La Retrieval Augmented Generation (RAG) sta diventando fondamentale per l’intelligenza artificiale nelle aziende, ma l’implementazione pratica può essere complicata. Ragie, una startup innovativa, lancia oggi la sua piattaforma RAG-as-a-Service, con un’offerta pubblica e un finanziamento iniziale di 5,5 milioni di dollari da parte di Craft Ventures, Saga VC, Chapter One e Valor. Ragie promette una soluzione RAG gestita, semplice da utilizzare e potente per le aziende, che collega i dati aziendali con modelli di linguaggio AI per fornire informazioni aggiornate e pertinenti.

Ragie è progettata per semplificare l’uso di RAG nelle aziende. Sebbene Ragie sia una startup recente, la sua tecnologia è già integrata nella piattaforma di chat Glue AI, lanciata a maggio. I fondatori hanno notato difficoltà nell’integrazione rapida dei dati e hanno creato Ragie per risolvere questo problema.

Bob Remeika, CEO di Ragie, spiega che la piattaforma è una pipeline di acquisizione dati che facilita la connessione con fonti come Google Drive, Notion e Confluence. Ragie acquisisce e ottimizza questi dati per il recupero dei vettori e le applicazioni RAG.

Ragie offre un piano gratuito per gli sviluppatori che vogliono creare e testare applicazioni AI. Per la produzione, la piattaforma costa 500 dollari al mese con alcune limitazioni, mentre i clienti con oltre 3.000 documenti possono discutere i prezzi su base aziendale.

Ragie semplifica la gestione dei dati per le applicazioni RAG aziendali attraverso un processo in più fasi:

  • Inserimento dati: Collega diverse fonti dati, come Google Drive e Confluence.
  • Estrazione dati: Non si limita al testo, ma estrae anche il contesto da immagini e grafici.
  • Suddivisione e codifica: I dati vengono suddivisi in blocchi e codificati in vettori, memorizzati in un database vettoriale.
  • Indicizzazione: Crea indici a blocchi, di riepilogo e ibridi per un recupero efficiente.
  • Recupero e riclassificazione: Recupera blocchi rilevanti e usa LLM per affinare i risultati.

Ragie punta a migliorare la pertinenza e l’accuratezza del recupero dei dati con tecniche avanzate come il chunking semantico. Questo approccio suddivide i dati in blocchi basati sul significato, non solo sulla dimensione fissa. Ragie utilizza anche indici ibridi, combinando parole chiave e vettori semantici per una ricerca più flessibile e accurata.

Mohammed Rafiq, co-fondatore e CTO di Ragie, sottolinea l’importanza di questi miglioramenti per ridurre il rischio di errori nei contenuti generati e aiutare gli sviluppatori a creare applicazioni AI in modo rapido ed efficace.

Di Fantasy