Fundada em 2011, com escritórios no Reino Unido e na Índia, a Kovai é uma empresa privada de software empresarial que oferece vários produtos na área de SaaS empresarial e B2B. Desde sua fundação, a empresa expandiu, chegando a 300 funcionários e atendendo a mais de 2.500 clientes. Enquanto participava do Microsoft Global MVP Summit 2010, o fundador e CEO da Kovai, Saravana Kumar, identificou uma lacuna no mercado em relação às ferramentas essenciais para gerenciar e monitorar ambientes do Microsoft BizTalk Server (um sistema de middleware que automatiza processos de negócios). Após cerca de um ano de desenvolvimento e construção, o primeiro produto da empresa, o BizTalk360, foi lançado.
O BizTalk360 oferece uma visão centralizada para administração, monitoramento e acesso às funções analíticas de um ambiente do BizTalk Server. Após a introdução inicial do produto, a empresa cresceu rapidamente, chegando a 145 clientes em 2013, e Saravana foi reconhecido como "MVP de integração do ano" no Microsoft Global MVP Summit.
Em 2018, a Kovai lançou o Document360, uma plataforma de base de conhecimento para empresas de SaaS que buscam uma solução para documentação de software de autoatendimento. O Document360 oferece ferramentas para criar conteúdo de forma rápida e eficiente e disponibiliza um site de documentação auto-hospedado para que o conteúdo possa ser consumido de forma eficaz.
No início de 2023, Saravana e sua equipe notaram duas mudanças principais no comportamento dos clientes. Primeiro, seus clientes começaram a fazer perguntas e a buscar respostas mais personalizadas e relevantes, sem a necessidade das tradicionais “palavras-chave de pesquisa”. Isso significava que os clientes buscavam respostas mais imediatas e precisas, em vez de perder tempo lendo um artigo inteiro da base de conhecimento. A segunda coisa que Kovai percebeu foi a tendência macro de aumento da popularidade e do anseio por ferramentas como ChatGPT e Large Language Models (LLMs) para casos de uso corporativo, onde os usuários digitavam perguntas em vez de palavras-chave para obter respostas rapidamente.
Para capitalizar essas tendências, a Kovai lançada recentemente seu assistente de IA "Eddy", que fornece respostas às perguntas dos clientes utilizando LLMs, com base nas informações de uma determinada base de conhecimento. A pesquisa é um dos recursos essenciais de uma plataforma de base de conhecimento, permitindo que clientes encontrem facilmente as informações certas em vez de navegar por estruturas hierárquicas complexas para encontrar o que estão procurando. O objetivo da Eddy é proporcionar uma experiência envolvente ao cliente que:
Durante a fase de desenvolvimento do produto, as equipes de engenharia e ciência de dados do Document 360 pesquisaram soluções que permitissem aos clientes fazer perguntas e fornecer rapidamente respostas precisas a partir dos artigos da base de conhecimento. Depois de ler os white papers sobre Retrieval Augmented Generation (RAG), a equipe da Kovai ficou convencida de que uma estrutura RAG ajudaria a resolver seu desafio específico. Isso permitiu que o Eddy respondesse às perguntas com base no contexto de uma base de conhecimento e elaborasse respostas com base nesse contexto. Os recursos adicionais de que a equipe precisava incluíam:
A Kovai já estava usando o MongoDB como seu sistema de registro de banco de dados, mas agora precisava adquirir também uma solução de pesquisa vetorial. A equipe de engenharia avaliou alguns bancos de dados vetoriais no mercado para armazenar e recuperar embeddings de artigos da base de conhecimento. No entanto, eles logo descobriram que as outras soluções criaram vários problemas no fornecimento de respostas precisas devido à necessidade de mover e sincronizar grandes volumes de dados entre o banco de dados do MongoDB e qualquer banco de dados vetoriais externo.
Assim, em julho de 2023, a equipe de engenharia optou por aumentar o investimento no MongoDB Atlas usando o recém-lançado MongoDB Vector Search para armazenar e recuperar embeddings, garantindo que tanto o conteúdo quanto seus respectivos embeddings estejam hospedados no MongoDB. O Atlas Vector Search oferece à equipe uma pesquisa avançada para recuperar embeddings com base em métricas de similaridade com menor latência, e se encaixa perfeitamente na implementação existente do Atlas. Saravana, da Kovai, também observa que o Atlas Vector Search é “robusto, econômico e incrivelmente rápido”, o que é especialmente importante para sua equipe em crescimento. Os recursos do MongoDB ajudam as equipes de engenharia e ciência de dados do Document 360 com:
Saravana Kumar, CEO, Kovai
Dr. Selvaraaju Murugesan, diretor de ciência de dados, Kovai
Captura de tela do produto Kovai Eddy
O novo produto já aprimorou a experiência do usuário. Somente as respostas da base de conhecimento relevantes para o contexto da pergunta são fornecidas, e essas respostas têm referências cruzadas com artigos relevantes para garantir a confiança.
O produto foi um trabalho de amor para Saravana e sua equipe, algo que ele observa ter sido possível graças à parceria e à assistência técnica que receberam do MongoDB e ao investimento no Atlas Vector Search.
Saravana Kumar, CEO, Kovai