RAG (Retrieval-Augmented Generation) és l’arquitectura en què un LLM respon basant-se en documents reals recuperats d’una base vectorial i en cita la font. A Dokuflex, LLM i RAG funcionen dins del BPM com a IA privada: dades allotjades a la UE, sense entrenar models amb els teus documents, amb els permisos heretats del BPM i una cita a cada resposta.
El problema: ChatGPT no pot llegir els teus contractes
Els LLM públics (ChatGPT, Gemini, Claude via claude.ai) són potents, però no coneixen la teva empresa. Si hi puges documents perquè els analitzin, transfereixes dades personals i secrets comercials a un tercer, normalment amb servidors fora de la UE.
La resposta no és prohibir la IA — això només desplaça el problema a l’shadow IT de l’empleat. La resposta és oferir dins del teu BPM un LLM que conegui el teu fons documental, respecti els teus permisos i deixi un rastre auditable.
Aquesta és la promesa del RAG (Retrieval-Augmented Generation) implementat dins de Dokuflex: el LLM no "sap" res de la teva empresa, però busca i cita els teus documents a cada consulta.
Què és RAG, sense màrqueting
RAG = Retrieval-Augmented Generation. En lloc de demanar al LLM que "recordi" informació del seu entrenament (on pot inventar), li donem un procés de dos passos:
- Retrieval (recuperació): el sistema busca en una base vectorial els fragments (chunks) de documents més rellevants per a la pregunta. La cerca és semàntica, no per paraula clau.
- Generation (generació): el LLM rep la pregunta de l’usuari més els fragments recuperats com a context, i produeix una resposta basada només en aquest context, amb cites a la font.
L’efecte: el LLM respon sobre els teus contractes, polítiques i expedients sense que aquests documents formin part de l’entrenament del model. I si la informació no és a la base vectorial, el sistema respon "no trobo informació sobre això" en lloc d’inventar.
Per a una empresa europea, RAG resol tres problemes alhora: al·lucinacions, sobirania de la dada i auditabilitat.
Arquitectura RAG dins de Dokuflex
Aquests són els components desplegats, tots a la UE, tots governats pel BPM:
| Capa | Component Dokuflex | Ubicació de la dada |
|---|---|---|
| Font documental | Repositori Dokuflex (expedients, contractes, PDF). | UE (ES/DE/FR/NL) |
| Processament (OCR + chunking) | Pipeline d’ingesta: OCR, segmentació semàntica, neteja de PII opcional. | UE |
| Embeddings | Model d’embeddings europeu (Mistral, E5-multilingual, BGE-m3). | UE |
| Vector store | Base vectorial dedicada per client (pgvector, Qdrant, Weaviate). | UE |
| Recuperació | Hybrid search (semàntica + BM25), filtres per permisos ACL. | UE |
| LLM (generació) | Mistral Large, Llama 3.1 / 3.3, Claude (AWS Bedrock EU), model Dokuflex on-prem. | UE |
| Orquestració | BPM Dokuflex amb human-in-the-loop i aprovacions. | UE |
| Auditoria | Log immutable: pregunta, fonts recuperades, resposta, usuari, marca de temps. | UE |
El client tria el centre de dades (Espanya, Alemanya, França, Països Baixos) i el model de LLM. Sense trànsit pels EUA en cap moment del pipeline.
Casos d’ús reals a Dokuflex
Cinc escenaris en què RAG aporta valor immediat dins d’un BPM:
Assistent de contractes
"Quines clàusules de penalització tenim amb el proveïdor X?" — resposta basada en els contractes signats amb cita al PDF i a la clàusula concreta.
Cercador semàntic de tiquets
L’agent descriu el problema en llenguatge natural i el sistema recupera els tiquets similars resolts abans amb la seva solució i el temps mitjà.
Assistent de conveni col·lectiu
Un empleat pregunta pels dies de permís per trasllat de domicili i obté la resposta exacta del conveni aplicable, amb cita a l’article.
Cerca en polítiques internes
"Quina és la nostra política de retenció de logs per a dades financeres?" — respon citant el manual de compliance vigent.
Anàlisi d’expedient
L’analista pregunta per riscos i excepcions en un expedient — el LLM resumeix documents de KYC, balanços i antecedents, amb cites.
Redacció assistida amb context
Un redactor jurídic genera un escrit basat en plantilla + jurisprudència interna + dades de l’expedient, amb human-in-the-loop abans de signar.
Compliment del RGPD: com es tradueix a la pràctica
Les exigències del RGPD per a la IA aplicades al RAG de Dokuflex:
- Art. 5 · Minimització: el LLM només rep els chunks recuperats, no el corpus complet. I només els chunks que l’usuari té autoritzats.
- Art. 6 · Base jurídica: tractament basat en l’interès legítim del responsable (millora operativa) o en l’execució contractual, registrat al RAT.
- Art. 22 · Decisions automatitzades: Dokuflex insisteix en el human-in-the-loop per a qualsevol decisió que afecti persones (RRHH, scoring creditici). El LLM proposa, la persona decideix.
- Art. 32 · Seguretat tècnica: xifratge en repòs (AES-256), en trànsit (TLS 1.3), permisos heretats del BPM, logs immutables.
- Art. 44 · Transferències internacionals: evitades per disseny. Sense Schrems-II ni Schrems-III: l’stack viu a la UE.
- Art. 35 · Avaluació d’impacte (AIPD/DPIA): proporcionem una plantilla de DPIA específica per a l’ús de RAG sobre dades personals.
- Art. 15-22 · Drets de l’interessat: dret d’accés, rectificació i supressió propagats al vector store: si esborres un document del BPM, els seus chunks desapareixen de l’índex i de la memòria cau.
EU AI Act: classificació i obligacions
El Reglament (UE) 2024/1689 classifica els sistemes d’IA en quatre nivells. La majoria de casos típics de Dokuflex cauen en risc limitat o risc mínim:
- Assistent documental, cerca, resum, redacció assistida: risc limitat → obligació de transparència (informar l’usuari que interactua amb una IA).
- Classificació de documents, extracció de dades: risc mínim → bones pràctiques, sense obligacions específiques.
- Decisions que afecten persones (RRHH, crèdit): risc alt → human-in-the-loop, registre de model, DPIA, supervisió humana.
Dokuflex documenta a cada desplegament quin model es fa servir, quin proveïdor, quina versió, quines dades s’han processat i amb quina finalitat. Aquesta documentació cobreix el requisit del registre de sistemes d’IA, que entra en vigor per fases el 2026-2027.
RAG a Dokuflex vs ChatGPT Enterprise / Microsoft Copilot
No substitueix ChatGPT general. Sí que cobreix els casos sensibles que no hauries d’enviar a un LLM extern:
| Dimensió | LLM/RAG Dokuflex | ChatGPT Enterprise / Copilot |
|---|---|---|
| Ubicació de la dada | UE (ES/DE/FR/NL) | EUA / UE segons contracte (amb DPF) |
| Entrenament amb les teves dades | No, per contracte | No, per contracte |
| Origen UE del model | Sí (Mistral, Llama via Azure EU) | No (OpenAI EUA, Anthropic EUA) |
| Permisos BPM heretats | Sí, a nivell de chunk | Només a nivell de SharePoint/Drive |
| Cites a la font | Obligatòries, amb enllaç al PDF | Opcionals, no sempre fiables |
| Auditoria completa | Log immutable exportable a SIEM | Limitada al tenant |
| Integració amb workflow | Nativa: aprovacions, signatura, arxiu | Externa via API |
La regla pràctica: ChatGPT per al coneixement genèric, Dokuflex RAG per als teus documents sensibles.
Com el despleguem a la teva organització
- Discovery (1 setmana): identifiquem 2-3 casos d’ús prioritaris i el corpus documental rellevant. Validem la base legal (RAT, DPIA si escau).
- Ingesta pilot (1 setmana): indexem 1.000-5.000 documents del client en un vector store dedicat. OCR + chunking + embeddings.
- Validació amb experts (1 setmana): usuaris reals proven el LLM amb preguntes reals i en validen l’exactitud i les cites. Ajust del prompt i dels filtres.
- Desplegament progressiu (2-4 setmanes): escalat a la resta del corpus, integració amb fluxos BPM, formació d’equips, mètriques d’adopció.
- Governança contínua: revisió mensual de l’adopció, la qualitat de les respostes, els casos rebutjats i l’evolució del model i del prompt.
Temps total per tenir un primer cas d’ús en producció: de 4 a 8 setmanes. Sense migrar el teu BPM ni reescriure processos.
Preguntes freqüents
Què és RAG i per què importa en una empresa europea? +
RAG (Retrieval-Augmented Generation) és l’arquitectura en què un LLM respon basant-se en documents reals recuperats en temps real d’una base vectorial. En lloc d’inventar, cita. Importa a Europa perquè permet fer servir IA sense enviar tot el corpus al model (minimització RGPD) i mantenir la traçabilitat: cada resposta apunta a la seva font, requisit clau per a l’auditoria i per a l’EU AI Act.
Les meves dades es fan servir per entrenar models externs? +
No. A Dokuflex el LLM s’invoca en mode inferència sobre els teus documents vectoritzats, però les dades mai no es fan servir per entrenar ni reentrenar el model base. Els acords amb els proveïdors de models (Mistral, Llama via Azure EU, Claude via AWS Bedrock EU, model Dokuflex on-premise) exclouen explícitament el reentrenament sobre dades de client.
On s’allotgen les dades i els embeddings? +
A la Unió Europea. El vector store, els documents originals, els logs i els embeddings resideixen en centres de dades ubicats a Espanya, Alemanya, França o els Països Baixos segons el client. No hi ha transferències als Estats Units, ni tan sols a l’empara del Data Privacy Framework: Dokuflex evita el risc de Schrems-III configurant tot l’stack dins de la UE.
Com es controla quins documents pot veure el LLM? +
El RAG de Dokuflex hereta els permisos del BPM: el LLM només recupera fragments de documents que l’usuari té autoritzats. Un usuari de RRHH no podrà obtenir respostes basades en contractes comercials encara que hi pregunti. L’autorització s’avalua a cada consulta a nivell de chunk, no a nivell de col·lecció.
Això compleix l’EU AI Act? +
Sí, per als casos d’ús típics a Dokuflex (assistent documental, classificació, extracció, redacció assistida), que són de risc limitat o mínim. Incloem les mesures exigides: transparència, traçabilitat amb cita, human-in-the-loop i registre de model i proveïdor. Per als casos de risc alt s’aplica una governança addicional documentada.
Necessito GPU o servidors cars? +
No. Dokuflex ofereix el LLM i el vector store com a servei gestionat a la UE: el client només paga per consultes i per documents indexats. Per a clients amb requeriments on-premise (defensa, sanitat pública, banca tier-1), hi ha una versió instal·lable amb models oberts (Llama 3.1, Mistral) sobre la infraestructura del client.
IA empresarial sobirana, en producció en 4-8 setmanes
Reservem una sessió guiada de 60 minuts per veure el LLM funcionant amb els teus propis documents en un entorn aïllat a la UE. Inclou plantilla de DPIA, RAT i comparativa de models europeus.
Fonts oficials
Contingut informatiu verificat el 2026; no constitueix assessorament legal ni fiscal. Consulta sempre la font oficial vigent.