EN 
DE 
Místo zdlouhavého hledání stačí položit otázku. Dokumentační chatbot pomáhá uživatelům rychle najít potřebné informace v rozsáhlé dokumentaci datového skladu (DWH) Ministerstva práce a sociálních věcí (MPSV). V PRINCIPALu jsme ho pro MPSV vyvinuli jako AI asistenta, který propojuje dokumentaci z různých zdrojů, vyhledává v ní relevantní souvislosti a odpovídá uživatelům běžným jazykem.
Shrnutí
Dokumentační chatbot pro DWH je AI asistent, který odpovídá běžným jazykem na otázky nad technickou dokumentací datového skladu MPSV. Propojuje dokumentaci z různých zdrojů do jednoho místa, odpovědi opírá o interní dokumenty a umí připravit i ukázkový SQL dotaz. Analytici a vývojáři se tak rychleji zorientují a potřebné informace najdou jednou otázkou, bez zdlouhavého procházení dokumentace.
Hlavní přínosy pro Ministerstvo práce a sociálních věcí
- Rychlejší orientace v rozsáhlé dokumentaci DWH
- Snazší přístup k odborným informacím bez nutnosti znát strukturu zdrojů
- Kvalitnější odpovědi díky optimalizaci vyhledávání (RAG) a kontextu
- Podpora návazné konverzace a generování ukázkových SQL dotazů
- Jednodušší připojování dalších dokumentů a zdrojů
- Průběžné vyhodnocování kvality prostřednictvím observability a zpětné vazby
- Vyšší stabilita, udržovatelnost a připravenost řešení na další rozvoj
Výzva projektu: Odpovědi ukryté v pěti různých zdrojích
V prostředí s rozsáhlými agendami a datovými zdroji je kvalitní, dohledatelná a průběžně aktualizovaná technická dokumentace důležitým předpokladem pro efektivní práci s datovým skladem.
Dokumentační báze DWH se skládala z různých zdrojů: DevOps wiki, dokumentů k projektu v Microsoft Teams, nahrávek technických schůzek, kódu v gitu a metadat popisujících datové modely jednotlivých aplikací. Při řešení konkrétního problému tak uživatelé mohli potřebovat procházet rozsáhlou technickou dokumentaci.
Cílem bylo vytvořit centrální a srozumitelné rozhraní nad dokumentací, které:
- umožní pokládat otázky přirozeným jazykem,
- dokáže pracovat s různorodými a průběžně se měnícími zdroji,
- vrátí odpověď opřenou o relevantní interní dokumentaci,
- pomůže také s tvorbou ukázkových SQL dotazů,
- bude možné sledovat, vyhodnocovat a dále zpřesňovat pro produkční využití.
Naše řešení: Dokumentační chatbot pro DWH
Ve spolupráci s dalšími subjekty MPSV jsme vyvinuli Dokumentačního chatbota pro DWH. Jádrem řešení je API komponenta, která přijímá dokumenty z různých zdrojů (právě výše uvedených DevOps wiki, Microsoft Teams, ale i přepisů schůzek, číselníků nebo konfiguračních souborů).
Dokumenty se rozdělí na menší významové části - chunky - a uloží do vektorové databáze. Při dotazu systém vyhledá obsahově nejrelevantnější části a předá je jazykovému modelu jako kontext. Metodika Retrieval-Augmented Generation (RAG), tedy generování odpovědí podložených vyhledanými dokumenty, tak propojuje schopnost modelu formulovat srozumitelnou odpověď s informacemi z řízené dokumentační báze.
Výsledek: Uživatel získá odpověď v přirozeném jazyce a podle potřeby také ukázkový SQL dotaz. Součástí realizace bylo testování, monitorování, pravidelná aktualizace dokumentů a vyhodnocování kvality odpovědí.
V druhé fázi jsme navázali rozvojem řešení pro spolehlivější každodenní provoz. Optimalizovali jsme vyhledávání a RAG, rozšířili práci s kontextem a konverzační historií a migrovali řešení na model GPT-5. Dokumentový pipeline jsme rozšířili o SharePoint, soubory XLSX a DOCX a obsah git repozitářů. Upravili jsme uživatelské rozhraní a zavedli feedback API, díky němuž mohou uživatelé hodnotit odpovědi. Platforma Arize Phoenix zajišťuje observabilitu a tracing, tedy dohled nad průběhem dotazů a chováním jednotlivých částí systému. Rozvoj doplnila kontinuální produkční podpora, troubleshooting, optimalizace deploymentů a aktualizace technické dokumentace.
Dosáhli jsme tak klíčových benefitů:
- Jedno místo pro dokumentaci
- Dotazování přirozeným jazykem
- Přesnější odpovědi díky RAG
- Kontrola kvality a stabilní provoz
Jak řešení konkrétně pracuje:
- Načtení zdrojů – API a dokumentový pipeline přijmou obsah z podporovaných dokumentů a systémů.
- Rozdělení obsahu – dokumentový splitter rozdělí obsah na menší významové části.
- Vektorové uložení – embeddingy reprezentují význam textu a umožní sémantické vyhledávání.
- RAG odpověď – relevantní kontext doplní dotaz pro jazykový model, který vytvoří odpověď nebo ukázku SQL.
- Zpětná vazba a dohled – feedback API, tracing a observabilita pomáhají sledovat kvalitu a cíleně řešit odchylky.
Výsledek: K zobrazení dokumentace stačí jedna otázka
Dokumentační chatbot pro DWH zpřístupňuje informační bázi DWH interním uživatelům a slouží jako jednotný komunikační kanál nad dokumentací z různých zdrojů. Analytikům a vývojářům umožňuje položit otázku a získat relevantní informace bez nutnosti procházet rozsáhlou dokumentaci.
| PŮVODNÍ STAV | PO REALIZACI |
|---|---|
| Informace v DevOps wiki, Teams, nahrávkách schůzek, gitu a metadatech datových modelů. | Jednotný komunikační kanál nad dokumentační bází DWH. |
| Při řešení problému bylo nutné procházet rozsáhlou technickou dokumentaci. | Uživatel položí otázku a získá relevantní informace o modelech, skriptech a dokumentech. |
| Orientace v nové nebo neznámé datové oblasti byla náročná zejména pro nováčky. | Chatbot pomáhá analytikům rychleji se zorientovat a najít relevantní údaje. |
| Dokumentace existovala v různých formátech. | Řešení pracuje s dokumenty, nahrávkami, vývojovými skripty a metadaty datových modelů. |
| Technická dokumentace mohla vytvářet bariéru mezi IT a businessem. | Chatbot usnadňuje komunikaci mezi IT a businessem a podporuje kvalitnější zadání pro analytiky. |
| Zapojování dalších dokumentačních zdrojů vyžadovalo rozšíření znalostní báze. | AI umožňuje připojovat nové zdroje, například znění zákonů souvisejících s agendovými systémy. |
„U podobného řešení nestačí jen vybrat jazykový model. Důležité jsou kvalitní zdroje, správný kontext a kontrola odpovědí. V první etapě jsme postavili funkčního asistenta, ve druhé ho zpřesnili a připravili pro běžný provoz.“
Radek Macek
Business development manager, PRINCIPAL
Použité technologie
| OBLAST | TECHNOLOGIE A KOMPONENTY |
|---|---|
| AI a vyhledávání | Retrieval-Augmented Generation (RAG), GPT-5 a další velké jazykové modely, embeddingy, kontext z databázového schématu |
| Dokumentový pipeline | API komponenta, dokumentový splitter, SharePoint, XLSX, DOCX, Microsoft Teams, přepisy schůzek, číselníky, konfigurační soubory a git repozitáře |
| Data | Vektorová databáze a sémantické vyhledávání |
| Kvalita a provoz | Arize Phoenix pro observabilitu a tracing, feedback API, monitoring, testování, deploymenty a produkční podpora |
| Výstupy | Odpovědi v přirozeném jazyce a ukázkové SQL dotazy |
Chatbot může pomoci v dalších odvětvích
Dokumentačního chatbota lze nasadit všude, kde se znalosti skrývají v rozsáhlé a roztříštěné dokumentaci.
- Státní správa
- Zdravotnictví
- Letiště a letecká doprava
- Doprava a infrastruktura
- Obrana a bezpečnost
Hledáte podobné řešení pro svůj tým?
Částé dotazy
Co je Dokumentační chatbot pro DWH?
Je to AI asistent, který odpovídá běžným jazykem na otázky nad technickou dokumentací datového skladu. PRINCIPAL ho vyvinul pro MPSV. Propojuje DevOps wiki, Microsoft Teams, přepisy schůzek, git a metadata datových modelů a umí vytvořit i ukázkový SQL dotaz.
Jak funguje RAG nad interní dokumentací?
Dokumenty se rozdělí na menší významové části a uloží do vektorové databáze. Při dotazu systém vyhledá nejrelevantnější části a předá je jazykovému modelu jako kontext. Odpověď tak vychází z interní dokumentace, ne jen z obecných znalostí modelu.
Jaké zdroje lze na chatbot napojit?
DevOps wiki, Microsoft Teams, SharePoint, soubory XLSX a DOCX, přepisy schůzek, číselníky, konfigurační soubory, git repozitáře a metadata datových modelů. Další zdroje, například znění zákonů, lze připojovat průběžně.
Jak se hlídá kvalita odpovědí?
Uživatelé hodnotí odpovědi přes feedback API. Platforma Arize Phoenix zajišťuje observabilitu a tracing, takže je vidět, jak dotaz prošel systémem a kde vznikla případná odchylka. Kvalitu dál hlídá testování a monitoring.
Jak dlouho trvá nasazení?
U MPSV vznikl funkční asistent v první etapě od června do listopadu 2025. Druhá etapa od prosince 2025 do května 2026 ho zpřesnila a připravila na běžný produkční provoz.
Hodí se řešení i mimo státní správu?
Ano. Dokumentační chatbot lze nasadit všude, kde jsou znalosti roztříštěné v rozsáhlé technické dokumentaci, například ve zdravotnictví, v letectví nebo v dopravě.
Chcete svým týmům zpřístupnit dokumentaci jednou otázkou?
O MPSV
Ministerstvo práce a sociálních věcí (MPSV) je ústřední orgán státní správy. Jeho působnost zahrnuje mimo jiné sociální politiku, sociální pojištění, zaměstnanost, pracovněprávní legislativu, bezpečnost a ochranu zdraví při práci, rovné příležitosti a agendu evropské integrace a fondů EU.
O PRINCIPAL
Od roku 2003 navrhujeme a integrujeme IT řešení na míru. Propojujeme technologie s byznysem našich klientů ve státní správě, zdravotnictví, letectví a dopravě. Věnujeme se datům a systémové integraci, digitální identitě včetně EUDIW i eHealth řešením. Jsme členy AVDZP a AOBP.
