AIbō: Design and Evaluation of an Ontology-Guided AI Sales Assistant for Partner Incentive Programs
Autor(ka) práce:
Šmíd, Soňa
Typ práce:
Závěrečná práce - Institut celoživotního vzdělávání
Vedoucí práce:
Černý, Jan
Oponenti práce:
-
Jazyk práce:
English
Abstrakt:
AIbō is a conversational AI assistant designed to support Adastra's sales and alliance teams in navigating complex partner incentive programs. It is powered by a Retrieval Augmented Generation (RAG) pipeline grounded in a vendor-agnostic ontology and connected to an OpenAI language model through a FastAPI backend and a Supabase PostgreSQL vector database. The objective of AIbō is to reduce manual administrative effort, improve the accuracy and speed of incentive discovery, and support revenue acceleration through more effective use of partner funding. This MBA project presents the design, implementation, and evaluation of an AIbō prototype built on a Lovable frontend, FastAPI backend, and Supabase database, with development support provided by Cursor IDE and an intended migration path to Agate, Adastra's enterprise GenAI platform. The prototype achieved measurable improvements in accuracy, citation reliability, and correct display of visibility tags (internal and external) in citations, validating ontology-guided retrieval as an effective approach for enterprise assistants. A key finding of the pilot was that ontology-backed responses reached 77.6% accuracy and 100% citation reliability, outperforming non-ontology queries by 34.3 percentage points. Web search functionality and partner portal integration were intentionally disabled during the pilot to focus on the robustness of RAG-only retrieval, ensuring that performance reflected the system's reasoning supported by low-temperature model settings aimed at factual consistency. In future iterations, AIbō will evolve toward agentic functionality, capable not only of retrieving information but also of proactively managing knowledge through change detection, escalation, and integration with partner portal APIs. The project contributes to applied research by demonstrating how ontology and RAG can be combined through vibe coding to create conversational systems that deliver tangible business value.
Klíčová slova:
Conversational AI; Retrieval Augmented Generation (RAG); Partner Incentive Programs; Hyperscalers; Ontology; Large Language Models (LLMs); Cursor; Lovable; Supabase; Pilot Evaluation; Sales Enablement; Vibe Coding
Název práce:
AIbō: Design and Evaluation of an Ontology-Guided AI Sales Assistant for Partner Incentive Programs
Autor(ka) práce:
Šmíd, Soňa
Typ práce:
Závěrečná práce - Institut celoživotního vzdělávání
Vedoucí práce:
Černý, Jan
Oponenti práce:
-
Jazyk práce:
English
Abstrakt:
AIbō je konverzační AI asistent navržený pro podporu obchodních a partnerských týmů společnosti Adastra při orientaci v komplexních partnerských incentivních programech. Je postaven na architektuře Retrieval Augmented Generation (RAG), která je ukotvena ve vendor-agnostické ontologii a připojena k jazykovému modelu OpenAI prostřednictvím backendu FastAPI a vektorové databázi Supabase PostgreSQL. Jeho cílem je snížit administrativní zátěž, zvýšit přesnost i rychlost vyhledávání informací a podpořit obchodní růst efektivnějším využíváním partnerského financování. Tato práce popisuje návrh, implementaci a vyhodnocení prototypu AIbō postaveného na frontendu v Lovable, backendu FastAPI a databázi Supabase, s vývojovou podporou nástroje Cursor IDE a zamýšleným směřováním k budoucí migraci na Agate, enterprise GenAI platformu společnosti Adastra. Prototyp dosáhl měřitelných zlepšení v přesnosti odpovědí, spolehlivosti citací a ve správném zobrazování štítků v názvech citovaných dokumentů (interní a externí). Tyto výsledky potvrzují, že retrieval řízený ontologií představuje vhodný přístup pro enterprise asistenty. Pilotní testování ukázalo, že odpovědi podložené ontologií dosáhly 77,6 % přesnosti a 100 % spolehlivosti citací, což představuje o 34,3 procentního bodu lepší výsledek než dotazy bez využití ontologie. Funkce webového vyhledávání ani napojení na partnerské portály nebyly v pilotní fázi aktivní. Cílem bylo ověřit samotnou robustnost přístupu založeného výhradně na RAG a zajistit, aby výsledky odrážely skutečné chování systému podpořené nízkým nastavením teploty modelu zaměřeným na fakticky a konzistentně správné výsledky. Do budoucna se bude AIbō vyvíjet směrem k agentickým schopnostem. Nebude pouze vyhledávat informace, ale také je aktivně spravovat, detekovat změny, provádět eskalace a integrovat se s partnerskými portály prostřednictvím API. V oblasti aplikovaného výzkumu projekt přispívá tím, že ukazuje, jak lze propojit ontologii a RAG prostřednictvím vibe codingu a vytvořit konverzační systémy, které poskytují byznysovou hodnotu v enterprise prostředí.