RAG, embeddings, הזיה, סינון PHI, אמצעי הגנת UPL, מצב חידון, התמחות אנכית, רב-לקוחות — כל מונח מקורקע בדוגמא SLAtech קונקרטית. מקושר מ-FAQ הראשי ו-מטריצת ההשוואה.
חוזה נדרש-HIPAA בין ישות-מכוסה (מרפאה, בית-חולים) לבין שותף-עסקי (ספק המעבד PHI). ללא BAA, המשרד נושא חבות ישירה על כל PHI שמעובד על-ידי הספק. SLAtech Medical שולחת אפשרות חד-דיירית זכאית-BAA; BAA מוצאת לפני כל קליטת PHI. "אנחנו עובדים על זה" לנצח = דגל-אדום.
טיפול בטקסט דו-כיווני לעברית, ערבית, פרסית — דורש מודעות מפורשת בעיצוב-טופס, בוחרי-תאריך, מחרוזות-מטבע, ויישור-כפתורים. רוב ספקי-צ'אטבוט מתרגמים-אוטומטית אך לא מלוקלים-bidi. SLAtech שולחת RTL עברית מהשורה-הראשונה — פרימיטיביי UI מודעי-bidi, פורמט-תאריך מודע-לוקאל dd/mm/yyyy, מטבע ILS, פורמט-טלפון עברית RFC2822.
חתיכת תוכן באורך מתאים (בדרך כלל 200-500 אסימונים) שצינור האחזור מחזיר כמקור ציטוט. Chunks מופקים ממסמכים גדולים יותר (PDFs, דפי ויב, ערכי שאלות נפוצות) במהלך הקליטה.
אחוז השיחות הנכנסות שהבוט פותר מקצה-לקצה ללא העברה-לאדם. שיעור-הכלה מוביל ROI ישירות — הכלה 50% מול 80% היא הפרש של 30 נקודות-אחוז בעלות-תמיכה. בסיס SLAtech: Med 78%, Legal 73%, General-Business 72%. נמדד פר-דייר בלוח-הבקרה.
עמלה שספק גובה ליצוא נתונים מהפלטפורמה. וקטור נעילה נפוץ — מחיר מנוי נמוך שפורסם + עמלת-יצוא חבויה שמשלשת את עלות-המעבר. SLAtech גובה אפס עמלת-יצוא; מתועד בעמוד התמחור וב-MSA. שאל כל ספק "האם תחייב אותי על מעבר-החוצה?" — קבל את התשובה בכתב.
וקטור מספרי בעל ממדים גבוהים שמייצג את המשמעות הסמנטית של חתיכת טקסט. שני ביטויים סמנטית דומים יש להם embeddings דומים. SLAtech מייצר embeddings בעלי 1536 ממדים באמצעות מודל embedding מוביל, מאוחסנים במאגר וקטורי סמנטי.
בנצ'מרק אטום של N שאלות שמשמש לניקוד תגובות הבוט על צירי עובדתיות, הזיה וביטחון. SLAtech שולחת חבילת-הערכה של 200 שאלות לכל-אנך — אותן שאלות משמשות להשוואת SLAtech Medical מול SLAtech General-Business מול כל מתחרה על קלט זהה. המתודולוגיה היא קוד-פתוח ב-/he/eval/ כך שלקוחות יכולים לשחזר ציונים מול הדייר שלהם.
חוק ארה"ב המגן על רשומות-חינוך של סטודנטים. מגביל חשיפה של GPA, סטטוס סיוע-כספי, רשומות-משמעת ללא אימות-זהות. SLAtech Edu שולחת שלב אימות-זהות מודע-FERPA לפני חשיפת רשומות-מוגנות; צ'אטבוטים גנריים חושפים-יתר בניסיונות התחזות (חבות-ציות).
תקן HL7 להחלפת נתוני-בריאות דרך REST APIs. משאבים כוללים Patient, Appointment, Practitioner, Encounter, Observation. SLAtech Medical יכולה לשאול EMRs תואמי-FHIR כדי לצטט זמינות-תור חיה וטפסי-קליטה ספציפיים-לרופא — לא אפשרי עם צ'אטבוטים גנריים שאין להם מודעות-סכמה.
אימון LLM על מערך נתונים ספציפי למשתמש לכוון את הנימה או הידע שלו. SLAtech לא מבצע fine-tuning על נתוני לקוחות — תוכן משתמש מוחרג מצינור האימון לפי חוזה.
הסדרת הגנת נתונים כללית (EU 2016/679). SLAtech תואם GDPR כברירת מחדל: מעבדים משניים נשלטים על ידי SCC 2021/914. אירוח בתחום השיפוט שלכם זמין לפי בקשה (Enterprise).
דפוס שבו LLM אחד מעריך את הפלט של LLM אחר על עובדתיות, הזיה וביטחון. SLAtech מריץ LLM-as-Judge על כל תגובת בוט ומציג את שלושת הציונים בתיבת הניהול.
מסגרות הסמכת-מכירות. MEDDIC = מטריקות, קונה-כלכלי, קריטריון-החלטה, תהליך-החלטה, זיהוי-כאב, אלוף. BANT = תקציב, סמכות, צורך, לוח-זמנים. SLAtech Sales מנקדת לידים על כל 6 צירי MEDDIC במהלך הקליטה. צ'אטבוטים גנריים אוספים שם + אימייל בלבד — מאבדים 80% מאות-ההסמכה ש-MEDDIC לוכדת.
מידע בריאות מוגן ומידע מזהה אישית — קטגוריות המוסדרות תחת HIPAA (ארה"ב), GDPR (האיחוד האירופי). SLAtech מחליפה מזהים שזוהו (אימייל, טלפון, כרטיס אשראי, מספר תעודת זהות, מספר תיק רפואי) באסימונים לפני קריאות LLM — לפי בחירה בעת העלאת מסמכים ובהודעות צ'אט של מבקרים; שמות בטקסט חופשי אינם מזוהים אוטומטית.
טכניקת הצמדה ל-LLM: לפני יצירת תשובה, המערכת מאחזרת את חתיכות הטקסט הרלוונטיות ביותר ממאגר וקטורי שנזרע עם תוכן המשתמש, ואז מעבירה אותן ל-LLM כהקשר. מבטל את התלות של ה-LLM בידע מאימון — תשובות מקורקעות בתוכן המרפאה / מלון / משרד ולכן לא יתבדו על מחירים או מדיניות.
Self-hosted = הלקוח מריץ את הבוט על תשתית משלו. Cloud = הספק מריץ הכל. SLAtech הוא cloud-only כברירת מחדל; מסלול Enterprise מציע אפשרות פריסה של דייר יחיד.
תחבורת Server-Sent Events שמוסרת פלט LLM אסימון-אחר-אסימון. חותכת השהיה תפיסתית בכ-70% מול חכייה לתגובה מלאה.
טקסט הוראות מוקדם לכל קריאת LLM, מגדיר תפקיד, נימה, מגבלות. SLAtech שולח system prompt ברירת מחדל לפי-תחום שלקוחות יכולים לדרוס בפלטפורמת הניהול.
העלות הכוללת של הפעלת פריסת צ'אטבוט לאורך חייה — מנוי + התמיכה האנושית שנותרה + עלות האינטגרציה + עלות המעבר. SLAtech מספקת מחשבון TCO אינטראקטיבי ב-/he/tco-calculator/ — מזינים מספר שיחות חודשי, עלות נציג, זמן טיפול ושיעור הכלה כדי לקבל את החיסכון השנתי ואת תקופת ההחזר.
היחידה שעליה LLMs פועלים — בערך 4 תווים או ¾ מילה באנגלית. תמחור הוא לפי-אסימון. SLAtech מדווח שימוש אסימונים לפי-שאילתה ועלות בתגובת ה-API.
מגבלת תאימות בתעשיית המשפטים האוסרת על לא-עורכי דין להציע ייעוץ משפטי. אמצעי הגנת UPL של SLAtech Legal מנתב כל שאלה משפטית מהותית למעקב של עורך דין.
אילוצים חוזיים או טכניים שהופכים מעבר ספקים ליקר באופן אסור — פורמטי-יצוא קנייניים, עמלות-יציאה, SOWs יועצי-הטמעה חובה, נעילת סכמת-בסיס-ידע. SLAtech שולחת אפס עמלת-יצוא, יצוא JSON-Lines של שיחות עם SLA של 24 שעות, ויצוא Markdown של בסיס-ידע. מתועד ב-MSA — לא קבור ב-שער "פנה למכירות".
פרמטר צינור האחזור ששולט בכמה chunks מוחזרים לכל שאילתה. SLAtech כברירת מחדל ל-TopK=10.
אוסף תוכן המשתמש (ערכי שאלות נפוצות, PDFs, דפי ויב מגורדים, מאמרים אוצרים ידנית) שמצמיד תשובות בוט באמצעות RAG.
מדד של קרבה סמנטית בין שני embeddings, בטווח [0, 1] (1 = זהים). צינור האחזור של SLAtech מסנן chunks לפי סף ניתן להגדרה.
כאשר LLM מייצר תוכן שנשמע סביר אך לא נתמך על ידי ההקשר שאוחזר או לא נכון עובדתית. הזיות מסוכנות במיוחד בתחומים מפוקחים (ייעוץ קליני, עמדות משפטיות, תמחור). SLAtech מציג דגל הזיה לכל-תגובה בתיבת הניהול.
דפוס ארכיטקטוני של שליחת מספר בוטים מותאמי-תעשייה (קליני, אירוח, משפטי, וכו') במקום צ'אטבוט אחד כללי. SLAtech שולח תשעה תחומים.
מספר האסימונים המקסימלי ש-LLM יכול לעבד בבקשה אחת. למודלי שפה מובילים חלון הקשר של 128k אסימונים.
פרמטר דגימת LLM ששולט באקראיות הפלט (0 = דטרמיניסטי, 1 = יצירתי). SLAtech מוגדר כברירת מחדל ל-0.3 לתשובות מקורקעות לקוח, ו-0.7 לתגובות יצירתיות.
זרם העבודה של הבוט שאוסף שם + אימייל + כוונת מבקר ודוחף ל-CRM. SLAtech תומך ב-HubSpot, Salesforce, Pipedrive באופן מקורי וכל CRM פנימי באמצעות webhook JSON-POST כללי.
מסד נתונים מותאם לחיפוש דמיון קוסינוס על מיליוני embeddings. SLAtech מריץ מאגר וקטורי תחת ClientId של כל משתמש, עם בידוד רב-לקוחות מחמיר.
נתוני-לקוח מאוחסנים פיזית בתחום-שיפוט מוגדר, מעובדים על-ידי תת-מעבדים באותו אזור, וכפופים לכללי ההעברה החוצה-גבולות של אותו תחום-שיפוט. לאחר החלטת Schrems-III של 2025, העברה חוצה-גבולות עשויה להיות שער-ציות לקונים מפוקחים. SLAtech מציעה אירוח בתחום השיפוט שלכם לפי בקשה (Enterprise).
צד שלישי שמעבד נתוני לקוחות עבור SLAtech (ספק LLM להסקה, SendGrid לאימייל, Sentry לתצפיתיות, Cloudflare ל-CDN). הרשימה הציבורית במ-/he/sub-processors/.
תכונה ב-SLAtech Education שממירה כל שיעור שהועלה לחידון תרגול אקראי. מניע גם את בוט השאלות והתשובות החי וגם את לולאת המבחן העצמי לכל-נושא.
אינטגרציה דו-כיוונית עם Google Calendar / Outlook כך שהבוט יכול לקרוא זמינות חיה, להזמין משבצות, לשלוח תזכורות ולטפל בביטולים.
המקום שבו הבוט פוגש את המבקר — ויידג'ט ויב, Telegram, WhatsApp Business, Instagram DM, אימייל. SLAtech מצרף web + Telegram + WhatsApp ב-Pro.
סוכן תוכנה שמפרש קלט בשפה טבעית ממבקר ומגיב באותה צורה — בדרך כלל באמצעות ויידג'ט ויב, ערוץ הודעות (WhatsApp, Telegram), או ממשק קולי. צ'אטבוטים מודרניים מופעלים על ידי מודלי שפה גדולים (LLMs) ויצירה מוגברת באחזור (RAG).
מספר 0-1 שמייצג את הוודאות של ה-LLM בתשובה, נגזר מציוני אחזור ופלט LLM-as-Judge. SLAtech מציג ביטחון לכל-תגובה בתיבת הניהול.
הפניה המוצגת לצד תשובת בוט שמצביעה על תוכן המקור שמשמש להצמיד אותה. תגובות בוט SLAtech שולחות { sourceUrl, snippet } לכל ציטוט.
דפוס ארכיטקטוני שבו פריסה אחת משרתת מספר משתמשים משלמים, כל אחד עם מחיצות נתונים מבודדות. SLAtech רב-לקוחות בכל שכבה: טבלאות DB, אוספים וקטוריים, פרויקטי Sentry, יומני ביקורת.
לא נמצאו מונחים תואמים.
ארבעה כלי הערכת-קונה בשירות-עצמי שבהם מונחי המילון לעיל מיושמים בפועל:
שלח אימייל למייסד — אנו מוסיפים מונחים כפי שקונים שואלים אותם.