RAG įmonei: AI asistentas, kuris atsako iš jūsų dokumentų (saugiai)

Trumpas atsakymas

RAG (retrieval-augmented generation, atsakymų generavimas su paieška) yra būdas priversti kalbos modelį atsakyti tik iš jūsų įmonės dokumentų: prieš atsakydamas modelis suranda tinkamas dokumentų ištraukas ir remiasi jomis, o ne bendromis žiniomis iš interneto. Įmonei RAG reikalingas tada, kai darbuotojai kasdien ieško atsakymų procedūrose, sutartyse, kataloguose ar klientų istorijoje. Saugu naudoti DI su vidiniais duomenimis tada, kai duomenys siunčiami per verslo API (ne per nemokamą pokalbių langą), prieiga ribojama pagal darbuotojo teises, o kiekvienas atsakymas rodo šaltinį. Individualus RAG sprendimas Lietuvoje kainuoja 500–3 000 € (LogicBoost) arba nuo 2 000 € (Aiprocesai.lt); ChatGPT ar Copilot tinka, kai užtenka atsakymų be jungties su ERP ir be teisių pagal roles.

Kas yra RAG ir kam jis reikalingas įmonei?

RAG yra kalbos modelio ir paieškos derinys. Sąvoką 2020 m. gegužę pasiūlė Facebook AI Research, UCL ir NYU tyrėjai (Lewis ir kt., arXiv 2005.11401): modeliai su paieška „generuoja konkretesnę, įvairesnę ir faktiškesnę kalbą“ nei modeliai, kurie remiasi tik tuo, ką išmoko mokymo metu. AWS apibrėžimas: RAG yra „kalbos modelio atsakymo optimizavimas taip, kad prieš atsakydamas jis remtųsi patikima žinių baze už mokymo duomenų ribų“.

Kodėl tai svarbu įmonei: bendras modelis nežino jūsų grąžinimo tvarkos, jūsų sutarčių sąlygų, jūsų prekių kodų. Paklaustas jis atsakys įtikinamai ir, tikėtina, neteisingai. RAG pakeičia „atsakyk iš atminties“ į „surask mūsų dokumente ir atsakyk iš jo, nurodydamas, kur radai“.

Trys situacijos, kuriose įmonė gauna naudos iš RAG:

1. Darbuotojai klausinėja kolegų to paties. Kokia garantijos tvarka, koks atostogų procesas, koks prekės kodas. Naujas darbuotojas ieško valandą, RAG atsako per sekundes su nuoroda į procedūrą.
2. Klientų aptarnavimas atsako iš dokumentų. Techninės specifikacijos, sutarčių sąlygos, pristatymo taisyklės. Agentas paruošia atsakymą su citata, darbuotojas patvirtina.
3. Dokumentų daug, o paieška pagal raktažodį neveikia. Sutartys, projektų dokumentacija, susirašinėjimas. RAG ieško pagal prasmę, ne pagal tikslų žodį.

Eurostat 2025 m. duomenimis, tarp ES įmonių, kurios svarstė DI, bet nediegė, 48,8 % nurodė duomenų apsaugos ir privatumo abejones, o 52,5 % neaiškias teisines pasekmes. RAG su teisėmis pagal roles ir šaltinių rodymu yra atsakymas į abi.

Kaip veikia RAG paprastais žodžiais?

1. Dokumentai sukarpomi į ištraukas (po kelis šimtus žodžių) ir kiekviena paverčiama skaičių vektoriumi (embedding), kuris aprašo ištraukos prasmę.
2. Darbuotojo klausimas paverčiamas tokiu pat vektoriumi ir surandamos 5–10 prasmingai artimiausių ištraukų.
3. Prieš paiešką pritaikomos teisės: ieškoma tik tarp dokumentų, kuriuos šis darbuotojas gali matyti.
4. Modelis gauna klausimą ir rastas ištraukas su nurodymu atsakyti tik iš jų, o jei atsakymo nėra, taip ir pasakyti.
5. Atsakymas grąžinamas su šaltiniais: dokumento pavadinimas, skyrius, data.

Techniniai terminai, kuriuos išgirsite iš tiekėjo: embedding (prasmės vektorius), vektorinė duomenų bazė (kur saugomi vektoriai), chunk (dokumento ištrauka), reranking (rastų ištraukų pertvarkymas pagal tinkamumą). Nė vienas iš jų neturi reikšmės pirkėjui, jei atsakymai teisingi ir rodo šaltinį.

Ar RAG panaikina DI klaidas?

Ne. RAG sumažina klaidų, bet neišnaikina, ir tiekėjai tai dažnai nutyli. Stanford RegLab ir HAI tyrėjai 2024 m. gegužę patikrino komercinius teisinius DI įrankius su dokumentų paieška (Lexis+ AI, Westlaw AI-Assisted Research) ir nustatė, kad jie klaidingus atsakymus pateikė 17–33 % atvejų; mažiau nei bendras GPT-4, bet „tiekėjų teiginiai yra perdėti“ (arXiv 2405.20362). Vieno bendro skaičiaus „RAG sumažina klaidas X %“ patikimuose tyrimuose nėra; jei tiekėjas jį sako, paprašykite šaltinio.

Iš to išplaukia trys reikalavimai bet kokiam RAG sprendimui įmonėje:

• Šaltinis prie kiekvieno atsakymo, kad darbuotojas galėtų patikrinti per sekundes.
• „Nežinau“ kaip leistinas atsakymas, kai dokumentuose informacijos nėra, vietoj spėjimo.
• Patvirtinimas prieš veiksmą, kai atsakymas eina klientui arba į sistemą.

Kaip sukurti AI asistentą, kuris atsako iš įmonės dokumentų?

Penki žingsniai iš LogicBoost projektų. Terminas: pirma veikianti versija per 4–6 savaites.

1. Nuspręskite, kam jis atsakys ir iš ko

Vienas aiškus naudotojų ratas (pardavimų komanda, aptarnavimas, visi darbuotojai) ir vienas dokumentų rinkinys (procedūros, katalogas, sutartys). Ne „visi dokumentai visiems“. Pirmam projektui užtenka 50–500 dokumentų.

2. Sutvarkykite dokumentus ir teises

Pasenusios procedūrų versijos duoda pasenusius atsakymus. Nustatykite, kuri versija galioja, kas gali matyti kurį dokumentą (buhalteris mato sutartis, sandėlininkas ne) ir kur dokumentai gyvena (Google Drive, SharePoint, ERP, el. paštas).

3. Pasirinkite, kur veiks modelis

Trys variantai: verslo API (OpenAI, Anthropic, Google) su sutartimi, kad duomenys nenaudojami mokymui; Europos duomenų centras (OpenAI siūlo eu.api.openai.com EEE ir Šveicarijos klientams); arba atviras modelis jūsų serveryje, kai duomenys negali palikti įmonės. Trečias variantas brangesnis ir lėtesnis, bet vienintelis kai kurioms sutartims.

4. Prijunkite prie sistemų, kuriose darbuotojai dirba

Asistentas, į kurį reikia atskirai prisijungti, lieka nenaudojamas. Atsakymai turi atsirasti ten, kur klausiama: CRM kortelėje, el. pašto atsakymo juodraštyje, Teams ar Slack kanale, ERP lange.

5. Išbandykite su 50 tikrų klausimų

Surinkite 50 klausimų, kuriuos darbuotojai iš tiesų užduoda, su teisingais atsakymais. Matuokite: kiek atsakyta teisingai, kiek atsakyta „nežinau“ ten, kur turėjo žinoti, kiek atsakyta užtikrintai ir neteisingai. Paskutinis skaičius yra vienintelis, kuris turi būti nulis prieš paleidžiant.

Ar galima saugiai naudoti ChatGPT su įmonės vidiniais duomenimis?

Priklauso nuo to, per ką siunčiate. Trys skirtingi dalykai, kuriuos žmonės vadina „ChatGPT“:

Kanalas	Ar duomenys naudojami mokymui	Kam tinka
Nemokamas ar asmeninis ChatGPT langas	Pagal numatytuosius nustatymus pokalbiai gali būti naudojami modeliams tobulinti, nebent naudotojas tai išjungia	Bendram tekstui be įmonės duomenų
ChatGPT verslo planai (Team, Enterprise)	OpenAI nurodo, kad verslo planų duomenys mokymui nenaudojami	Darbuotojų kasdieniam darbui su vidiniais dokumentais
OpenAI API (per kurią kuriami RAG ir agentai)	„Nuo 2023 m. kovo 1 d. per OpenAI API siunčiami duomenys nenaudojami OpenAI modeliams mokyti ar tobulinti, nebent aiškiai pasirenkate jais dalytis“; piktnaudžiavimo stebėjimo žurnalai saugomi iki 30 dienų; galima nulinio saugojimo sutartis ir ES duomenų rezidencija	Įmonės sistemoms, RAG, agentams

Šaltinis: OpenAI kūrėjų dokumentacija „Your data“, perskaityta 2026 m. rugsėjo 22 d. Anthropic ir Google verslo API turi analogiškas sąlygas; patikrinkite galiojančią versiją prieš pasirašant.

Saugumas nesibaigia ties tiekėjo sutartimi. Prieš diegimą aprašykite:

• kokius dokumentus DI gali pasiekti ir kurie darbuotojai mato kurį atsakymą;
• ar DI gali tik atsakyti, ar ir atlikti veiksmą;
• kur ir kiek laiko saugomi klausimai, atsakymai ir ištraukos;
• kaip maskuojami asmens duomenys (vardai, asmens kodai, sąskaitų numeriai) prieš siunčiant modeliui;
• kaip registruojami DI veiksmai ir kas juos peržiūri;
• kaip laikomasi BDAR ir sektoriaus reikalavimų (medicina, finansai, teisė).

ES dirbtinio intelekto aktas prideda dar vieną pareigą: nuo 2026 m. rugpjūčio 2 d. sistemos, bendraujančios tiesiogiai su žmonėmis, privalo aiškiai pranešti, kad tai DI (50 straipsnis), o DI raštingumo pareiga darbdaviams galioja nuo 2025 m. vasario 2 d. (4 straipsnis). Vidiniam asistentui darbuotojams tai reiškia aiškų užrašą „atsakymą paruošė DI, patikrinkite šaltinį“.

Individualus AI sprendimas ar ChatGPT / Copilot: ką rinktis įmonei?

Abu turi vietą. Klausimas ne „kuris geresnis“, o „kuriam darbui“.

Klausimas	ChatGPT Team / Microsoft 365 Copilot	Individualus RAG ar agentas (LogicBoost)
Kas naudoja	Darbuotojas pokalbių lange	Procesas: laiškas, dokumentas, sistemos įvykis
Duomenys	Darbuotojo įkelti failai, Microsoft 365 turinys	ERP, CRM, apskaita, dokumentai, el. paštas kartu
Teisės pagal roles	Copilot paveldi Microsoft 365 teises; ChatGPT pagal darbo erdvę	Aprašomos pagal jūsų proceso roles
Rezultatas	Tekstas, kurį darbuotojas kopijuoja	Įrašas sistemoje, atsakymo juodraštis, užduotis
Lietuviški dokumentai ir Rivilė / Finvalda / Centas	Ne, nebent per papildomus įrankius	Taip, integracija
Kaina	Abonementas už kiekvieną naudotoją per mėnesį	Vienkartinė 500–3 000 € už užduotį, be mokesčio už naudotoją
Kada rinktis	Darbuotojai rašo, apibendrina, ieško savo failuose	Darbuotojai perrašinėja iš teksto į sistemas arba atsakinėja iš dokumentų klientams

Praktinė taisyklė: Copilot arba ChatGPT Team, jei problema yra „darbuotojams reikia geresnio rašymo ir paieškos savo failuose“. Individualus sprendimas, jei problema yra „procesas stovi, kol žmogus perrašo“, arba jei atsakymai turi eiti iš ERP ir apskaitos duomenų. Daug įmonių turi abu: Copilot darbuotojams, agentą sąskaitoms. Detalus palyginimas paruošto įrankio ir integracijos: DI integracija įmonei pagal poreikius.

Kiek kainuoja RAG sprendimas įmonei Lietuvoje?

Tiekėjas	Kas	Kaina (2026 m. rugsėjis)
LogicBoost	Vidinė žinių paieška pagal darbuotojo teises, prijungta prie CRM / ERP / el. pašto	500–3 000 € už užduotį; kaip CRM dalis 4 000–25 000 €
Aiprocesai.lt	„RAG systems“ Enterprise pakete (n8n, Make)	nuo 2 000 € + platformų licencijos
Rebi.lt	Pokalbių robotas su RAG ir OpenAI GPT svetainei	nuo 500 €, 5–10 dienų
LONGRUN, Blue Bridge, Pro AI Assistant	RAG paieška, RAG agentas, dokumentų asistentas	neskelbia

Modelio naudojimas: 1 000 klausimų per mėnesį, po 6 000 žetonų įvesties (klausimas ir rastos ištraukos) ir 400 išvesties, su GPT-4.1 mini kainuoja apie 3 USD per mėnesį, su Claude Sonnet 5 apie 16 USD; dokumentų vektorizavimas su text-embedding-3-small 0,02 USD už milijoną žetonų, tai yra keli centai už tūkstantį puslapių (OpenAI ir Anthropic kainoraščiai, 2026 m. rugsėjo 22 d.). Priežiūra 10–20 % kūrimo kainos per metus: nauji dokumentai, teisių pokyčiai, modelių atnaujinimai.

Kam RAG neapsimoka?

• Dokumentų mažiau nei 20 ir juos visi žino mintinai.
• Dokumentai neatnaujinami ir niekas neatsako už jų teisingumą.
• Klausimai reikalauja ne fakto iš dokumento, o sprendimo (kainos nuolaida, išimtis klientui).
• Įmonė nori „ChatGPT ant savo duomenų“, bet niekas negali pasakyti, kas ir ko klaus.

Kaip pradėti su LogicBoost?

Surinkite 20 klausimų, kuriuos darbuotojai užduoda kolegoms kas savaitę, ir nurodykite, kur šiandien yra atsakymai. Nemokamo audito metu LogicBoost įvertina dokumentų būklę, teisių struktūrą ir sistemas, prie kurių asistentą prijungti, ir pasiūlo apimtį su kaina. Pirma versija per 4–6 savaites, su šaltiniais prie kiekvieno atsakymo ir „nežinau“ ten, kur dokumentai tyli.

Dažniausiai užduodami klausimai

Kas yra RAG paprastais žodžiais?

Būdas priversti DI atsakyti tik iš jūsų dokumentų: prieš atsakydamas jis suranda tinkamas ištraukas ir remiasi jomis, nurodydamas šaltinį, o ne prisimena kažką iš interneto.

Ar RAG reikalingas mažai įmonei?

Nuo maždaug 20 darbuotojų arba 50 dokumentų, kai naujiems žmonėms nuolat aiškinama tas pats. Mažesnei įmonei dažniau apsimoka agentas sąskaitoms ar laiškams.

Ar saugu naudoti ChatGPT su įmonės duomenimis?

Per verslo API ir verslo planus OpenAI nurodo, kad duomenys mokymui nenaudojami; per nemokamą asmeninį langą pagal numatytuosius nustatymus gali būti naudojami. Saugumas priklauso ir nuo jūsų pusės: teisės pagal roles, asmens duomenų maskavimas, veiksmų žurnalas.

Kuo RAG skiriasi nuo modelio apmokymo (fine-tuning)?

RAG neišmoko modelio jūsų dokumentų, tik leidžia jam juos perskaityti prieš atsakant, todėl naują dokumentą užtenka įkelti. Apmokymas keičia patį modelį, kainuoja brangiau ir pasensta su kiekvienu dokumento pakeitimu. Įmonių žinioms 2026 m. beveik visada tinka RAG.

Individualus sprendimas ar Copilot?

Copilot, kai darbuotojams reikia rašyti ir ieškoti savo Microsoft 365 failuose. Individualus RAG, kai atsakymai turi eiti iš ERP, apskaitos ir lietuviškų dokumentų, su teisėmis pagal proceso roles ir be mokesčio už naudotoją.

Ar RAG veikia lietuvių kalba?

Taip. Šiuolaikiniai kalbos modeliai ir prasmės vektoriai veikia lietuviškai. LogicBoost projektuose asistentai testuojami su tikrais kliento lietuviškais dokumentais, terminais ir prekių pavadinimais prieš paleidžiant.

Atnaujinta 2026 m. rugsėjo 22 d. OpenAI duomenų politika ir modelių kainos pagal oficialius puslapius 2026 m. rugsėjo 22 d.; kitų tiekėjų kainos pagal jų svetaines tą pačią dieną. Pastebėjote netikslumą? Rašykite hi@logicboost.lt ir pataisysime.