RAG (izguves papildināta ģenerēšanas (RAG) tehnoloģijas pielietojums uzņēmumu virtuālo asistentu pielāgošanai un efektivitātes uzlabošanai
Author
Apsīte-Auniņa, Karīna
Co-author
Latvijas Universitāte. Eksakto zinātņu un tehnoloģiju fakultāte
Advisor
Skadiņa, Inguna
Date
2025Metadata
Show full item recordAbstract
Pētījumā analizēta Retrieval-Augmented Generation (RAG) arhitektūras piemērotība un efektivitāte klientu apkalpošanas sistēmu automatizācijā, fokusējoties uz “Rīgas satiksmes” (RS) publisko dokumentu korpusu. Izstrādāti trīs virtuālo asistentu (VA) prototipi, balstīti uz GPT-4o (Azure OpenAI), Chatbase un LLaMA+FAISS risinājumiem, un veikts to salīdzinošs novērtējums. Novērtēšanas kritērijos iekļauta faktu precizitāte, halucināciju biežums, latentums un lietotāju vērtējums. Eksperimentos pierādīts, ka RAG arhitektūra, sasaistīta ar uzņēmuma dokumentāciju, būtiski samazina halucinācijas un uzlabo VA atbilžu uzticamību. Sistēmas ar striktu “strictness” konfigurāciju un datētiem avotiem spēj nodrošināt līdz pat 90% precizitāti. Darbā iekļauti arī ieteikumi turpmākai RAG risinājumu attīstībai, t.sk. reāllaika datu integrācija, personifikācija un multimodalitāte. Pētījums apvieno akadēmisku bāzi ar praktisku ieviešanu Latvijas pašvaldību uzņēmuma kontekstā. The thesis investigates the applicability and effectiveness of Retrieval-Augmented Generation (RAG) architecture in automating customer support systems, focusing on the publicly available document corpus of “Rīgas satiksme” (RS). Three virtual assistant (VA) prototypes were developed using GPT-4o (Azure OpenAI), Chatbase, and LLaMA+FAISS, followed by a comparative evaluation. Assessment criteria included factual accuracy, hallucination rate, latency, and user feedback. Experiments confirmed that RAG architectures significantly reduce hallucinations and improve response reliability when integrated with domain-specific documentation. Strict system prompts and timestamped sources achieved up to 90% response accuracy. The work also proposes further development directions for RAG systems, including real-time data integration, user personalization, and multimodality. This study combines academic insight with practical deployment in the context of a Latvian municipal enterprise.