A PLATFORM SUPPORTING VIRTUAL ASSISTANT DEVELOPMENT FOR ENTERPRISES

Abstract

Enterprise organizations increasingly require intelligent virtual assistants to improve knowledge management and enable employees to access internal information efficiently. However, existing AI-based assistants often suffer from hallucinated responses, limited support for enterprise-specific knowledge, and inadequate access control when handling sensitive organizational documents. These challenges become even more critical in multi-tenant environments, where multiple organizations share the same infrastructure while requiring strict data isolation and fine-grained authorization. Therefore, there is a need for a secure and scalable platform that enables enterprises to build AI-powered virtual assistants capable of providing accurate responses based solely on authorized organizational knowledge. This thesis proposes a multi-tenant Enterprise Virtual Assistant Platform that enables organizations to develop AI-powered knowledge assistants from their internal documents. The proposed platform integrates Retrieval-Augmented Generation (RAG) with an Adaptive RAG workflow that combines heuristic query filtering, query rewriting, hybrid retrieval, reranking, and response generation to improve retrieval quality and reduce hallucinations. To ensure secure knowledge access, the system introduces a Policy-Aware Retrieval (PAR) Gate that enforces tenant isolation and finegrained document authorization before retrieval is performed, ensuring that only documents accessible to the requesting user are considered during response generation. In addition, the platform provides comprehensive enterprise knowledge management capabilities, including document ingestion, automated indexing, user and role management, and permission administration within a shared multi-tenant architecture. The proposed platform is implemented as a web-based application using FastAPI, React, PostgreSQL with pgvector, LangGraph, and self-hosted large language models. The document processing pipeline supports automatic text extraction, hybrid structural chunking, embedding generation, and hybrid indexing for efficient semantic and keyword-based retrieval. Experimental evaluation demonstrates that the proposed system achieves reliable retrieval performance, generates contextually relevant responses, and effectively enforces fine-grained access control while maintaining strict tenant isolation. These results indicate that integrating Adaptive RAG with policy-aware retrieval provides a practical and trustworthy solution for enterprise knowledge management in multi-tenant environments. Các tổ chức doanh nghiệp ngày càng có nhu cầu sử dụng trợ lý ảo thông minh nhằm nâng cao hiệu quả quản lý tri thức và tạo điều kiện cho nhân viên tiếp cận thông tin nội bộ một cách hiệu quả. Tuy nhiên, các trợ lý dựa trên trí tuệ nhân tạo hiện nay thường gặp phải một số hạn chế như sinh ra các câu trả lời không chính xác, khả năng hỗ trợ tri thức đặc thù của doanh nghiệp còn hạn chế và kiểm soát quyền truy cập chưa đầy đủ khi xử lý các tài liệu nội bộ nhạy cảm. Những thách thức này càng trở nên nghiêm trọng trong môi trường đa tổ chức dùng chung hạ tầng, khi nhiều tổ chức cùng sử dụng một hệ thống nhưng vẫn yêu cầu cách ly dữ liệu nghiêm ngặt và phân quyền chi tiết. Do đó, cần có một nền tảng an toàn và có khả năng mở rộng, cho phép các doanh nghiệp xây dựng trợ lý ảo ứng dụng trí tuệ nhân tạo có khả năng cung cấp câu trả lời chính xác, dựa hoàn toàn trên nguồn tri thức của tổ chức mà người dùng được cấp quyền truy cập. Luận văn đề xuất một nền tảng Trợ lý ảo Doanh nghiệp đa tổ chức, cho phép các tổ chức xây dựng trợ lý tri thức ứng dụng trí tuệ nhân tạo từ các tài liệu nội bộ. Nền tảng đề xuất tích hợp phương pháp tăng cường sinh bằng truy xuất với một quy trình truy xuất thích ứng, kết hợp các bước lọc câu truy vấn theo quy tắc, viết lại câu truy vấn, truy xuất kết hợp, tái xếp hạng và sinh câu trả lời nhằm nâng cao chất lượng truy xuất và giảm thiểu hiện tượng sinh thông tin không chính xác. Để đảm bảo việc truy cập tri thức an toàn, hệ thống đề xuất một cơ chế truy xuất nhận biết chính sách, thực hiện cách ly giữa các tổ chức và phân quyền truy cập tài liệu chi tiết trước khi tiến hành truy xuất. Nhờ đó, chỉ những tài liệu mà người dùng được phép truy cập mới được xem xét trong quá trình sinh câu trả lời. Bên cạnh đó, nền tảng cung cấp các chức năng quản lý tri thức doanh nghiệp toàn diện, bao gồm tiếp nhận tài liệu, lập chỉ mục tự động, quản lý người dùng và vai trò, cũng như quản lý quyền truy cập trong một kiến trúc đa tổ chức dùng chung. Nền tảng được triển khai dưới dạng một ứng dụng web sử dụng FastAPI, React, PostgreSQL kết hợp pgvector, LangGraph và các mô hình ngôn ngữ lớn được triển khai trên hạ tầng riêng. Quy trình xử lý tài liệu hỗ trợ tự động trích xuất văn bản, phân đoạn văn bản kết hợp dựa trên cấu trúc, tạo biểu diễn véc-tơ và xây dựng chỉ mục kết hợp nhằm phục vụ truy xuất hiệu quả theo cả ngữ nghĩa và từ khóa. Kết quả đánh giá thực nghiệm cho thấy hệ thống đạt hiệu quả truy xuất đáng tin cậy, tạo ra các câu trả lời phù hợp với ngữ cảnh và thực thi hiệu quả cơ chế kiểm soát quyền truy cập chi tiết, đồng thời duy trì khả năng cách ly dữ liệu nghiêm ngặt giữa các tổ chức. Những kết quả này cho thấy việc kết hợp quy trình truy xuất thích ứng với cơ chế truy xuất nhận biết chính sách là một giải pháp có tính thực tiễn và đáng tin cậy cho bài toán quản lý tri thức doanh nghiệp trong môi trường đa tổ chức.