Srovnání platforem pro vývoj vlastních AI chatbotů

Abstract

Táto diplomová práca sa zaoberá porovnaním platforiem na vývoj vlastných AI chatbotov založených na veľkých jazykových modeloch (LLM). Teoretická časť predstavuje pojmy generatívnej umelej inteligencie, LLM a princíp Retrieval-Augmented Generation (RAG), ktorý umožňuje chatbotom pracovať s vlastnými zdrojmi dát. Analytická časť hodnotí vybrané platformy so zameraním na ich funkcionalitu a možnosti integrácie firemných dát. Na základe tejto analýzy je navrhnutý scenár experimentu zameraného na tvorbu a overovanie priemyselnej dokumentácie. Následne je tento experiment vykonaný na vybranej platforme s využitím RAG princípu za pomoci veľkých jazykových modelov. Následne je výstup hodnotený z hľadiska kvality, presnosti a rýchlosti odpovedí. Práca je uzavretá zhodnotením dosiahnutých výsledkov a návrhom smerov ďalšieho riešenia.

This thesis presents a comparison of platforms for developing custom AI chatbots based on large language models (LLMs). The theoretical part introduces the concepts of generative artificial intelligence, LLMs, and the Retrieval-Augmented Generation (RAG) principle, which enables chatbots to work with custom data sources. The analytical part evaluates selected platforms with a focus on their functionality and possibilities for integrating proprietary data. Based on this analysis, an experimental scenario is designed, targeting the creation and verification of industrial documentation. The experiment is subsequently carried out on a selected platform using the RAG principle in combination with large language models. The outputs are then evaluated in terms of quality, accuracy, and response speed. The thesis concludes with an evaluation of the achieved results and recommendations for further development.