Blog · Opublikowano · Zaktualizowano
Dlaczego baza wiedzy AI nie znajduje odpowiedzi (2026)
Krótka odpowiedź
Gdy dokument istnieje, a asystent odpowiada „nie wiem”, zacznij od wyszukiwania. Najczęstsze przyczyny to jedna metoda wyszukiwania, brak rerankingu i nieaktualne wersje dokumentów. Według Anthropic (2024) połączenie kontekstowych osadzeń z wyszukiwaniem BM25 zmniejszyło liczbę nieudanych wyszukiwań o 49%, a z rerankingiem o 67%.
Jak pracujemySzczegóły ↓
- 01Rozmowa30 min z inżynierem, 0 zł
- 02Prototypdziałający system na Twoim procesie i Twoich danych, 0 zł
- 03Wdrożeniecel i stała cena w umowie, 50% przy podpisaniu
- 04Odbiór50% po osiągnięciu celu
- netto za aplikację, stała cena przed umową
- od 12 500 zł
- od podpisania umowy do odbioru
- 4–10 tygodni
- darmowy prototyp na Twoich dokumentach
- 0 zł
Należymy do programów partnerskich OpenAI i Anthropic, twórców ChatGPT i Claude, i uczymy się z ich oficjalnych kursów. Co to znaczy ↓
Autor: Syntalith · 2 min czytania
Statystyki
Bazy wiedzy z AI: statystyki 2026
−67%
nieudanych wyszukiwań według Anthropic (2024) po połączeniu kontekstowych osadzeń, wyszukiwania BM25 i rerankingu. Samo połączenie osadzeń i BM25 dało −49%.
49%
Według Anthropic (2024) połączenie kontekstowych osadzeń i wyszukiwania BM25 zmniejszyło liczbę nieudanych wyszukiwań o 49%, a z rerankingiem o 67%.
11 z 13
Według badania NoLiMa (2025) przy 32 tys. tokenów kontekstu 11 z 13 modeli spada poniżej połowy skuteczności, którą mają przy krótkim kontekście.
146
Według Bartanowicza i Jassema (LREC 2026) w systemie RAG na dokumentacji technicznej, ocenianym na 146 pytaniach referencyjnych, Bielik-11B-v2.3-Instruct konsekwentnie przewyższał PLLuM-12B-nc-chat.
83%
Według Smits i Walkowiaka (EACL 2026) w RAG na polskiej Wikipedii, ocenianym na 1000 pytaniach PolQA, PLLuM-12B dorównał jakością modelom 70B przy zużyciu energii mniejszym o 83%.
Dane sprawdzone: 22 października 2026
Trzy przyczyny, które odpowiadają za większość porażek
Model widzi tylko to, co dostanie w kontekście. Jeśli wyszukiwanie nie znalazło właściwego akapitu, dla modelu ten akapit nie istnieje, choćby leżał w bazie od roku.
| Objaw | Przyczyna | Co pomaga |
|---|---|---|
| Nie znajduje numeru faktury ani kodu błędu | tylko wyszukiwanie po znaczeniu | dodanie wyszukiwania słów, na przykład BM25 |
| Nie znajduje odpowiedzi na pytanie innymi słowami | tylko wyszukiwanie słów | dodanie wyszukiwania po znaczeniu |
| Właściwy fragment jest, ale na dalekiej pozycji | brak rerankingu | drugi model oceniający kandydatów |
| Pewna odpowiedź z cytatem, ale nieaktualna | stare wersje i duplikaty w źródłach | porządek w dokumentach i starzenie wyników |
Wyszukiwanie hybrydowe i reranking
Wyszukiwanie po znaczeniu dobrze rozumie pytanie „jak rozliczamy nadgodziny w weekend”, gdy procedura mówi o „pracy w dni wolne”. Gubi jednak dokładne ciągi: numer FV/2026/08/117, kod E-4471, symbol części. Dlatego obie ścieżki biegną równolegle, a wyniki scala się w jedną listę. Anthropic w publikacji Contextual Retrieval podaje, że takie połączenie zmniejszyło liczbę nieudanych wyszukiwań o 49%, a z rerankingiem o 67%.
- 01Pytaniesłowa i znaczenie szukane równolegle
- 02Scaleniejedna lista kandydatów z obu ścieżek
- 03Rerankingdokładniejszy model ustawia kolejność
- 04Kontekstkilka najlepszych fragmentów z wersją i datą
- 05Odpowiedźz cytatem albo odmowa, gdy brak podstawy
Więcej tekstu nie pomaga. Badanie Context Rot opisuje spadek jakości przy rosnącej długości wejścia, a według NoLiMa (2025) przy 32 tys. tokenów 11 z 13 modeli spada poniżej połowy skuteczności z krótkiego kontekstu (NoLiMa).
Nieaktualne i sprzeczne dokumenty
Tej przyczyny nie naprawi żaden model. Jeśli na dysku leży cennik z 2024 r. obok cennika z 2026 r., wyszukiwanie znajdzie oba, a model wybierze jeden albo połączy je w odpowiedź, która brzmi pewnie. Porządkowanie dokumentów to osobna pozycja projektu: duplikaty, sprzeczności, OCR dokumentów bez warstwy tekstu i właściciel każdego zbioru.
- Czy wyszukiwanie łączy znaczenie i słowa
- Czy jest reranking i ile fragmentów trafia do kontekstu
- Jak system traktuje starszą wersję tego samego dokumentu
- Czy wynik wyszukiwania i odpowiedzi ocenia się osobno na pytaniach zespołu
Jak sprawdzić bazę wiedzy przed zakupem
Asystent nie znajduje dokładnych numerów i kodów
wyszukiwanie słów obok wyszukiwania po znaczeniu
zmiana konfiguracji
Właściwe źródło jest w wynikach, ale za daleko
reranking i liczba fragmentów w kontekście
zmiana konfiguracji
Odpowiedzi pewne, ale z nieaktualnych dokumentów
porządek w źródłach i właściciele zbiorów
praca zespołu
Test zaczyna się od 50 pytań, które zespół już zadał, z dokumentem i fragmentem, który powinien się pojawić. Najpierw mierzysz, czy właściwy fragment trafia do pierwszych pięciu wyników. Dopiero potem oceniasz odpowiedź. Gdy wyszukiwanie znajduje źródło, a odpowiedź jest zła, problem leży w generatorze albo w instrukcji. Gdy wyszukiwanie nie znajduje źródła, zmiana modelu językowego nic nie da.
Dla polskich dokumentów są już publiczne testy: Bartanowicz i Jassem (LREC 2026) porównali cztery modele do wyszukiwania i metody wektorową, pełnotekstową i hybrydową na 146 pytaniach do dokumentacji technicznej. Wyniki dotyczą ich korpusu, więc decyzję podejmuje test na Twoich pytaniach. Bazę wiedzy z wyszukiwaniem hybrydowym budujemy w ramach aplikacji AI od 12 500 zł netto, a na bezpłatną analizę przynieś pytania, na które asystent dziś odpowiada „nie wiem”.
Przykład z liczbami · Scenariusz
Tak liczymy zwrot: odpowiedzi z dokumentów firmy
Ten sam rachunek robimy na bezpłatnej analizie dla Twoich dokumentów.
7 088 zł
miesięcznie kosztuje szukanie odpowiedzi na 800 pytań w dokumentach
Zwrot: 2,1 mies.
8 min na znalezienie odpowiedzi w dokumentach albo zapytanie kolegi i sprawdzanie w 15% dawnego czasu to nasze założenia. Godzina pracy 66,45 zł to nasze wyliczenie z przeciętnego wynagrodzenia według GUS z września 2026 r. (9 266,48 zł) z kosztami pracodawcy, 168 h w miesiącu. Koszt modelu: Claude Sonnet 5.5, około 6 000 + 500 tokenów na odpowiedź z dokumentów, kurs NBP 3,8889 zł z 21 października 2026 r.
Zobacz pełny rachunek →
