AIエンジンアーキテクチャ
Bitgrit AIエンジンはSentraの認知の核であり、静的な企業データをインタラクティブで安全性の高いインテリジェンスレイヤーに変えます。
大規模言語モデル (LLM)
動的ナレッジベース RAG
Sentraは、高度な**Retrieval-Augmented Generation (RAG: 検索拡張生成)**パイプラインを利用しています。モデルの一般的なトレーニングデータに依存するのではなく、RAGシステムはLLMを御社独自の企業データ（PDF、Wordドキュメント、社内Wiki）に直接接続します。
ヒューマンインザループ RAG (未回答キュー)
重要な企業業務において最大の精度を保証するため、Sentraは厳格な人間の検証ワークフローをサポートしています。一般的なAIチャットボットは、情報が不足しているとハルシネーション（幻覚）を起こすことがよくあります。Sentraは、不明なクエリを人間の専門家に安全にルーティングすることでこれを防ぎます。
ワークフロー:
- 検出と保存: AIがRAGのコンテキストに基づいて質問に答えられないと判断した場合（「分かりません」などのキーワードを検出するか、低い信頼度を計算した場合）、クエリはデータベースに
UnansweredQuestion（未回答の質問）として安全に保存されます。 - 保留中のキュー: 保存されたクエリは、管理者受信トレイの「未回答キュー」にルーティングされます。
- 専門家からのフィードバック: 人間のインストラクターが保留中のクエリを確認し、正確で検証済みの回答を手動で作成します。管理者は、この新しい知識が属する特定のアクセス権限「チャネル」を選択します。
- オムニチャネルブロードキャスト: 解決されると、システムは遅延した返信を、接続されたIMアプリ（SlackやLINEなど）を通じて元の質問者に直ちにプッシュします。
- RAGナレッジとしての保存: 検証済みの回答は永久にベクトルデータベースに埋め込まれ、選択されたチャネルに結び付けられます。次にユーザーが同じ質問をしたとき、AIは自律的に正しい回答を取得して提供します。
プラガブルナレッジベース
現在開発中（TBC）のこの機能により、企業はSentraを自己ホスト型のストレージデバイスに直接接続できるようになり、AIはクライアントのローカルイントラネットから物理的に外に出ないデータを処理できるようになります。
公開知識の獲得
組み込みのWebCrawlerとスクリーニングメカニズムにより、Sentraはターゲットとする公開URLからデータを安全に取り込んでベクトル化し、内部IPと外部の市場データを安全に組み合わせることができます。
アクセスと統合
ロールベースのデータソース (RBAC)
AIの回答は、ユーザーのOIDCクレデンシャルに基づいてデータベースレベルでフィルタリングされます。
- 臨床的な質問をする看護師は、管理上の質問をする人事マネージャーとは異なるデータコンテキストを受け取ります。
チャネルベースのアクセスとIM統合
ユーザーは新しいポータルにログインする必要はありません。Sentraは既存のワークフロー内でサイレントアシスタントとして機能します。
- 利用可能な統合: Slack、LINE。
- 開発予定 (TBC) の統合: Discord、WhatsApp、Matrix。
カスタム AI (Bitgritネットワーク)
一般的なLLMでは解決できないタスクのために、Bitgritはカスタムモデル開発を提供します。
分類器と予測モデル
TensorFlowなどのフレームワークを利用して、Bitgritはカスタム分類器（画像認識、複雑な異常検知、需要予測など）を展開し、それらをSentraワークフローパイプラインにシームレスに統合できます。
41,000人以上のデータサイエンティストからなるBitgritのグローバルコミュニティを通じて、クライアントはコンペティションを開催し、高度に専門化されたユースケース向けに最も正確なオーダーメイドのAIモデルを調達することができます。