ALTEN集團案例分享

英國 Methods AnalyticsALTEN集團旗下公司)開發出一款整合檢索增強生成技術(Retrieval Augmented Generation, RAG)的對話式 AI 助手。該助手可透過高效查詢與分析履歷與專案案例,更快速、精準地識別合適人選,同時提升招標流程中的決策品質。

在商業競爭中,找到合適人才與採用先進技術同等重要。當兩者結合,其產生的綜效更為顯著。然而,傳統履歷與專案需求的配對流程耗時且易受主觀判斷影響。Methods Analytics 作為一家具備端對端數據服務能力的公司,專注服務醫療、政府及國防領域,透過 AI 技術優化人才篩選流程,為客戶帶來更高效的解決方案。

挑戰如何在履歷與專案案例資料庫中高效篩選匹配的人才資源?

解決方案Methods Analytics 打造專屬的 AI 對話助手,透過客製化系統協助企業節省時間成本,並減少人為偏見的影響。

專案亮點:

  • 與現有系統無縫整合
  • 高可訪問性與使用便利性
  • 具備彈性與高度適應性
  • 自動化流程顯著降低時間成本
  • 系統可持續更新與優化
  • 精簡化整體招標流程

績效指標提升:

  • 將履歷生成器整合進技能矩陣系統,人力成本降低約 30%
  • 專案案例撰寫時間由 2 天縮短至 1 小時,效率提升達 16 倍

提供最佳解決方案: 

作為領先的顧問公司,Methods Analytics 深知高效尋找合適人才對維持競爭優勢至關重要。為此,他們運用生成式 AI 結合 RAG 技術,開發出一款對話式 AI 助手,可即時從企業內部資料庫中查詢符合專案需求的履歷與案例資料。系統採用客製化檢索架構以優化文檔相關性,並設計易於操作的使用介面,同時與 Microsoft Teams 完整整合,方便團隊成員使用。

技術與工具: 

該系統運用了 RAG 技術與提示工程來優化檢索流程與提示模版設計,確保產出簡潔且準確的回應內容。自動更新的雲端 RAG 索引可即時同步履歷與專案資料,提升資料即時性與準確度。

系統核心功能以 Python 開發,並結合多項 Azure 雲端服務(包括 Azure Functions、Cognitive Search、Blob Storage、Logic Apps、Container Registry 等)以實現雲端自動化。GitHub 用於版本控管與團隊協作,Flask 則支援建構 Web 應用模組。

系統具備高度可擴展性與靈活性,可自動因應新增資料與業務需求。此外,命名實體識別(NER)與光學字元辨識(OCR)功能進一步強化文檔分析與搜尋能力。對話介面以 OpenAI GPT-3.5 與 Streamlit 打造,操作直覺簡便,而 Azure Bot Framework 則負責處理對話機器人功能。

提高速度、效率與準確性: 

新系統將篩選合適人選的時間從 24 小時縮短至不到 5 分鐘。由於匹配精準度提升,系統能更快速地對應技能與案例需求,降低因延遲導致的錯失風險。迅速取得相關案例與員工資料,有助於更有效地準備投標文件,節省團隊時間與精力。與 Microsoft Teams 的整合也確保了解決方案的廣泛可用性與必要的權限控管。