Enterprise KM Chatbot

Enterprise KM Chatbot cocok untuk tim pemeliharaan, insinyur, dan tim manajemen pengetahuan yang mencari informasi dalam banyak laporan, manual mesin, serta SOP. Ketik pertanyaan dengan bahasa sehari-hari; sistem mencari dokumen terkait lalu menjawab dengan rujukan sumber, sehingga Anda tidak perlu membuka berkas satu per satu.

Pengetahuan yang digunakan di pabrik dan pembangkit listrik sering tersebar dalam banyak laporan pemeliharaan, manual, serta SOP; sebagian juga dimiliki insinyur senior. Untuk menjawab satu pertanyaan, tim harus membuka berkas satu per satu. Enterprise KM Chatbot menyusun dokumen tersebut menjadi basis pengetahuan yang dapat dicari melalui pertanyaan.

Pengguna Enterprise KM Chatbot

• Tim pemeliharaan dan insinyur yang rutin mencari riwayat peralatan berdasarkan Tag No. atau membaca manual
• Tim manajemen pengetahuan (Knowledge Management) yang mengelola dokumen standar organisasi
• Kontraktor pemeliharaan yang perlu menyerahkan laporan secara teratur kepada pemilik pabrik
• Organisasi yang memiliki kebijakan menyimpan dokumen pada server sendiri

Enterprise KM Chatbot bekerja dalam 4 tahap: mengumpulkan dokumen, menyusun struktur dan indeks, bertanya melalui chat, lalu memeriksa dan menyempurnakan. Jawaban menyebutkan dokumen yang digunakan agar pengguna dapat memeriksa aslinya sebelum menggunakan jawaban.

1. 1

   Kumpulkan dokumen

   Impor laporan pemeliharaan, manual, dan dokumen internal yang sudah dimiliki organisasi. Gunakan PDF lama maupun data baru yang diisi melalui formulir digital pada nimitFlow.

2. 2

   Susun struktur dan indeks dokumen

   Sistem memproses dan membuat indeks dokumen agar dapat dicari. Untuk laporan dengan formulir yang sama, data disusun menurut kolom, misalnya Tag No. peralatan.

3. 3

   Bertanya melalui chat

   Ketik pertanyaan dengan bahasa sehari-hari melalui halaman web. Sistem mencari dokumen terkait, lalu LLM menyusun jawaban dengan menyebutkan dokumen yang digunakan. Riwayat percakapan disimpan untuk ditinjau kembali.

4. 4

   Periksa dan sempurnakan

   Pengguna membuka dokumen yang disebutkan dalam jawaban untuk memeriksanya sebelum digunakan. Setelah serah terima, kami menyempurnakan sistem berdasarkan masukan pengguna sesuai ketentuan dalam penawaran harga.

Bagaimana kami memeriksa jawaban?

• Jawaban menyebutkan dokumen sumber, misalnya Tag No. laporan. Pengguna membuka dan memeriksa laporan tersebut sebelum menggunakan jawaban untuk mengambil keputusan.
• Pertanyaan yang menghitung seluruh koleksi perlu dirancang agar dijawab dari data terstruktur dalam basis data. Karena itu, kami menyepakati jenis pertanyaan bersama Anda sejak awal; alasannya dijelaskan pada bagian “Pelajaran yang kami peroleh”.
• Sebelum serah terima, kami menguji jawaban dengan daftar pertanyaan yang benar-benar diajukan tim Anda.
• Kami tidak menyatakan angka akurasi umum karena kualitas jawaban bergantung pada dokumen dan pertanyaan setiap organisasi.

Enterprise KM Chatbot menggabungkan tanya jawab dari dokumen, formulir laporan digital, ekspor Excel, dan dasbor dalam satu sistem di nimitFlow. Fitur pendukung dirancang sesuai dokumen setiap organisasi.

• Tanya jawab dengan bahasa alami — mendukung dokumen dan pertanyaan berbahasa Thai
• Rujukan sumber — jawaban menyebutkan laporan yang digunakan, misalnya berdasarkan Tag No.
• Chat melalui peramban web — dilengkapi pencarian dan riwayat percakapan
• Formulir laporan digital — isi laporan baru dan lampirkan gambar; laporan yang diisi masuk ke basis pengetahuan
• Ekspor Excel — ekspor laporan sebagai berkas Excel untuk digunakan lebih lanjut atau dibagikan
• Dasbor — mengelompokkan laporan berdasarkan unit produksi

Di mana dokumen dan pertanyaan disimpan?

Enterprise KM Chatbot dapat dipasang pada server organisasi (On-Premise) dan menggunakan LLM yang berjalan secara internal (Local LLM). Dengan keduanya, dokumen dan pertanyaan tidak perlu dikirim keluar jaringan organisasi. Jika Anda memilih layanan LLM eksternal, kami menjelaskan bagian teks yang dikirim keluar sebelum Anda memutuskan.

Spesifikasi server bergantung pada volume dokumen, jumlah pengguna, dan LLM yang dipilih. Kami menilainya sebelum memberikan penawaran harga. Jika seluruh pemrosesan AI perlu berjalan secara internal, kami dapat menyediakan dan memasang sistem server AI.

Enterprise KM Chatbot cocok untuk mencari dan merangkum isi dokumen berformat konsisten, seperti laporan pemeriksaan dan perbaikan dengan formulir yang sama. Sistem tidak cocok untuk mengambil keputusan dari jawaban tanpa memeriksa dokumen sumber karena LLM dapat keliru. Kualitas jawaban bergantung pada kelengkapan dan konsistensi dokumen yang dimasukkan.

Kami mengembangkan sistem AI Knowledge Management pada nimitFlow untuk pemeliharaan katup kontrol (Control Valve) kilang minyak di industri energi dan menyerahkannya pada 2026. Riwayat pemeriksaan dan perbaikan tersimpan dalam sekitar 2.000 laporan PDF yang dikelompokkan menurut Tag No. (identitas setiap katup). Sistem mencakup formulir laporan digital, ekspor laporan ke Excel, dasbor yang mengelompokkan laporan menurut unit produksi, serta Enterprise KM Chatbot yang memadukan LLM dengan RAG.

Proyek dimulai dari prototipe (POC) untuk demonstrasi, lalu dikembangkan menjadi sistem operasional. Pemberi kerja menandatangani Job Completion Certificate. Asisten AI dirancang untuk menjawab pertanyaan seperti “Apa saja yang telah diganti pada katup ini?” dengan menyebutkan Tag No. laporan terkait agar pengguna dapat membuka laporan sebenarnya.

Pelajaran yang kita dapatkan

RAG hanya mengambil sebagian dokumen yang paling relevan, sehingga cocok untuk pertanyaan yang jawabannya terdapat dalam beberapa dokumen. Penghitungan seluruh koleksi, seperti “Ada berapa laporan untuk merek ini?”, perlu dirancang agar menggunakan data terstruktur dalam basis data. Jika LLM dibiarkan menghitung sendiri, angka dapat keliru.

Laporan yang menggunakan formulir, judul bagian, dan satuan yang sama lebih mudah disusun strukturnya serta membantu AI menjawab lebih tepat. Pengguna lapangan perlu meninjau istilah khusus dan judul formulir agar sesuai dengan laporan yang digunakan tim.

Apa artinya bagi Anda?

Karena itu, proyek Anda dimulai dari contoh dokumen nyata dan daftar pertanyaan yang sering diajukan tim. Sejak awal, kami memisahkan pertanyaan tentang isi dokumen dari pertanyaan numerik, lalu menguji jawaban dengan daftar tersebut sebelum serah terima. Anda dapat memulai dengan prototipe (POC) menggunakan sejumlah kecil dokumen, kemudian memperluasnya ke seluruh dokumen.