הבעיה: יש לכם מידע — אבל הבוט לא יודע אותו
יש לכם מדיניות משלוחים בת 3 עמודים? נהלי שירות מפורטים? שאלות ותשובות שצברתם במשך שנתיים? כל המידע הזה חיוני ללקוחות — אבל להזין אותו ידנית למאגר הידע של הבוט זה פשוט לא ריאלי.
זו בדיוק הבעיה שטכנולוגיית RAG (Retrieval Augmented Generation) פותרת.
מה זה RAG?
RAG הוא שילוב חכם של חיפוש מידע ובינה מלאכותית. במקום שה-AI ינסה "לזכור" את כל המידע, הוא קודם מחפש את המידע הרלוונטי ואז מייצר תשובה על בסיסו.
תחשבו על זה כמו נציג שירות מנוסה שיש לו גישה למחשב עם כל המידע. הוא לא צריך לזכור כל פרט בעל פה — הוא יודע איפה לחפש.
איך זה עובד בפועל?
שלב 1: העלאת מסמכים
מעלים קובץ (PDF, Word, טקסט) או כתובת אתר. המערכת קוראת את התוכן ומפצלת אותו לחתיכות קטנות וחכמות.
שלב 2: עיבוד אוטומטי
כל חתיכה עוברת המרה ל"וקטור" — ייצוג מספרי שמקודד את המשמעות, לא רק מילות מפתח. כך המערכת מבינה ש"מדיניות החזרה" ו-"אפשר להחזיר?" קשורים לאותו דבר.
שלב 3: חיפוש סמנטי בזמן אמת
כשלקוח שואל שאלה, השאלה שלו גם הופכת לוקטור. המערכת מחפשת את החתיכות הכי דומות — ומצרפת אותן כהקשר ל-AI כדי שייצר תשובה מדויקת.
דוגמה מהעולם האמיתי
נניח שמעלים מסמך מדיניות משלוחים והחזרות בן 5 עמודים.
לקוח שואל: "אפשר להחזיר פריט אחרי שבוע?"
המערכת:
- ממירה את השאלה לוקטור
- מוצאת 4 חתיכות רלוונטיות מהמסמך (סעיפי החזרה, לוחות זמנים וכו')
- שולחת את החתיכות ל-AI
- AI עונה: "כן, ניתן להחזיר פריט תוך 14 יום מרגע הרכישה. יש לצרף חשבונית ואריזה מקורית."
למה חיפוש סמנטי עדיף ממילות מפתח?
בחיפוש מילות מפתח רגיל, אם הלקוח כותב "לא כולל מע"מ" — המערכת תחפש את המילה "מע"מ" ותחזיר תוצאות לא רלוונטיות.
בחיפוש סמנטי, המערכת מבינה שהכוונה היא למחיר לפני מס — ותמצא קטעים שמתייחסים ל"מחיר ללא מע"מ", "מחיר נטו" או "before tax" גם אם הניסוח שונה.
מה הפורמט הטוב ביותר?
הפורמט האידיאלי הוא Markdown עם כותרות — כותרת ## לכל נושא. המערכת מפצלת לפי כותרות, מה שמבטיח שכל נושא נשאר חתיכה מלאה ולא נחתך באמצע.
עובד גם עם טקסט רגיל, PDF ו-Word — אבל ככל שהמבנה ברור יותר, כך התוצאות טובות יותר.
לסיכום
ספריית הידע הענק הופכת את הבוט מ"מענה שיודע מה שהזנתם" ל"מומחה שיש לו גישה לכל המידע". במקום להקליד ידנית מאות שורות מידע, פשוט מעלים קובץ — וזהו.