Fallbeispiel · Wissensmanagement
Interne Dokumentation als aktiver KI-Assistent.
Ein System, das die interne Dokumentation in einen aktiven KI-Assistenten verwandelt. Weniger wiederholte Fragen an die Personalabteilung.
Modellfall: Wir gehen davon aus, dass das Unternehmen so aussieht, und zeigen, was es bringen würde.
- Modellfall
- OpenAI
- Pinecone
- Slack
Ausgangslage
Das schwarze Loch für Informationen
Mitarbeiter verbringen Stunden mit der Suche nach Informationen, die in Ordnern auf Google Drive oder in einem veralteten Notion vergraben sind. Die Personalabteilung beantwortet immer wieder dieselben Fragen. Wissen geht verloren, und die Einarbeitung neuer Kollegen zieht sich über Wochen.
- Vorher
Frustriertes Team und verlorene Daten
MANUELLE SUCHE
- Nachher
Sofortige Antworten mit Quelle
KI-ASSISTENT
Was wir bauen würden
Architektur des Systems
Von Dokumenten zu Antworten.
- 01
Wissensquellen
PDF-Richtlinien, Notion, GDrive
- 02
Textaufbereitung
Umwandlung des Textes in eine Form, die die KI durchsuchen kann (OpenAI)
- 03
Suche
Semantische Suche in der Datenbank
- 04
Antwort
Die KI formuliert die Antwort
- OpenAI · Textaufbereitung und Chat
- Supabase · Datenbank für die semantische Suche
- Flowise · Verknüpfung der Schritte
- Vercel · Hosting
Ablauf des Einsatzes
Wie der Einsatz ablaufen würde.
- 01
WOCHE 01
Daten sammeln und bereinigen
Anbindung an Google Drive und Notion und Aufbereitung des Textes für die weitere Verarbeitung.
- 02
WOCHE 02
Suche vorbereiten
Aufteilung des Textes in Abschnitte und Speicherung in der Datenbank für die Suche.
- 03
WOCHE 04
Bot starten
Anbindung an Slack/Teams und Vorbereitung der Teamschulung.
Annahmen des Modells
Woraus sich das Ergebnis berechnet.
Wir nehmen ein typisches Unternehmen der Branche und die Ausgangslage aus der Aufgabe, ergänzen gekennzeichnete Annahmen und rechnen das Ergebnis aus. Ändern sich die Eingaben, ändert sich das Ergebnis, sodass Sie es auf Ihr Unternehmen umrechnen können.
Modellunternehmen
Ein Modellunternehmen, in dem Beschäftigte Informationen in Drive-Ordnern und einem veralteten Notion suchen und HR immer wieder dieselben Fragen beantwortet.
Eingaben
- HR-Fragen pro Monat (Annahme)
- 200
- Anteil der Fragen, die der Assistent löst (Annahme)
- 65 %
- HR-Zeit pro Antwort (Annahme)
- 10 Min.
- Stundensatz (Annahme)
- 24 € / Std.
Rechnung Schritt für Schritt
- 01
Vom Assistenten gelöste Fragen pro Monat
200 × 65 %= 130
- 02
Eingesparte HR-Zeit
130 × 10 Min.= 1.300 Min. (21,7 Std.)
- 03
Wert der eingesparten Zeit pro Monat
1.300 Min. ÷ 60 × 24 €= 520 €
Das ist eine Brutto-Ersparnis an Zeit und Geld. Kosten für Einführung und Betrieb rechnen wir nur dort ein, wo sie in der Rechnung sichtbar sind.
Ergebnisse des Modells
Was sich nach dem Einsatz verändern würde.
- Modellfall
−130 / Monat
200 Fragen × 65 %, die der Assistent samt Quelle löst
HR-Fragen
- Modellfall
−21,7 Std. / Monat
130 × 10 Min., 520 € pro Monat
HR-Zeit
In das Modell gehören Ihre Zahlen, nicht unsere. Der Rechner zeigt, wo Sie anfangen, und die echten Werte berechnen wir gemeinsam auf Ihren Daten.
Hier beginnen
Ein 15-minütiges Erstgespräch genügt, und Sie wissen, ob es Sinn ergibt.
Sie sagen, was Ihnen unter den Nägeln brennt. Wir sagen, ob wir das können, was es ungefähr kostet und wo wir an Ihrer Stelle anfangen würden. Ohne Präsentation.
- jakub@transformuj.ai
- Telefon
- +420 773 070 090
- Adresse
- Legerova 1820/39, Praha 2