多少——一次性费用加上三年的运营成本？
举个例子：一个流程每周出现两次，每次耗时40分钟，每年约占用69小时。按内部每小时45欧元计算，每年约有3,100欧元被占用在此。如果某个解决方案能将这一工作量减少三分之二，那么——取决于实际报价——它通常会在一到两年内收回成本。我们会在初次沟通后告诉您您的具体数值。
这个计算是有意保守的：它只考虑了节省的时间，不包括避免的错误，也不包括因更快响应而促成的订单。实际上，收益通常更高——但在实际测量之前不应将其纳入计算。
03 — 分类
经验所示
大部分时间不是浪费在回答上，而是搜索上——以及打断那些凭记忆就知道答案的人。
04 — 问题
常见问题
我们的文档很混乱。这样也可以吗？
在一定程度上可以——系统能够处理不同的格式和结构。但它无法解决矛盾信息。如果同时存在三个版本的价目表，必须事先明确哪个有效。
我们如何识别过时的答案？
通过日期信息和标记为已过时的文档标识。此外，分析会显示哪些来源经常被引用——然后优先维护这些内容。
文档量大的情况下配置需要多长时间？
这取决于文档状态而非数量：结构良好、重复较少的文档库几周内即可投入使用，而长期积累、存在大量旧版本的文档库需要先进行清理。
我们可以分步扩展到其他部门吗？
可以，这是常规做法。从一个部门开始，从其问题和结果中学习，然后再接入下一个——而不是一次性全部开放。
什么是 RAG?
这个缩写代表检索增强生成（retrieval-augmented generation)。系统不是让语言模型凭记忆回答，而是先在您的文档中搜索，只将找到的内容用于回答。这就是答案附带来源的原因。
如果文档库中包含多种语言怎么办？
没问题——搜索能够独立理解不同语言的问题和文档，即使提问和来源使用不同语言也能找到正确答案。
必须在云端运行吗？
不必。对于敏感领域，我们部署完全在您自有硬件上运行的模型。这会增加配置成本并略微影响回答质量，但任何文档都不会离开您的企业。
下一步
我们会了解您的初始情况。
告诉我们目前什么最耗费时间。由此我们会给出一份包含工作量和收益的评估——之后才会提供报价。