This project aims to leverage Machine Learning (ML) to automate the generation of meeting summaries, significantly enhancing the efficiency and accuracy of extracting key insights for decision-making. By analyzing data from data lakes and warehouses, the ML model will produce concise and informative summaries. Additionally, the integration of Retrieval-Augmented Generation (RAG) will enable the system to draw from vast amounts of information to create comprehensive and high-quality summaries, providing executives with a complete and valuable overview.
ขอบเขตงาน
พัฒนาโมเดล ML: สร้างโมเดลที่สามารถวิเคราะห์และสรุปข้อมูลจากการประชุมได้อย่างแม่นยำ โดยใช้เทคนิคการดึงข้อมูล (retrieval) เพื่อนำเสนอข้อมูลที่สำคัญและเกี่ยวข้อง
ติดตั้งระบบ: ติดตั้งและปรับแต่งระบบบนเซิร์ฟเวอร์ภายในเพื่อความปลอดภัยในการจัดการข้อมูล และแน่ใจว่ามีการจำกัดการเข้าถึงข้อมูลโดยไม่มีการรั่วไหล
จัดการข้อมูล: พัฒนาวิธีการในการดึงข้อมูลที่เกี่ยวข้องและวิเคราะห์ข้อมูลเพื่อสรุป โดยใช้ความสามารถของ RAG ในการเชื่อมโยงข้อมูลเก่ากับข้อมูลใหม่
ฝึกอบรมทีมงาน: จัดการฝึกอบรมเพื่อเพิ่มความสามารถในการใช้งานระบบ ML ในการสร้างรายงานและสร้างความเข้าใจเกี่ยวกับการใช้ RAG เพื่อประโยชน์สูงสุด
ความสำเร็จของโครงการ
การสรุปรายงานที่แม่นยำ: ใช้ ML และเทคนิค RAG ช่วยในการสร้างสรุปที่ชัดเจนและเข้าใจง่าย ซึ่งทำให้ผู้บริหารสามารถรับข้อมูลที่สำคัญได้เร็วขึ้น
การรักษาความปลอดภัยของข้อมูล: การใช้ระบบ On-Premises ทำให้ข้อมูลปลอดภัยยิ่งขึ้น โดยมีการควบคุมการเข้าถึงข้อมูลอย่างเข้มงวด
ประหยัดเวลา: ระบบช่วยลดเวลาในการจัดทำรายงาน ซึ่งทำให้ทีมทำงานได้เร็วขึ้นและสามารถมุ่งเน้นไปที่การวิเคราะห์ข้อมูลในเชิงลึกมากขึ้น
การตัดสินใจที่มาจากข้อมูล: การใช้ ML ในการสร้างรายงานทำให้ผู้บริหารสามารถตัดสินใจได้อย่างมีข้อมูลสนับสนุน สร้างความมั่นใจในการดำเนินการ