E-Learning
Inixindo

Enterprise Document Intelligence with Agentic AI

5 Hari Advanced Level

Program pelatihan advanced selama 5 hari untuk membangun solusi Enterprise Document Intelligence menggunakan AI, Retrieval-Augmented Generation (RAG), dan Agent…

Pelatihan & Sertifikasi
favorite_border

Enterprise Document Intelligence with Agentic AI

Di era kecerdasan buatan, organisasi membutuhkan lebih dari sekadar sistem penyimpanan dokumen. Pelatihan Enterprise Document Intelligence with Agentic AI merupakan program tingkat mahir (advanced) yang membahas bagaimana organisasi dapat mengelola dan memanfaatkan dokumen enterprise secara lebih cerdas menggunakan AI, Retrieval-Augmented Generation (RAG), dan Agentic AI.

Program ini dirancang untuk membantu peserta membangun solusi AI yang mampu membaca, mengekstrak, mengindeks, mencari, menganalisis, meringkas, membandingkan, dan menjawab pertanyaan dari berbagai jenis dokumen, seperti PDF, dokumen hasil pemindaian (scan), kebijakan (policy), SOP, laporan audit, kontrak, proposal, manual teknis, tabel, dan dokumen multimodal lainnya.

Berbeda dari document chatbot konvensional, pelatihan ini menekankan pendekatan Enterprise Document Intelligence, yaitu mengubah dokumen menjadi Knowledge Object yang memiliki struktur, metadata, konteks, citation (sitasi), dan evidence (bukti) agar dapat digunakan secara lebih akurat oleh sistem RAG dan Agentic AI.

Selama 5 hari, peserta akan mempelajari proses end-to-end, mulai dari document ingestion, parsing, embedding, vector database, dan RAG pipeline hingga pengembangan agentic workflow dan aplikasi berbasis Streamlit. Praktik pelatihan menggunakan teknologi seperti Python, Docling, LangChain, LangGraph, Qdrant, vLLM/LiteLLM, dan Streamlit.

Target Peserta

Pelatihan tingkat mahir ini sangat ditujukan untuk:

  • AI Engineer, Data Engineer, dan Machine Learning Engineer.

  • Software Engineer, Solution Architect, dan IT Architect.

  • Tim Data & Analytics, Knowledge Management, serta Document Management.

  • Tim Digital Transformation dan tim IT yang ingin membangun solusi RAG serta Agentic AI berbasis dokumen internal organisasi.

Pra Syarat

Untuk mengikuti pelatihan dan praktik secara optimal, peserta disarankan memiliki pengetahuan dasar berikut:

  • Memahami dasar-dasar pemrograman Python (Python programming).

  • Memahami konsep dasar LLM, embedding, dan vector database.

  • Memiliki pemahaman dasar mengenai API atau pengembangan aplikasi web (web application).

  • Mengenal perintah baris (command line) atau dasar-dasar Linux.

  • Memiliki pengetahuan dasar mengenai Docker sebagai nilai tambah.

  • Pengalaman menggunakan LangChain atau mengembangkan aplikasi AI akan menjadi nilai tambah.

Hasil pembelajaran

Tujuan Pelatihan Enterprise Document Intelligence with Agentic AI

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  • Menjelaskan konsep Enterprise Document Intelligence dan perbedaannya dengan document chatbot konvensional.
  • Mendesain arsitektur solusi AI untuk pengelolaan dokumen enterprise.
  • Mengolah dokumen multimodal menjadi struktur data yang siap digunakan oleh AI.
  • Membuat Document Profile, Knowledge Object, dan metadata dokumen.
  • Membangun pipeline RAG menggunakan Qdrant, LangChain, dan LLM.
  • Menghasilkan jawaban berbasis sitasi (citation) dan bukti referensi (evidence).
  • Membangun Agentic AI workflow menggunakan LangGraph.
Materi yang akan dipelajari

Apa yang Akan Anda Dapatkan & Pelajari dalam Pelatihan Enterprise Document Intelligence with Agentic AI?

Pelajari proses pengembangan solusi Enterprise Document Intelligence secara end-to-end, mulai dari perancangan arsitektur, pengolahan dokumen multimodal, pembuatan Knowledge Object, pengembangan pipeline RAG, hingga pembangunan Agentic AI menggunakan LangGraph. Peserta juga akan mengembangkan aplikasi berbasis Streamlit serta mempelajari evaluasi, keamanan, dan kesiapan implementasi solusi AI di lingkungan enterprise.

Enterprise Document Intelligence Architecture

  • Memahami tantangan pengelolaan dokumen enterprise serta perbedaan antara document search, document chatbot, RAG, dan Enterprise Document Intelligence.

  • Mengidentifikasi berbagai use case document intelligence dalam organisasi.

  • Merancang arsitektur end-to-end document intelligence untuk pengelolaan dokumen enterprise.

  • Mengenal technology stack yang digunakan dalam pengembangan solusi Enterprise Document Intelligence.

  • Melakukan konfigurasi lingkungan praktik (setup lab environment) dan membangun basic document ingestion pipeline.

Multimodal Document Processing & Knowledge Object

  • Mengolah berbagai jenis dokumen multimodal, meliputi PDF, dokumen scan, tabel, gambar, formulir (form), dan laporan.

  • Memahami konsep document parsing dan Optical Character Recognition (OCR).

  • Membuat Document Profile dan melakukan identifikasi struktur dokumen (document structure detection).

  • Menerapkan Knowledge Object Engineering dan pengayaan metadata (metadata enrichment).

  • Menyiapkan dokumen untuk kebutuhan RAG menggunakan evidence anchor, citation readiness, dan strategi pemotongan dokumen (chunking strategy).

Enterprise RAG with Qdrant, LangChain & LLM

  • Memahami konsep Retrieval-Augmented Generation (RAG) dan strategi embedding untuk pengolahan dokumen.

  • Menggunakan Qdrant sebagai vector database untuk penyimpanan dan pencarian data.

  • Menerapkan metadata dan payload filtering dalam proses pencarian dokumen.

  • Membangun LangChain RAG pipeline dan mengintegrasikannya dengan vLLM serta LiteLLM.

  • Melakukan retrieval optimization untuk menghasilkan jawaban berbasis sitasi (citation-based answer) dan paket bukti referensi (evidence package).

Agentic AI Workflow with LangGraph

  • Memahami perbedaan antara pendekatan RAG dan Agentic AI dalam pengolahan dokumen enterprise.

  • Mempelajari konsep LangGraph, meliputi state, node, edge, dan conditional routing.

  • Membangun agentic workflow untuk kebutuhan Enterprise Document Intelligence.

  • Mengembangkan berbagai komponen agen AI, meliputi Query Classifier, Retriever Agent, Summarization Agent, Extraction Agent, dan Comparison Agent.

  • Menerapkan Evidence Validator, Answer Composer, dan guardrail untuk memvalidasi bukti referensi serta mengurangi risiko halusinasi AI.

Streamlit App, Evaluation & Capstone Project

  • Membangun aplikasi Enterprise Document Intelligence menggunakan Streamlit.

  • Mengimplementasikan fitur document upload, indexing, Ask Document, Summarize Document, Extract Information, dan Compare Documents.

  • Mengintegrasikan Evidence Viewer untuk menampilkan bukti dan referensi dokumen.

  • Melakukan RAG evaluation untuk mengevaluasi kualitas retrieval, akurasi sitasi (citation accuracy), dan kualitas jawaban AI.

  • Memahami aspek governance, keamanan (security consideration), dan kesiapan implementasi di lingkungan produksi (production readiness).

  • Menyelesaikan Capstone Project dengan mengintegrasikan berbagai komponen Enterprise Document Intelligence yang telah dipelajari.

Temukan pelatihan mendatang lain untuk mendukung pengembangan kompetensi Anda.

Konsultasi WhatsApp
Inixindo