MIYA Chat Intelligence

Studi kasus

1. 01

   Tantangan

   Asisten AI internal membutuhkan lebih dari pencarian dokumen: sistem harus membedakan pengetahuan terpublikasi dari konten yang tidak tersedia, menjaga pencarian selaras dengan perubahan dokumen, dan mendukung tinjauan administrator atas pertanyaan yang belum terjawab. Tantangannya adalah menghubungkan kontrol tersebut dengan pengalaman percakapan yang mudah digunakan.

2. 02

   Pendekatan kami

   Arahkan permintaan browser melalui backend-for-frontend Next.js yang memahami sesi pengguna. Gunakan FastAPI sebagai otoritas penulisan pengetahuan dan runtime percakapan satu agen. Simpan catatan aplikasi di Cosmos DB dan berkas di Blob Storage; proses dokumen serta embedding ke Azure AI Search. Gunakan Durable Functions untuk orkestrasi siklus hidup bila dikonfigurasi, atau pemrosesan latar belakang FastAPI. Validasi status dokumen dan kemutakhiran pencarian sebelum mengembalikan hasil.

3. 03

   Hasil

   Implementasi ini menyatukan percakapan persisten, pencarian dokumen terpublikasi dan berkas unggahan, pengelolaan konten hierarkis, tinjauan audit, dan analitik penggunaan. Administrator dapat mengatur branding, pengguna, SSO opsional, dan model. Ini adalah kapabilitas yang diimplementasikan, bukan klaim kinerja bisnis terukur.

4. 04

   Dampak

   Dirancang untuk mempermudah akses pengetahuan internal dengan mempertahankan kontrol publikasi dan visibilitas operasional. Pencatatan pertanyaan yang belum terjawab dan umpan balik mendukung tinjauan manusia. Data kuantitatif adopsi, akurasi, penghematan waktu, dan ROI belum tersedia dan tidak diklaim.