Dane, procesy
i wiedza firmy.
Architekturę ARGO budujemy wokół wspólnego zaplecza danych, modułów OMS i Kastora. Łączymy codzienne operacje z wiedzą oraz narzędziami AI.
Trzy współpracujące warstwy.
Dane
Produkty, klienci, zamówienia, dokumenty i zdarzenia. Ich źródła oraz relacje tworzą kontekst dla pozostałych warstw.
ARGO OMS
Środowisko operacyjne, w którym zespół obsługuje sprzedaż i wykonuje codzienne zadania. Integracje łączą moduły z innymi narzędziami firmy.
Kastor
Zaplecze wiedzy i AI: przetwarzanie materiałów, encjowanie, wyszukiwanie oraz rozwijana organizacja pracy modeli i narzędzi.
Warstwa danych i przetwarzanie materiałów stanowią działające fundamenty Kastora. Pełną orkiestrację oraz kolejne scenariusze pracy rozwijamy etapami.
Informacja ma źródło
i dotyczy konkretnego obiektu.
Ten sam produkt może pojawić się w sklepie, zamówieniu, wiadomości i dokumencie. Porządkujemy te informacje wokół encji — rozpoznawalnych obiektów i ich powiązań.
Zaplecze Kastora obejmuje serwer danych z bazą wektorową i przetwarzaniem encji. Embeddingi pomagają odnajdywać treści podobne znaczeniowo, a dane źródłowe pozwalają sprawdzić, czego dotyczą znalezione materiały.
Tożsamość i relacje
Rozpoznawanie produktów, osób, firm i innych obiektów. Łączenie informacji, które odnoszą się do tego samego elementu działalności.
Wyszukiwanie znaczenia
Reprezentacje treści wspierające wyszukiwanie także wtedy, gdy pytanie i materiał źródłowy używają różnych słów.
Historia zmian
i przepływ informacji.
W architekturze rozdzielamy przechowywanie zdarzeń od przekazywania informacji zainteresowanym modułom. To dwa różne zadania wspólnego zaplecza.
Event store
Zapis zdarzeń i ich kontekstu. Punkt odniesienia do analizy tego, co zmieniło się w procesie i z jakich informacji wynika aktualny stan.
Event bus
Przekazywanie zdarzeń pomiędzy modułami i narzędziami. Umożliwia organizowanie reakcji na zmiany bez ręcznego przepisywania danych.
Tę strukturę wykorzystujemy jako kierunek budowy automatyzacji i pracy agentów. W konkretnym procesie określamy obsługiwane zdarzenia, reakcje oraz sposób sprawdzenia ich przebiegu.
Każde narzędzie
ma swoje zadanie.
Kastor rozwijamy jako warstwę organizującą pracę wyspecjalizowanych narzędzi i agentów. Orkiestracja określa kolejność kroków, potrzebne dane, zakres działania i miejsca wymagające oceny człowieka.
Przyjmujemy zasadę, że obliczenia i reguły biznesowe należą do kodu, usług oraz baz danych. Model pomaga interpretować treść i kontekst. Źródła, uprawnienia i ocena wyniku są częścią projektowania całego procesu.
Właściwe źródło
Informacja powinna zachować związek z materiałem, z którego pochodzi. Kontekst obejmuje obiekty, dokumenty i historię ustaleń.
Jasny zakres
Zadanie trafia do narzędzia dobranego do jego rodzaju. W architekturze określamy także uprawnienia i kroki wymagające zatwierdzenia.
Sprawdzalny wynik
Ważne jest zarówno wykonanie działania, jak i możliwość zrozumienia jego przebiegu. Mechanizmy kontroli rozwijamy razem z kolejnymi scenariuszami.
Bielik, Qwen i Whisper
w praktycznych zadaniach.
Treści i przetwarzanie danych
Wykorzystujemy Bielika do pracy z danymi i tworzenia opisów. Rozwijamy zastosowania analityczne oraz pracę z dokumentami przewozowymi.
Embeddingi i informacje
Modele Qwen wspierają przygotowanie reprezentacji treści i porządkowanie danych w zapleczu wiedzy.
Od nagrania do tekstu
Transkrypcja notatek głosowych i materiałów audio przygotowuje treść do dalszego przetwarzania oraz encjowania.
Lokalne modele
Rozwijamy własne serwery i obieg danych. Wybieramy rozwiązania pod konkretne zadania oraz dostępne zasoby.
Docelowo dążymy do modeli lokalnych i zamkniętego obiegu danych. Obecne procesy korzystają również z wybranych usług zewnętrznych. Sposób pracy z danymi ustalamy dla konkretnego rozwiązania.
Szukamy polskich technologii i możliwości współpracy z ich twórcami. Nazwy modeli wskazują wykorzystywane technologie; nie oznaczają formalnego partnerstwa.
Zakres dopasowany
do rzeczywistego procesu.
OMS pracuje w ArgoTrade i jest rozwijany równolegle w innych firmach. To tam sprawdzamy potrzeby, integracje oraz kolejne funkcje. Ta sama zasada prowadzi rozwój Kastora i aplikacji branżowych.
Przy wdrożeniu ustalamy, jakie informacje są potrzebne, skąd mają pochodzić i co system powinien z nimi zrobić. Dopiero na tej podstawie dobieramy moduły, narzędzia i scenariusze automatyzacji.
Porozmawiajmy o Twoim procesie