Embeddings และ Semantic Search

Why this matters

ปัญหาคลาสสิกของการค้นเอกสาร QA: ของที่ต้องการมีอยู่จริง แต่ ค้นไม่เจอเพราะใช้คำต่างกัน

Keyword Search vs Semantic Search

Keyword search ค้นด้วยคำตรงตัว:

"bolt rust"

อาจหาเอกสารที่ใช้คำว่า:

"corrosion found on fastener"

ไม่เจอ — ทั้งที่เป็นเรื่องเดียวกัน

Semantic search พยายามค้นจาก ความหมายใกล้เคียง ไม่ใช่คำตรงตัว โดยใช้เทคนิคที่เรียกว่า Embeddings: การแปลงข้อความเป็นตัวเลขชุดหนึ่งที่สะท้อนความหมาย ข้อความที่ความหมายใกล้กันจะได้ตัวเลขใกล้กัน ระบบจึงจับคู่ “rust” กับ “corrosion” ได้แม้ไม่มีคำร่วมกันเลย

เหมาะกับ

• Historical complaint search — ค้น complaint เก่าด้วยคำอธิบายอาการ
• Similar defect search — หาเคส defect ที่คล้ายกับเคสปัจจุบัน
• Knowledge base — ค้นฐานความรู้ภายในองค์กร
• SOP/specification search — หาเอกสารที่เกี่ยวข้องโดยไม่ต้องจำชื่อไฟล์

What a BA needs to know

เวลาเขียน requirement อย่าเขียนแค่ “ระบบต้องค้นหาได้” — ให้ระบุว่าต้องการค้นแบบไหน: ค้นด้วย field ตรงตัว (Part No., วันที่) ใช้ keyword search ธรรมดาพอ แต่ค้นด้วย “อาการที่อธิบายเป็นภาษาคน” ต้องการ semantic search ซึ่งต้นทุนและความซับซ้อนต่างกัน