Datakällor Dashboard & Admin kontroller

Operativ insyn i intagsstatus, stadier per källa, ombearbetningskontroller och liveloggar så att innehållsteam kan hålla kunskapsbasen korrekt utan teknisk hjälp.

Vad är denna funktion?

Data Sources Dashboard är kontrollrummet för din AI-assistents kunskap. Det är där administratörer kan se status för varje ansluten innehållskälla, förstå vad som har tagits in, diagnostisera problem och utlösa uppdateringar – allt utan att behöva involvera en ingenjör. Denna djupdykning förklarar vad instrumentbrädan ger och varför den är viktig för att hålla din assistent korrekt och pålitlig i skala.

Varför det är viktigt för ditt företag

En AI-assistent är bara lika pålitlig som innehållet den arbetar utifrån. Om ett dokumentinmatning tyst misslyckas – t.ex. en PDF-fil bearbetades inte korrekt – kan din assistent ge föråldrade svar eller helt missa viktig information. Utan insyn i vad som händer vet du inte förrän en kund klagar.

Proaktiv problemidentifiering. Istället för att ta reda på om intagsfel genom kundklagomål ser ditt team dem direkt i instrumentpanelen.
Snabbare återställning. När något går fel kan du identifiera exakt vilket steg som misslyckades och bara köra om det steget – inte starta hela processen från början. Detta är skillnaden mellan en 5-minuters fixering och en timslång upparbetning.
Operativt oberoende. Innehållsteam och operatörer kan hantera kunskapsbasen utan att lämna in tekniska biljetter för varje uppdatering eller fix.
Auditability. Varje återbearbetningsåtgärd loggas – vem som utlöste den, när och vad resultatet blev. Detta har betydelse för efterlevnad och för att förstå mönster i misslyckanden.

Hur det fungerar (ingen teknisk jargong)

Varje innehållskälla (ett dokument, en webbsida, en ansluten kunskapsbas) går igenom flera bearbetningssteg innan assistenten kan använda den. Instrumentpanelen ger dig full insyn i varje steg.

Vad du kan se per källa

Aktuell status: Är den här källan frisk, under bearbetning eller i ett feltillstånd?
Senast bearbetad: När uppdaterades den här källan senast?
Stageuppdelning: Vilket stadium är det för närvarande - hämtning, extrahering, chunking, inbäddning eller indexering?
Felinformation: Om något misslyckades, exakt vad gick fel? (t.ex. "PDF kunde inte tolkas", "anslutningen tog slut")
Exempelloggar: En läsbar logg över den senaste aktiviteten för den källan

Utlöser en upparbetning

Du kan välja exakt hur mycket du vill göra om när en källa behöver uppdateras:

Endast återhämtning — Laddar ned den senaste versionen av källan (när innehållet ändrats vid källan)
Extrahera om — analyserar om det nedladdade innehållet (när extraheringslogiken uppdaterades)
Re-chunk — Delar om innehållet i mindre bitar (när chunking-strategin ändras)
Inbädda på nytt — Återskapar AI-representationerna (när inbäddningsmodellen uppgraderades)
Fullständig upparbetning — Börjar från början (när något fundamentalt förändrats)

Denna granularitet sparar betydande tid och kostnader – du gör bara om det arbete som faktiskt behöver göras om.

Liveframstegsspårning

När du utlöser en omprocess behöver du inte undra om den fungerar. Instrumentpanelen strömmar liveloggar när varje steg slutförs, och du får ett jobb-ID som du kan dela med ditt team eller referens i en supportärende.

Säkerhetsåtgärder och begränsningar

För att förhindra oavsiktlig överbelastning:
- Endast organisationsadministratörer kan utlösa omarbetningsjobb
- Det finns en gräns för hur många samtidiga upparbetningsjobb som kan köras per organisation
- Alla åtgärder loggas med operatörens identitet och tidsstämpel

Vad du kan förvänta dig på färdplanen

Teamet bygger:

1. Bearbeta om API med kontroll per steg, plus liveloggströmning i instrumentpanelen (uppskattningsvis fyra veckor)
2. Jobbstatusspårning med e-post- eller webhook-meddelanden vid slutförande eller misslyckande

När det är klart kommer ditt driftteam att ha allt de behöver för att hålla kunskapsbasen sund och uppdaterad, utan att förlita sig på teknisk support för rutinunderhåll.