Interní konektory
Na této stránce
Připojení zdrojů dat k Enterprise Search
Kvalita Enterprise Search závisí výhradně na datech, ke kterým má přístup. Konektory propojují vaše firemní nástroje – úložiště souborů, znalostní báze a komunikační platformy – se sémantickým indexem Mistral. To, co povolíte, a konkrétně co každému konektoru zpřístupníte, určuje jak relevanci odpovědí, tak vaši přijatelnou míru rizika.
Hlavní konektory
Konektor Google Workspace indexuje Google Drive – včetně dokumentů, tabulek, prezentací, PDF a nahraných souborů – stejně jako textový obsah a formátování Google Docs. Volitelně, v závislosti na vaší interní politice, může indexovat také Gmail a jeho přílohy. Jeho nejcennější funkcí je správa oprávnění: synchronizace je obousměrná. Pokud zrušíte spolupracovníkovi přístup ke složce na Drive, tato změna se okamžitě projeví v Enterprise Search, čímž odpadá potřeba duplicitní správy práv.
Konektor Microsoft pokrývá SharePoint Online (weby, knihovny dokumentů a seznamy), OneDrive (osobní a sdílené soubory) a volitelně Microsoft Teams (zprávy z kanálů a soubory sdílené v konverzacích). Konfigurace využívá rozhraní Microsoft Graph API: správce udělí oprávnění prostřednictvím Azure AD bez přístupu k obsahu jednotlivých e-mailů. Tuto činnost koordinujte se svým IT týmem, protože jde o úkol správy Azure, nikoliv o jednoduché kliknutí v konzoli.
Konektor Confluence indexuje stránky, blogové příspěvky, komentáře, přílohy, omezené prostory (s dodržením oprávnění Confluence), štítky a metadata. Confluence bývá často nejbohatším zdrojem technické dokumentace a interních postupů. Konektor poskytuje na tomto strukturovaném obsahu vynikající výsledky: dobře udržovaný prostor „Postupy“ přináší použitelné odpovědi téměř okamžitě.
Konektor Slack indexuje zprávy z veřejných kanálů, zprávy ze soukromých kanálů (viditelné pouze autorizovaným členům), sdílené soubory a vlákna diskusí. Jeho přidaná hodnota je specifická: zachycuje neformální rozhodnutí a výměny názorů mezi experty, které nikdo nezformalizoval do oficiálního dokumentu, jako je vysvětlení sdílené v úterý večer v technickém kanále a nikde jinde nezaznamenané.
Mistral pravidelně rozšiřuje svůj katalog. K dubnu 2026 jsou k dispozici nebo v beta verzi Notion (stránky a databáze), Jira (tikety a projekty s popisy, komentáři a přílohami), Box (soubory a složky) a Zendesk (články znalostní báze). K dispozici je také obecné API pro připojení proprietárních zdrojů prostřednictvím vlastního konektoru.
Konfigurujte s rozmyslem
Řídícím principem je nejmenší privilegium: udělujte pouze nezbytná oprávnění. Pokud nepotřebujete indexovat e-maily, nepřipojujte Gmail. Pokušení připojit vše „jen pro jistotu“ je silné, ale vytváří značnou zátěž při auditu. Omezte indexování na konkrétní prostory Confluence nebo weby SharePoint místo celé instance. Systematicky vylučujte složky obsahující citlivá osobní údaje, počínaje individuálními personálními spisy a zdravotní dokumentací.
Každý konektor umožňuje zpřesnit indexování pomocí filtračních pravidel. Můžete omezit indexování na konkrétní složky nebo prostory – například „Dokumentace“ a „Postupy“ při vyloučení osobních prostorů. Můžete vyloučit typy souborů, jako jsou video, audio nebo spustitelné soubory. Můžete filtrovat dokumenty starší než určité datum, aby se nezobrazovaly zastaralé postupy (například politika z roku 2019). Alternativně můžete indexovat pouze dokumenty označené štítkem „Schváleno“. Tento poslední filtr je pro vnímanou kvalitu odpovědí nejefektivnější, za předpokladu, že vaše týmy tuto disciplínu ve značkování skutečně dodržují.
Frekvence synchronizace je konfigurovatelná pro každý zdroj samostatně, přičemž inkrementální synchronizace probíhá automaticky. Režim v reálném čase zachycuje změny během několika minut, což vyhovuje Slacku a colaboračním nástrojům, kde informace rychle zastarávají. Hodinový režim postačuje pro SharePoint a Drive. Denní režim vyhovuje stabilním bázím, jako je Confluence, kde se stránky během dne mění jen zřídka. Pokud existuje stejný dokument ve dvou zdrojích (např. Drive a Confluence), Enterprise Search zobrazí pouze jeden výsledek: deduplikace porovnává obsah, nikoliv názvy souborů.
Podporované formáty
| Kategorie | Podporované formáty |
|---|---|
| Text | PDF, Word (.docx), Excel (.xlsx), PowerPoint (.pptx), Google Docs/Sheets/Slides, prostý text, Markdown |
| Obrázky s textem | Skenované PDF (vestavěné OCR), obrázky obsahující text (PNG, JPEG) |
| Strukturovaná data | CSV, JSON, tabulky v dokumentech |
| Web | Stránky HTML, články znalostní báze |
Binární soubory, video, audio a spustitelné soubory se neindexují. Upozorněte své týmy na podporu OCR: stará naskenovaná smlouva se opět stane vyhledatelnou. Tato demonstrace často přesvědčí právní oddělení.
Dlouhodobý monitoring
Konzole zobrazuje stav každého konektoru: počet indexovaných dokumentů na zdroj, datum poslední synchronizace, chyby indexování (způsobené poškozenými soubory nebo nedostatečnými oprávněními) a objem dat. Chyba u jednoho konektoru neovlivní ostatní; vyhledávání pokračuje na funkčních zdrojích. Ačkoli je to uklidňující, vytváří to nenápadné riziko: nikdo si nevšimne, že zdroj přestal indexovat, pokud to někdo explicitně nezkontroluje. Zahrňte tuto kontrolu do měsíčního přezkumu spolu s opětovným prostudováním seznamu aktivních konektorů.
Klíčové poznatky
- Konektory pro Google Workspace, Microsoft 365, Confluence a Slack pokrývají většinu potřeb
- Aplikujte princip nejmenšího privilegia: indexujte pouze to, co je nezbytné
- Nakonfigurujte filtrování podle složky, typu souboru a data pro optimalizaci relevance výsledků
- Pravidelně sledujte stav konektorů prostřednictvím administrační konzole