Platforma wiedzy napędzana AI
Twoje AI, które znaTwoją wiedzę
Zbuduj własną wektorową bazę wiedzy i rozmawiaj z AI, które naprawdę rozumie Twoje dokumenty, dane i dziedzinę. Otrzymuj precyzyjne odpowiedzi oparte na Twoich źródłach.
Każda odpowiedź z cytowaniem i podświetlonym fragmentem źródła
Fizyczna izolacja danych — osobny schemat bazy dla każdego projektu
Wdrożenie SaaS lub on-premise — także w pełni offline
Zaprojektowany dla języka polskiego, działa wielojęzycznie
Wiedza w Waszej firmie istnieje. Problem w tym, że nie pracuje.
Procedury, instrukcje, umowy, dokumentacja techniczna — wszystko jest zapisane. A mimo to:
Odpowiedzi szuka się dłużej, niż się z nich korzysta. Właściwy dokument jest „gdzieś na SharePoincie”, w PDF-ie z 2023 roku albo w mailu sprzed pół roku.
Najdroższa wyszukiwarka w firmie to doświadczony pracownik. Te same pytania wracają codziennie do tych samych osób — a ich czas kosztuje najwięcej.
Zespoły już używają AI. Tylko nie Waszego. ChatGPT nie zna Waszych procedur, więc odpowiada ogólnikami albo zmyśla. A dane, które pracownicy tam wklejają, opuszczają organizację.
Onboarding trwa miesiącami, bo wiedza jest przekazywana ustnie. Nowa osoba nie potrzebuje kolejnego szkolenia — potrzebuje możliwości zadania pytania.
Raggy nie zastępuje Waszej dokumentacji. Sprawia, że zaczyna ona odpowiadać na pytania.
Od dokumentów do odpowiedzi — bez projektu wdrożeniowego na pół roku.
1
Zaimportuj wiedzę.
Przeciągnij pliki do przeglądarki albo podłącz zasoby, które już macie: dyski sieciowe (SMB/NFS), bucket S3, katalogi lokalne serwera. PDF-y (także skany — mamy wbudowany OCR), Word, Excel, CSV, Markdown, HTML, JSON i inne. Struktura katalogów z dysku zostaje automatycznie odwzorowana w foldery bazy wiedzy.
2
Raggy indeksuje i rozumie dokumenty.
Analiza układu strony, rekonstrukcja tabel, OCR skanów, inteligentny podział na fragmenty, opcjonalne wzbogacenie każdego fragmentu o kontekst dokumentu. Wszystko trafia do hybrydowego indeksu: semantycznego (wektory) i pełnotekstowego z polskim słownikiem.
3
Menedżer tworzy asystentów AI.
Agent AI to spakowana konfiguracja: zakres wiedzy, model językowy, instrukcje i uprawnienia. „Asystent HR” widzi tylko polityki kadrowe. „Wsparcie techniczne” — tylko dokumentację produktu. Użytkownik nie konfiguruje niczego — wybiera agenta i pyta.
4
Zespół pyta. I może zweryfikować każdą odpowiedź.
Każde zdanie odpowiedzi jest znakowane cytowaniem [N]. Kliknięcie otwiera dokument źródłowy z podświetlonym dokładnie tym fragmentem — w PDF co do akapitu, w Excelu co do zakresu komórek.
Dlaczego Raggy
1
Odpowiedzi, którym można ufać — bo można je sprawdzić.
Zero „AI powiedziało”. Każda odpowiedź wskazuje źródło i konkretny fragment. Asystent, który nie znajdzie odpowiedzi w dokumentach, mówi to wprost, zamiast zmyślać.
2
Fizyczna izolacja danych, nie tylko obietnica.
Każdy projekt ma własny, dedykowany schemat bazy danych i osobny katalog plików. To nie filtr w zapytaniu — to architektura. Dane działu prawnego i dane klienta X nie mieszkają nawet w tych samych tabelach.
3
Wyszukiwanie zaprojektowane dla polskiego.
Hybryda trzech silników: wyszukiwanie semantyczne (wektory), pełnotekstowe z polskim stemmingiem i trigramowe (odporne na literówki), z fuzją wyników i opcjonalnym rerankingiem. Polski nie jest u nas „obsługiwanym językiem” — jest domyślnym.
4
Wasze dane nie trenują żadnych modeli.
A w wersji on-premise w ogóle nie opuszczają serwerowni: modele językowe, embeddingi i OCR mogą działać w całości lokalnie (vLLM, Ollama, TEI). Pełny pipeline RAG bez jednego wywołania do zewnętrznego API.
5
Dostęp pod kontrolą, zmiany pod audytem.
Trzy warstwy ról (instalacja → organizacja → projekt), asystenci przypisywani konkretnym użytkownikom, a każda zmiana w systemie trafia automatycznie do dziennika zdarzeń — ze starą i nową wartością, z możliwością eksportu do CSV.
6
Widzisz, czego Twoja baza wiedzy nie wie.
Raport pytań bez odpowiedzi pokazuje, gdzie dokumentacja ma luki — na podstawie rzeczywistych pytań pracowników. Baza wiedzy przestaje być archiwum, a staje się produktem, który można mierzyć i rozwijać.
Jeden produkt. Dwa sposoby wdrożenia. Zero kompromisów.
| Raggy Cloud (SaaS) | Raggy On-Premise | |
|---|---|---|
| Start | Rejestracja i pierwsza baza wiedzy tego samego dnia | Instalacja na Waszej infrastrukturze (Docker) |
| Dane | Izolowane per organizacja i projekt, szyfrowana transmisja | Nigdy nie opuszczają Waszych serwerów |
| Modele AI | Wiodący dostawcy (OpenAI, Google, Anthropic) lub własne klucze | Te same opcje plus modele w pełni lokalne: vLLM (GPU), Ollama (CPU), TEI |
| OCR i przetwarzanie | W usłudze | Lokalnie, z modelami offline — działa bez dostępu do internetu |
| Poczta / logowanie | Standardowe flow e-mail | Działa nawet bez serwera SMTP (linki aktywacyjne do skopiowania), first-run setup z konsoli |
| Aktualizacje | Automatyczne | Kontrolowane przez Wasz zespół IT |
| Dla kogo | Zespoły i firmy, które chcą zacząć od razu | Sektor regulowany, dane wrażliwe, polityki bezpieczeństwa wykluczające chmurę |
To dokładnie ta sama baza kodu — nie „wersja lite” i „wersja enterprise”. Możecie zacząć w chmurze i przenieść się na własne serwery, gdy skala lub compliance tego wymaga.
Raggy przynosi największą wartość tam, gdzie wiedza pracuje codziennie.
Dokumentacja jest rozproszona: PDF-y, Word, Excel, dyski sieciowe, skany.
Te same pytania wracają do tych samych ludzi.
Różne działy (albo różni klienci) wymagają odseparowanych baz wiedzy i osobnych asystentów.
Odpowiedzi muszą być weryfikowalne — „bo tak powiedziało AI” nie przejdzie audytu.
Dane nie mogą trafiać do publicznych narzędzi AI — albo w ogóle nie mogą opuszczać firmy.
Jeśli przy którymś punkcie pomyślałeś „to o nas” — porozmawiajmy.
Nie zaczynajmy od prezentacji. Zacznijmy od Waszych dokumentów.
Pokażcie nam kilka przykładowych procedur albo opowiedzcie, jak dziś pracownicy szukają informacji. W 20 minut ocenimy wspólnie, czy Raggy ma sens w Waszej organizacji — a jeśli nie ma, powiemy to wprost.