RAG คืออะไร
RAG (การดึงข้อมูลมาเสริมคำตอบ AI)
คำตอบสั้น ๆ
RAG (Retrieval-Augmented Generation) คือวิธีให้ AI ตอบคำถามโดยค้นหาเอกสารที่เกี่ยวข้องจากคลังข้อมูลของธุรกิจก่อน แล้วจึงสร้างคำตอบจากเอกสารที่ค้นเจอนั้น ผลที่ได้คือคำตอบอิงข้อมูลจริงขององค์กรและอ้างอิงแหล่งที่มาได้ ต่างจากการถามโมเดลเปล่า ๆ ซึ่งตอบจากสิ่งที่เคยฝึกมาเท่านั้น
ทำไมRAGจึงสำคัญกับธุรกิจไทย
ความรู้ที่ธุรกิจต้องใช้ตอบลูกค้าและตอบกันเองมักกระจายอยู่ในคู่มือ อีเมล และหัวของพนักงานที่อยู่มานาน การหาคำตอบจึงช้าและได้คำตอบไม่ตรงกันในแต่ละคน RAG แก้ปัญหานี้โดยไม่ต้องเขียนคู่มือใหม่ทั้งหมด เพราะใช้เอกสารที่มีอยู่แล้วเป็นแหล่งคำตอบ และบอกได้ว่าคำตอบมาจากไฟล์ไหน
ข้อเท็จจริงที่ควรรู้
- RAG ค้นหาเอกสารที่เกี่ยวข้องก่อน แล้วจึงให้โมเดลสร้างคำตอบจากเอกสารนั้น
- คำตอบอ้างอิงแหล่งที่มาได้ จึงตรวจสอบย้อนกลับไปยังเอกสารต้นทางได้
- คุณภาพของคำตอบขึ้นกับคุณภาพและความเป็นปัจจุบันของเอกสารที่ป้อนเข้าไป
- การจำกัดสิทธิ์เข้าถึงต้องทำที่ชั้นการค้นหา เพื่อไม่ให้ตอบจากเอกสารที่ผู้ถามไม่มีสิทธิ์อ่าน
คำถามที่พบบ่อย
RAG ต่างจากการฝึกโมเดลด้วยข้อมูลของเราเองอย่างไร
RAG ไม่แก้ตัวโมเดล แต่ส่งเอกสารที่เกี่ยวข้องไปพร้อมคำถามในแต่ละครั้ง จึงอัปเดตความรู้ได้ทันทีเพียงแก้เอกสาร และถอนเอกสารออกได้เมื่อล้าสมัย ส่วนการฝึกโมเดลใหม่ใช้เวลาและค่าใช้จ่ายสูงกว่ามาก และแก้ข้อมูลเฉพาะจุดได้ยาก สำหรับความรู้ภายในองค์กรที่เปลี่ยนบ่อย RAG จึงเหมาะกว่าในเกือบทุกกรณี
เอกสารต้องเตรียมอย่างไรก่อนทำ RAG
สิ่งที่สำคัญที่สุดคือความเป็นปัจจุบันและการไม่ขัดแย้งกันเอง เอกสารสองฉบับที่บอกนโยบายคนละอย่างจะทำให้คำตอบไม่แน่นอน จึงควรคัดฉบับที่ยังใช้อยู่และเก็บฉบับเก่าออกจากคลังที่ใช้ค้นหา นอกจากนี้เอกสารที่มีหัวข้อชัดเจนจะถูกค้นเจอได้ตรงกว่าเอกสารที่เป็นข้อความยาวต่อเนื่องโดยไม่มีโครงสร้าง
บริการที่เกี่ยวข้อง
พัฒนาระบบเฉพาะทางตามงานจริงของธุรกิจ
คำที่เกี่ยวข้อง
- AI Agent (เอเจนต์ AI)
- โปรแกรม AI ที่ทำงานเป็นขั้นตอนแทนคนได้เองตามเป้าหมายที่ตั้งไว้ เช่น ตอบลูกค้า ค้นข้อมูล หรือสรุปงาน
- LLM (โมเดลภาษาขนาดใหญ่)
- AI ที่เรียนรู้จากข้อความจำนวนมหาศาลจนเข้าใจและสร้างภาษาคนได้ เป็นเทคโนโลยีเบื้องหลังแชตบอตอย่างสมัยใหม่
- Prompt Engineering (การออกแบบคำสั่ง AI)
- ศิลปะการเขียนคำสั่งให้ AI อย่างชัดเจนและมีบริบท เพื่อให้ได้คำตอบที่ตรงและมีคุณภาพมากขึ้น
- Machine Learning (การเรียนรู้ของเครื่อง)
- วิธีให้คอมพิวเตอร์เรียนรู้รูปแบบจากข้อมูลเพื่อทำนายหรือตัดสินใจ โดยไม่ต้องเขียนกฎทุกอย่างด้วยมือ
- OCR (การอ่านตัวอักษรจากภาพ)
- เทคโนโลยีแปลงข้อความในรูปภาพหรือเอกสารสแกนให้เป็นข้อความที่แก้ไขได้ เช่น อ่านใบเสร็จเข้าระบบอัตโนมัติ
- Data Quality (คุณภาพข้อมูล)
- ความถูกต้อง ครบถ้วน และทันสมัยของข้อมูล ถ้าข้อมูลแย่ การวิเคราะห์และ AI ก็ให้ผลผิดพลาดตามไปด้วย
อ่านต่อเรื่อง RAG
ระบบรับสมัครและลงทะเบียน: ทำไมโรงเรียนเสียนักเรียนที่สนใจ ตั้งแต่ก่อนได้คุยกัน
ผู้ปกครองที่สนใจโรงเรียนแต่ต้องกรอกใบสมัครกระดาษ รอการติดต่อกลับหลายวัน หรือหาข้อมูลไม่เจอ มักเปลี่ยนไปเลือกที่อื่นก่อนได้คุยกัน ระบบรับสมัครที่ให้สมัครออนไลน์ ติดตามผู้สนใจทุกคน และตอบกลับเร็ว คือสิ่งที่ทำให้โรงเรียนไม่เสียนักเรียนที่ตั้งใจจะมา
กลยุทธ์การหยิบสินค้า: ทำไมพนักงานเดินในคลังทั้งวัน แต่หยิบของได้ไม่กี่ออเดอร์
ในคลังที่หยิบของเอง เวลาส่วนใหญ่ของพนักงานหมดไปกับการเดิน ไม่ใช่การหยิบ กลยุทธ์การหยิบที่ดี เช่น จัดของขายดีไว้ใกล้ รวมหลายออเดอร์เดินรอบเดียว และนำทางเส้นทางที่สั้นที่สุด ช่วยเพิ่มจำนวนออเดอร์ต่อวันได้มากโดยไม่ต้องเพิ่มคน
นายหน้าประกัน: จัดการกรมธรรม์ วันครบกำหนดต่ออายุ และค่าคอมมิชชัน ให้ไม่มีลูกค้าหลุดและไม่มีคอมตกหล่น
นายหน้าประกันมีรายได้ต่อเนื่องจากการต่ออายุกรมธรรม์ แต่รายได้นั้นหายทันทีที่ลืมเตือนลูกค้าต่ออายุจนกรมธรรม์ขาด ระบบที่ติดตามทุกกรมธรรม์ วันครบกำหนด และค่าคอมที่ควรได้ คือสิ่งที่เปลี่ยนธุรกิจนายหน้าจากการวิ่งหาลูกค้าใหม่ตลอด เป็นการรักษาฐานลูกค้าเดิมที่สร้างรายได้ประจำ
ผู้พัฒนาอสังหาริมทรัพย์: จัดการยูนิต การจอง สัญญา และงวดผ่อนดาวน์ ให้เห็นภาพขายทั้งโครงการชัดเจน
ผู้พัฒนาโครงการบ้านและคอนโดต้องจัดการยูนิตจำนวนมากที่แต่ละยูนิตมีสถานะต่างกัน ตั้งแต่ว่าง จอง ทำสัญญา ผ่อนดาวน์ ไปจนถึงโอน การใช้เอ็กเซลทำให้เสี่ยงขายยูนิตเดียวซ้ำสองและติดตามงวดดาวน์ไม่ทัน ระบบที่คุมสถานะทุกยูนิตและงวดผ่อน คือสิ่งที่ทำให้ทีมขายและการเงินเห็นภาพเดียวกันทั้งโครงการ