LAYANAN PENERAPAN QLIK ANSWERS
Bantu karyawan menemukan jawaban kontekstual yang terhubung dengan sumber di seluruh kebijakan, manual, kontrak, basis pengetahuan, dan data enterprise yang disetujui.
Artha memadukan arsitektur pengetahuan, tata kelola, teknik data, evaluasi AI, dan desain alur kerja untuk mengimplementasikan Qlik Answers sebagai kapabilitas bisnis yang tepercaya.
IKHTISAR AI
Artha Solutions mengimplementasikan Qlik Answers untuk akses bahasa alami (natural language) terhadap analitik tepercaya dan konten tidak terstruktur yang dikurasi. Layanan mencakup pemilihan use-case, sumber data, metadata, kontrol akses, basis pengetahuan, evaluasi, adopsi, dan tata kelola operasional.
Jawaban atas pertanyaan rutin terbagi di antara dokumen kebijakan di SharePoint, pengecualian yang dicatat dalam wiki tim, dan ambang batas (threshold) yang hanya ada di dasbor. Tidak seorang pun memegang ketiga hal tersebut sekaligus, sehingga pertanyaan tersebut akhirnya diajukan kepada rekan kerja, dan rekan kerja tersebut menjawab berdasarkan ingatan.
Pencarian kata kunci mengurutkan berkas, sehingga manual setebal 90 halaman tetap muncul sebagai hasil pencarian karena istilah tersebut muncul sekali di halaman 74. Karyawan tetap harus membukanya, menemukan bagian yang dimaksud, dan menilai apakah hal tersebut sesuai dengan situasi mereka. Langkah akhir itulah pekerjaan yang sebenarnya, dan fungsi pencarian tidak pernah melakukannya.
Kebijakan yang telah digantikan dan penggantinya biasanya berada di repositori yang sama, dan tidak ada metadata yang membedakannya. Pengambilan data memperlakukan keduanya sama relevannya, sehingga asisten AI dapat mengutip aturan yang telah ditarik tahun lalu dengan tingkat keyakinan yang persis sama dengan aturan yang berlaku saat ini. Ini adalah masalah kepemilikan konten sebelum menjadi masalah AI.
Setiap repositori memiliki model izinnya sendiri, dan yang paling penting adalah identitas yang digunakan untuk mengindeks konten. Mengindeks sebagai akun layanan istimewa membuat segalanya dapat diakses oleh siapa saja yang dapat mengajukan pertanyaan; mengindeks per pengguna akan menurunkan cakupan secara drastis. Cara masalah ini diselesaikan menentukan apakah asisten aman untuk diterapkan.
Pilot yang didemonstrasikan dengan baik biasanya dinilai berdasarkan apakah jawabannya terdengar benar, karena tidak ada kumpulan pertanyaan dengan sumber yang diharapkan untuk dinilai. Tanpa dasar tersebut, tidak ada yang dapat mengatakan apakah perubahan konten meningkatkan asisten atau diam-diam merusaknya, dan tidak ada pemilik yang bertanggung jawab ketika itu salah.
Qlik Answers adalah asisten AI berbahasa natural dari Qlik untuk menjawab pertanyaan di seluruh analitik terpercaya dan konten terkurasi yang tidak terstruktur. Asisten ini menyediakan respons kontekstual, kemampuan penjelasan (explainability), dan sitasi untuk sumber yang tidak terstruktur. Memahami secara garis besar cara kerjanya adalah hal yang membuat keputusan desain menjadi sangat jelas:
Artha membantu mengurangi respons yang tidak didukung melalui konten yang dikelola, transparansi sumber, evaluasi, and kontrol operasional. Tidak ada sistem GenAI yang boleh dianggap menghilangkan halusinasi, dan vendor mana pun yang mengatakan sebaliknya sedang berjualan. Tujuan realistisnya adalah asisten yang akurat pada pertanyaan yang dicakupnya, mencantumkan sumbernya, dan menolak sisanya.
Kami memulai dari pertanyaan yang benar-benar diajukan oleh pengguna, yang dikumpulkan dari tiket dukungan, antrean helpdesk, dan kotak masuk pihak mana pun yang saat ini sering dimintai keterangan. Kumpulan tersebut menentukan cakupan sumber, dan biasanya mengungkap konten yang tidak bertuan. Setiap sumber yang disertakan akan diberikan pemilik yang jelas beserta aturan penghentiannya, karena konten tanpa pemiliklah yang nantinya menghasilkan jawaban keliru yang tampak meyakinkan.
Identitas pengindeksan dan model izin saat kueri dirancang secara terpadu, karena komponen pertama menentukan apa yang ada di dalam basis pengetahuan, sedangkan komponen kedua menentukan siapa yang dapat mengaksesnya. Jika aplikasi Qlik terstruktur termasuk dalam cakupan, perilaku Section Access diverifikasi terhadap peran pengguna yang sebenarnya, bukan diasumsikan, karena pembatasan tingkat baris harus tetap berfungsi saat diajukan dalam bahasa natural.
Basis pengetahuan dicakupkan per domain alih-alih satu korpus tunggal untuk seluruh enterprise, karena set sumber yang spesifik adalah tuas terbesar untuk kualitas temu kembali (retrieval). Perilaku asisten dikonfigurasikan untuk mengutip dan menolak: asisten yang menyatakan tidak dapat menemukan jawaban jauh lebih berguna daripada asisten yang merangkai paragraf yang tampak masuk akal dari materi yang berdekatan.
Kumpulan pertanyaan representatif dengan sumber pendukung yang diharapkan untuk masing-masing pertanyaan, yang dinilai berdasarkan apakah jawaban tersebut didasarkan pada sumber tersebut dan bukan sekadar fasih secara bahasa. Kumpulan ini secara sengaja mencakup pertanyaan-pertanyaan yang seharusnya ditolak dan pertanyaan yang tidak boleh dijawab oleh pengguna dengan hak akses terbatas. Pengujian ini dijalankan kembali setelah ada perubahan konten, sehingga regresi dapat terlihat secara nyata alih-alih bersifat anekdotal.
Umpan balik yang ditangkap dalam asisten dan diarahkan ke pemilik konten, bukan ke kotak surat bersama, sehingga jawaban yang salah menjadi perbaikan konten yang didokumentasikan. Pemantauan mencakup volume pertanyaan, tingkat penolakan, dan topik yang tidak terjawab, yang memberi tahu Anda di mana konten hilang alih-alih di mana model tersebut lemah.
Pertanyaan mengenai kebijakan SDM, perjalanan dinas, pengeluaran, and IT memiliki volume tinggi, kompleksitas rendah, dan bersifat repetitif, itulah sebabnya hal tersebut sangat menghabiskan waktu'minggu ini. Konten tersebut telah ditulis dan disetujui, sehingga asisten menjawab dari kumpulan sumber yang otoritatif daripada menafsirkannya. Kasus penggunaan awal yang sangat baik untuk alasan tersebut.
Agen kehilangan waktu penanganan karena harus mencari perilaku produk terkini di catatan rilis, daftar masalah yang diketahui (known-issue lists), dan panduan internal. Jawaban yang terhubung dengan sumber memangkas waktu pencarian tersebut, dan jalur eskalasi tetap utuh sehingga hal apa pun di luar konten yang disetujui akan diteruskan ke manusia alih-alih diimprovisasi.
Prosedur administratif dan operasional, aturan penjadwalan, serta protokol departemen untuk tim yang berwenang. Dukungan keputusan klinis secara sengaja berada di luar cakupan: nilai utamanya terletak pada konten operasional yang memperlambat kinerja staf, dan menjaga batasan tersebut tetap eksplisit adalah hal yang membuat penerapan ini dapat disetujui.
Deskripsi kontrol, batasan persetujuan, dan kewajiban pelaporan didokumentasikan secara presisi dan berubah pada siklus yang telah diketahui, yang sangat cocok untuk metode temu kembali (retrieval). Sitasi lebih penting daripada sekadar kemudahan dalam domain ini, karena jawaban yang ditindaklanjuti oleh seseorang harus dapat dilacak kembali ke versi kebijakan yang mengesahkannya.
Seorang teknisi di lini produksi membutuhkan prosedur yang tepat dari manual setebal 400 halaman, melalui tablet, saat ini juga. Buku manual terstruktur dan stabil, sehingga proses pencarian informasi bekerja dengan baik, sebagai alternatif dari harus menelepon seseorang yang menyimpan riwayat peralatan di kepalanya dan akan segera pensiun.
Menemukan perjanjian mana yang berisi jenis klausul tertentu, periode pemberitahuan, atau batas kewajiban di ratusan dokumen jika tidak dilakukan secara manual dengan membaca. Dibatasi pada konten komersial yang disetujui dengan kontrol akses yang cocok dengan tim transaksi, ini menggantikan peninjauan berhari-hari dengan daftar pendek awal untuk diverifikasi.
Aplikasi analitik · Kebijakan · Manual · Kontrak · Repositori pengetahuan
Koneksi · Pengindeksan · Metadata · Kurasi domain
Peran tenant · Peran space · Section Access · Kepemilikan konten
Pengambilan (Retrieval) · Penalaran · Respons Kontekstual · Kutipan Sumber
Umpan Balik · Evaluasi · Pemantauan · Pembaruan Konten · Eskalasi
Asisten pertama yang layak memiliki kelompok pengguna yang jelas, domain pertanyaan yang terfokus, dan set sumber yang disetujui.
BUKTI KEBERHASILAN KLIEN
Dipilih dari sistem studi kasus Artha yang telah dipublikasikan. Anonimisasi pelanggan tetap terjaga.
Tantangan: Catatan pelanggan di 12 platform warisan menciptakan profil yang tidak konsisten, upaya kepatuhan, dan rekonsiliasi manual.
Solusi Artha: Artha mengimplementasikan Talend Data Fabric, pengelolaan (stewardship), dan data master yang terkelola dalam fondasi data Snowflake dan AWS.
Talend Data Fabric, Snowflake, AWS S3, Apache Spark, Talend, AWS, S3
Tantangan: Lebih dari 300 mitra utilitas memasok data dalam berbagai format, yang menciptakan kompleksitas validasi, orientasi (onboarding), dan audit.
Solusi Artha: Artha membangun Talend Data Integration Hub berbasis metadata dengan validasi, stewardship, dan pemrosesan mitra otomatis.
Talend
SUMBER DAYA TERKAIT
KONEKSI ANALIS Disponsori oleh: Qlik dan Artha Solutions AI and Data Modernization: Enterprise Readiness and Value Realization Desember 2025 Pertanyaan diajukan oleh: Qlik dan Artha Solutions Jawaban oleh: Stewart Bond.
Jelajahi whitepaperKeberhasilan dengan AI dimulai dari data. Meningkatkan kualitas dan aksesibilitas data untuk AI adalah prioritas utama organisasi saat ini; sembilan bulan lalu, prioritas tersebut adalah meningkatkan infrastruktur AI. Namun, membangun fondasi data yang solid untuk...
Jelajahi whitepaperDalam dunia yang digerakkan oleh data saat ini, tetap relevan di masa depan seringkali berarti meninggalkan platform ETL legacy seperti Informatica PowerCenter, terutama saat platform tersebut mendekati akhir dukungan (end-of-support). Meskipun migrasi semacam itu sering dianggap...'etl removes both problems by carrying Informatica business logic across to Talend as metadata, so more than 70 percent of jobs convert with nobody retyping a rule.
Jelajahi artikelMICROSITE QLIK TERHUBUNG
PERTANYAAN YANG SERING DIAJUKAN
Jawaban ringkas berdasarkan informasi produk Qlik saat ini dan pendekatan konsultan Artha.
Qlik Answers adalah asisten AI berbahasa alami di Qlik Cloud yang dapat menjawab pertanyaan menggunakan analitik tepercaya dan konten tidak terstruktur yang dikurasi. Solusi ini memberikan respons kontekstual, kemampuan penjelasan (explainability), dan sitasi untuk sumber yang tidak terstruktur.
Pencarian perusahaan (enterprise search) biasanya mengembalikan dokumen atau bagian teks yang diberi peringkat. Qlik Answers menghasilkan respons kontekstual dari analitik tepercaya dan sumber yang dikurasi, sekaligus menampilkan transparansi (explainability) dan kutipan untuk konten tidak terstruktur agar pengguna dapat memeriksa materi pendukung.
Ya. Basis pengetahuan Qlik Answers dapat mengindeks jenis dokumen yang didukung dari koneksi yang disetujui dan konten yang diunggah. Dokumentasi Qlik saat ini mencantumkan sumber seperti SharePoint, Google Drive, OneDrive, S3, dan koneksi file lainnya, tunduk pada batasan produk dan izin yang berlaku.
Qlik mendeskripsikan sitasi dan transparansi sumber untuk respons yang tidak terstruktur. Artha juga merekomendasikan evaluasi, kepemilikan konten, dan kontrol eskalasi agar pengguna dapat memverifikasi jawaban penting alih-alih hanya mengandalkan teks yang dihasilkan.
Memilih domain terfokus dengan pertanyaan yang sering muncul, konten yang disetujui dan cukup mutakhir, kelompok pengguna yang jelas, pemilik yang akuntabel, serta kriteria keberhasilan yang terukur. Hindari memulai dengan korpus enterprise-wide yang tidak dibatasi.
Akses Qlik Answers bergantung pada izin penyewa (tenant) Qlik, peran ruang (space roles), dan untuk aplikasi terstruktur, perilaku Section Access. Identitas pengindeksan dan izin sumber harus dirancang dengan cermat karena komponen tersebut menentukan konten apa yang diindeks dan apa yang dapat dikueri oleh setiap pengguna.
Artha menyusun kumpulan pertanyaan yang representatif, kumpulan sumber yang diharapkan, kriteria penerimaan, dan proses peninjauan. Evaluasi mencakup relevansi, keandalan berbasis sumber, kualitas sumber, perilaku perizinan, kasus penolakan dan eskalasi, masukan pengguna, serta regresi perubahan konten.
Implementasi yang terfokus biasanya dimulai dengan domain pengetahuan yang ditentukan, set sumber yang dikendalikan, dan kriteria penerimaan yang terukur. Waktu yang dibutuhkan bergantung pada kualitas konten, kompleksitas akses, dan persyaratan integrasi.
LANGKAH BERIKUTNYA
Mulai dari satu domain yang dimiliki oleh bisnis, sumber yang disetujui, dan kriteria evaluasi yang terukur.
