Ga meteen naar de inhoud
Nieuw: Data & AI Strategy-oefening.
Fotoke notion

Van verspreide onboardingmails naar één chatbot

15 maart 2024
GEN AI

Wanneer nieuwe collega's bij Arinti starten, zat de onboardinginformatie vroeger verspreid over e-mails en documenten. Met de komst van Large Language Models bouwden we een chatbot die vragen van medewerkers meteen beantwoordt, gevoed door onze eigen Notion-kennisbank.

Hoe het werkt: drie stappen

Eén: documentingestie. We zetten alle onboardingcontent uit Notion om in numerieke vectoren met de embeddingmodellen van OpenAI. De content wordt opgesplitst in chunks met de markdown-splitter van LangChain en daarna opgeslagen in een vectordatabase.

Twee: de query. De vraag van de gebruiker wordt met hetzelfde embeddingmodel omgezet in een vector en via similarity search gematcht tegen de vectordatabase. De meest relevante contentchunks gaan samen met de vraag naar OpenAI GPT 3.5 Turbo, dat op basis van een gestructureerde prompt een antwoord formuleert.

Drie: geheugen. De chatbot houdt de gespreksgeschiedenis bij en combineert eerdere berichten met nieuwe vragen tot op zichzelf staande query's.

breaking it down

Automatisering en deployment

Azure Functions halen dagelijks automatisch nieuwe Notion-content op, zodat de kennis van de chatbot actueel blijft. De front-end is gebouwd met Streamlit en rechtstreeks ingebed in onze Notion-werkruimte. Medewerkers gebruiken hem dus zonder van tool te wisselen.

Dezelfde architectuur werkt voor eender welke kennisbank: FAQ-pagina's, projectdocumentatie of beleidsdocumenten. Zolang de content ergens opgeslagen is, kan ze de basis vormen voor een chatbot.

Fotoke notion
Interesse om iets gelijkaardigs te bouwen?

PRAAT MET ONS