RAG (generering med informationssøgning)
Generering med informationssøgning (RAG) er en metode, hvor relevante oplysninger hentes og gives til en sprogmodel, når den genererer et svar. Oplysningerne kan komme fra dokumenter, søgeresultater eller andre kilder uden for modellens træningsdata. Både kvaliteten af de hentede oplysninger og modellens brug af dem påvirker svaret, herunder om der er belæg for dets påstande.
Hvorfor det er vigtigt for en virksomhed
RAG forklarer, hvordan en assistent kan bruge en nyligt opdateret side om en ydelse uden at vente på, at en ny model bliver trænet. Det forklarer også, hvorfor dårlige kildedata kan føre til et dårligt svar. Som virksomhedsejer er det især relevant, om de oplysninger, der kan hentes, er korrekte og tilgængelige.
Eksempel og dokumentation
I et tænkt eksempel henter en supportassistent en returpolitik, før den svarer en kunde. Hvis den henter den gamle politik, kan et velformuleret svar stadig være forkert. AIGROWs kildeundersøgelser handler om observeret brug af webkilder. De kan ikke afdække alle udbyderes interne metode til at hente oplysninger.
Undersøg de webkilder, der bliver brugt
Hvad du skal gøre nu
Sørg for én tydelig, opdateret kilde til vigtige politikker og oplysninger om dine ydelser. Fjern modstridende versioner, hvor du har kontrol over dem. Angiv datoer, og præcisér, hvad oplysningerne gælder for, når noget ændrer sig. Kontrollér, om det genererede svar stemmer med den kilde, der faktisk blev hentet.
Typisk spørgsmål
Relaterede begreber
Kilder og metode
Kilderne er gennemgået pr. 2026-10-09. Eksempler markeret som illustrative er ikke målte resultater fra virksomheder.
Tjek, om din virksomhed optræder i AI-svar
Kør den gratis scanning for at se, hvilke assistenter der nævner din virksomhed, og hvilke oplysninger du bør se nærmere på. En scanning bygger på en stikprøve og er ikke en garanti for fremtidige anbefalinger.