AI pretraga dokumenata: kako RAG radi u praksi

Zamislite da možete postaviti pitanje svojoj kompletnoj poslovnoj dokumentaciji — ugovorima, pravilnicima, tehničkim uputstvima — i za nekoliko sekundi dobiti precizan odgovor sa navedenim dokumentom i stranicom. To nije pretraga po ključnim riječima kakvu poznajete iz pretraživača. To je AI pretraga dokumenata zasnovana na tehnici koja se zove RAG (Retrieval-Augmented Generation), i danas je dostupna firmama svih veličina u Crnoj Gori.

U ovom tekstu objašnjavamo kako RAG zapravo funkcioniše, korak po korak, bez tehničkog žargona — i zašto je način na koji su podaci organizovani i zaštićeni jednako važan kao i sam AI model.

Šta je RAG i zašto ga firme koriste za interne dokumente?

Standardni AI model odgovara na osnovu znanja stečenog tokom treninga. To znanje je opšte i zastarjelo čim se model isporuči — ne zna ništa o vašim internim procedurama, ugovorima ni pravilnicima. RAG rješava ovaj problem tako što modelu, pri svakom upitu, daje relevantne isječke iz vaših dokumenata kao kontekst za generisanje odgovora.

Rezultat je sistem koji odgovara konkretno i tačno, pozivajući se na ono što piše u vašoj dokumentaciji — a ne na opšta mjesta. Za advokatske kancelarije, računovodstvene firme, hotele s opsežnom operativnom dokumentacijom ili javne institucije s velikim brojem pravilnika, to je praktična razlika između sati traženja i sekundi pronalaska.

Kako funkcioniše indeksiranje dokumenata?

Prije nego što sistem može odgovarati na pitanja, dokumenti moraju biti indeksirani. Ova faza se odvija jednom (i ponavlja kada se dokumenti ažuriraju) i prolazi kroz nekoliko koraka.

Korak 1: Učitavanje i priprema dokumenata

Sistem prihvata dokumente u različitim formatima — PDF, DOCX, XLSX, skenirana dokumenta. Za skenirane dokumente koristi se OCR (optičko prepoznavanje teksta) koji pretvara slike u tekst koji se može pretraživati. Svaki dokument se zatim dijeli na manje cjeline, takozvane odlomke ili "chunks". Uz svaki odlomak čuvaju se metapodaci: naziv dokumenta, broj stranice, datum, odjeljenje ili kategorija.

Korak 2: Pretvaranje teksta u vektore (embedding)

Svaki odlomak se pretvara u numerički vektor pomoću embedding modela — matematičke reprezentacije značenja teksta. Odlomci sličnog sadržaja imaju vektore koji su matematički bliski jedni drugima, bez obzira na to da li koriste iste riječi. Ti vektori se čuvaju u vektorskoj bazi podataka (ProCode koristi pgvector nad PostgreSQL-om), koja omogućava brzu pretragu po semantičkoj sličnosti.

Korak 3: Klasični indeks za tačna poklapanja

Pored vektorskog indeksa, sistem gradi i klasični tekstualni indeks. Ovaj indeks je neophodan kada korisnik traži tačnu šifru proizvoda, broj člana ugovora ili specifičan termin koji mora biti pronađen doslovno, a ne po sličnosti. Kombinacija oba indeksa čini osnovu hibridne pretrage.

Hibridna pretraga: zašto jedan pristup nije dovoljan?

Kada korisnik postavi pitanje, sistem ne koristi samo jedan način pretrage. Hibridna pretraga kombinuje dva komplementarna pristupa:

Nakon što oba pristupa vrate kandidate, sistem ih rangira i bira najrelevantnije odlomke. Ti odlomci se proslijeđuju AI modelu kao kontekst, zajedno s originalnim pitanjem. Model tada generiše odgovor — ali isključivo na osnovu dostavljenog konteksta, ne iz opšteg znanja.

Odgovor sa navedenim izvorom: zašto je to važno?

Jedna od ključnih razlika između RAG sistema i generičkog AI asistenta je navođenje izvora. Svaki odgovor koji sistem generiše prati informacija o tome iz kojeg dokumenta i sa koje stranice je preuzet relevantni odlomak.

Ovo ima praktičnu vrijednost na više nivoa. Korisnik može odmah provjeriti odgovor u originalnom dokumentu. Menadžment može biti siguran da sistem ne "izmišlja" — ako odgovor nije u dokumentima, sistem to jasno saopštava umjesto da nagađa. Za regulisane djelatnosti — zdravstvo, pravo, javna uprava — auditabilnost odgovora je često i zakonski zahtjev.

Prava pristupa: ko smije vidjeti koji dokument?

Ovo je aspekt koji se najčešće potcjenjuje pri uvođenju AI pretrage dokumenata, a može biti i najkritičniji. Ako svi dokumenti završe u jednom zajedničkom indeksu bez kontrole pristupa, zaposleni može dobiti odgovor koji se zasniva na dokumentu koji ne bi smio vidjeti — na primjer, povjerljivi ugovor, kadrovska dokumentacija ili finansijski izvještaj namijenjen samo upravi.

Ispravan sistem filtrira rezultate pretrage prema pravima korisnika koji postavlja pitanje. ProCode implementira ovu kontrolu kroz nekoliko mehanizama:

• Autentifikacija i upravljanje identitetom putem Keycloak-a — svaki korisnik se prijavljuje sa definisanom ulogom.
• Filtriranje na nivou pretrage — sistem pri svakom upitu provjerava kojim dokumentima korisnik ima pristup i pretražuje isključivo taj podskup.
• Grupna prava — dokumenti se dodjeljuju odjelima, timovima ili pojedincima, a prava se centralno administriraju.
• Revizijski trag — svaki upit se bilježi, što omogućava naknadnu provjeru ko je tražio koje informacije.

Za firme koje posluju sa klijentima iz EU, ovo je i pitanje usklađenosti sa propisima o zaštiti ličnih podataka. Crnogorski Zakon o zaštiti podataka o ličnosti usklađen je sa GDPR standardima EU, što znači da se isti principi zaštite podataka primjenjuju i na AI sisteme koji obrađuju poslovnu dokumentaciju.

Praktičan primjer: advokatska kancelarija u Podgorici

Zamislimo advokatsku kancelariju u Podgorici koja vodi stotine predmeta i ima hiljade stranica ugovora, sudskih odluka, dopisa i internih analiza. Advokat koji priprema podnesak želi brzo pronaći sve klauzule o penalima u ugovorima određenog tipa, ili sve presedane vezane za konkretno pravno pitanje.

Bez AI pretrage, to znači ručno pretraživanje kroz fascikle ili oslanjanje na sopstveno sjećanje. Sa AI pretragom dokumenata zasnovanom na RAG tehnici, advokat postavi pitanje prirodnim jezikom — "Koji su rokovi zastare u ugovorima o građenju iz 2022. i 2023. godine?" — i za nekoliko sekundi dobija odgovor sa tačnim navedenim ugovorima i članovima. Mlađi saradnici imaju pristup samo dokumentima svog tima, dok stariji partneri vide cjelokupnu dokumentaciju kancelarije.

Isti princip primjenjiv je na hotelske lance na primorju koji upravljaju operativnim priručnicima na više jezika, na distribucijske firme s opsežnom tehničkom dokumentacijom proizvoda, ili na lokalne samouprave s velikim brojem pravilnika i odluka.

Infrastruktura i bezbjednost podataka

Za firme kojima je povjerljivost dokumentacije prioritet, ključno je pitanje gdje se podaci obrađuju. ProCode isporučuje AI pretragu dokumenata kao rješenje koje radi na privatnoj infrastrukturi u EU ili on-prem — direktno na serverima klijenta. Dokumenti ne napuštaju vašu infrastrukturu i ne šalju se spoljnim AI servisima.

Tehnički stack koji koristimo — Python, FastAPI, PostgreSQL sa pgvector ekstenzijom, Docker i Kubernetes za orkestraciju — omogućava skalabilnost od nekoliko stotina do miliona dokumenata, uz konzistentne performanse. Embedding modeli su fine-tuned na domenski specifičnom vokabularu klijenta, što poboljšava preciznost pretrage za stručne termine iz određene djelatnosti.

Ako vas zanima kako bi ovakvo rješenje izgledalo u vašem konkretnom slučaju, pogledajte i naše AI rješenja i poslovne platforme koje mogu biti integrisane s pretragom dokumenata u jedinstven sistem.

Gotovo rješenje ili rješenje po mjeri?

Česta pitanja

Koliko košta AI pretraga dokumenata?

ProCode AI pretraga dokumenata počinje od 2.000 €. Konačna cijena zavisi od broja i formata dokumenata, potrebe za OCR obradom skeniranih materijala, složenosti prava pristupa, integracija s postojećim sistemima i toga da li se rješenje instalira on-prem ili na oblak infrastrukturi. Na besplatnim konsultacijama možemo procijeniti obim vašeg projekta.

Može li sistem raditi sa skeniranim dokumentima?

Da. ProCode koristi OCR tehnologiju koja pretvara skenirane stranice u pretraživani tekst. Kvalitet skenova utiče na preciznost OCR-a, ali i dokumenti srednje kvalitete mogu biti uspješno indeksirani. Za arhivsku građu s lošijim skenovima postoje dodatne tehnike poboljšanja.

Kako sistem zna da ne izmišlja odgovore?

Model je instruisan da odgovara isključivo na osnovu pronađenih odlomaka iz vaših dokumenata. Ako relevantni odlomak ne postoji u indeksu, sistem to jasno saopštava — ne nagađa. Uz to, svaki odgovor navodi izvor, što korisniku omogućava da odmah provjeri tačnost u originalnom dokumentu.

Koliko dugo traje uvođenje sistema?

Zavisi od obima dokumentacije i složenosti integracija. Za manji set dokumenata s jednostavnim pravima pristupa, sistem može biti spreman za korišćenje za nekoliko sedmica. Kompleksnija rješenja s integracijom u ERP ili DMS sisteme, OCR obradom arhivske građe i granularnim pravima pristupa tipično zahtijevaju jedan do tri mjeseca.

Da li se sistem može integrisati s našim postojećim softverom?

Da. ProCode gradi AI pretragu dokumenata kao komponentu koja se integriše s postojećim poslovnim sistemima — ERP, CRM i DMS platformama, internim portalima i web aplikacijama. Integracija se vrši putem API-ja, a autentifikacija se može povezati s vašim postojećim sistemom upravljanja korisnicima.

Šta se dešava kada dodamo nove dokumente?

Novi dokumenti se indeksiraju automatski ili po rasporedu koji definiše klijent. Sistem ne mora biti ponovo treniran u cjelosti — novi odlomci se dodaju u postojeći indeks, a odmah postaju dostupni za pretragu. Ažuriranje verzija dokumenta može biti praćeno i historijatom izmjena, ako je to potrebno.