AI-modeller og plattformer
Perplexity publiserer veiledning om administrert RAG for bedrifts-KI

Viktige punkterAdministrert RAG flytter vektordatabaser og retrievere fra bedriftsinterne team til…
Vis mer
- Administrert RAG flytter vektordatabaser og retrievere fra bedriftsinterne team til eksterne leverandører.
- Egen drift passer for begrenset bruk, men maskinvare og vedlikehold kan oppveie de unngåtte tokenkostnadene.
- Utkontraktering trenger ikke å være bedriftsomfattende, siden hver utrulling kan fordele ansvaret for gjenfinning ulikt.
Perplexity publiserte en veiledning 19. november 2026 om hvordan selskaper kan sette ut generering med utvidet informasjonsinnhenting (RAG) gjennom en administrert tjeneste. Denne prosessen gir KI-systemer for bedrifter tilgang til informasjon utover modellens treningsdata.
Veiledningen kaller denne tilnærmingen RAG som tjeneste, eller RaaS, og bruker begrepet om ordninger der eksterne leverandører håndterer de fleste eller alle RAG-komponentene og -prosessene. Ansvaret for vektordatabaser, embeddingmodeller og søkekomponenter flyttes til leverandøren, som også kan håndtere innlesing, lagring, sikkerhet og løpende optimalisering. Avhengig av pakken leverer leverandøren språkmodellen og brukergrensesnittet eller kobler søketjenesten sin til kundens eksisterende KI-system.
Slik fungerer administrert informasjonsinnhenting
Tre utrullingsmodeller danner utgangspunktet for valget. Med lokal RAG skjer innlesing, søk og lagring på brukerens egne servere, eventuelt sammen med lokalt kjørte embedding- og språkmodeller. Et egenbygd skybasert system bruker API-er for å nå databaser og tredjepartsmodeller som driftes eksternt, men interne administratorer håndterer tilkoblingene og orkestreringen. Med RaaS administrerer leverandøren hele eller mesteparten av systemet, mens bedriften gir tilgang til databasen eller skylagringen sin.
I eksempelet på kunnskapsforvaltning i veiledningen får leverandøren tilgang til kunnskapsbasen via et API. Etter å ha renset teksten gjør leverandøren tekstpassasjene om til vektorrepresentasjoner og legger dem i en vektordatabase på egne servere. Leverandøren legger også til ny dokumentasjon etter hvert som den blir tilgjengelig, og kobler søke-API-et sitt til kundens orkestrator – programvaren som samordner brukerinndata og sender utvidede forespørsler til språkmodellen.
Når en bruker sender en forespørsel til selskapets chatbot, videresender orkestratoren teksten i forespørselen til leverandøren, som gjør den om til en vektorrepresentasjon og søker i databasen. Orkestratoren legger den returnerte informasjonen til inndataenes kontekst og sender den videre til språkmodellen. Svaret fra modellen formidles deretter gjennom chatboten. Ifølge veiledningen øker nøyaktigheten og fullstendigheten i de genererte resultatene når modellen får informasjon som ikke finnes i treningsdataene.
Bruk i bedrifter og avveininger ved utrulling
De viktigste bruksområdene er intern kunnskapsforvaltning, kundestøtte, salgsstøtte, tilgang til kundedata og produktchatboter rettet mot kunder. Interne assistenter kan søke i dokumentasjon som er lagret i tjenester som Google Drive, SharePoint og Confluence. Salgssystemer kan hente informasjon fra kundestøttesaker, konkurrentanalyser og samtaleopptak, mens løsninger for kundedata kan støtte håndtering av abonnementer, returer og endringer av personopplysninger. Produktchatboter kan også kobles til databaser i bakenden for å svare på spørsmål om produktoppslag og tekniske spørsmål.
Perplexity trekker fram raskere utrulling, mindre vedlikehold, skalerbarhet, automatisk synkronisering av innhold og integrasjon med bedriftsplattformer som fordeler ved administrert RAG, samtidig som selskapet påpeker at det fortsatt gjelder begrensninger knyttet til tjenesten og pakkenivået. Rammeverket for å bygge selv eller kjøpe en løsning tar utgangspunkt i kostnader, skala og kompleksitet. Selvdrift kan passe ved klart avgrenset bruk og gjøre det mulig å unngå kostnader for tokener og lagring når alle komponentene kjører på interne servere, men utgifter til maskinvare og vedlikehold kan redusere besparelsene.
Avanserte arkitekturer kan omfatte multimodalt og hybrid søk samt omrangering, og ifølge veiledningen tilbyr spesialiserte leverandører vanligvis den mest kostnadseffektive tilgangen til denne kompetansen. Siden de fleste RAG-systemer allerede bruker enkelte leverandørtjenester, handler valget om hvor stor del av det samlede systemet en leverandør skal bygge og administrere.
Leverandørlandskapet og Perplexity Enterprise
Veiledningen deler leverandørene inn i generelle KI-plattformer med innebygd RAG og leverandører av administrert infrastruktur i bakenden. Førstnevnte presenteres som produkter som er klare til bruk, med integrasjoner, mens sistnevnte er alternativer for skreddersydde oppsett. Det redaksjonelle utvalget av sju leverandører består av Perplexity, AWS, OpenAI, Microsoft Azure, Pinecone, LlamaIndex og Vectara.
Perplexity Enterprise inngår i utvalget som en pakke med agentbaserte verktøy. Den omfatter kunnskapsbaser for internt bruk og på prosjektnivå, nettsøk, tilgang til flere generative modeller, en egenutviklet embeddingmodell, integrasjoner med eksterne data, sikkerhet og tilgangsrettigheter for ansatte.
På sin separate side for bedrifter opplyser Perplexity at mer enn 50 000 organisasjoner har tillit til Perplexity Enterprise, og beskriver Computer som basert på 20 avanserte modeller. Den bredere plattformen kobler sammen bedriftsfiler og -verktøy for intern kunnskap, forskning og komplekse prosjekter.
Den samme siden opplyser at Perplexity ikke trener de store språkmodellene sine på data fra bedriftskunder. Blant de oppførte kontrollene er SOC 2 Type II-sertifisering, konfigurerbar oppbevaring av filer, brukeradministrasjon, SSO og SCIM samt revisjonslogger for sporing av brukeraktivitet.
Selskaper kan også kombinere tilnærmingene ved å bygge enkle systemer selv og bruke en leverandør til avanserte bruksområder. I praksis betyr det at utsetting ikke trenger å omfatte hele bedriften: Ved hver utrulling kan man velge hvor mye av kompleksiteten, kostnadene og vedlikeholdet knyttet til informasjonsinnhenting som legges hos leverandøren, mens bedriften beholder ansvaret for det den fortsatt håndterer internt.












