Setiap panggilan, dilacak penuh — tanpa mengekspos apa yang ada di dalamnya.
Ringkasan dengan KPI dan grafik penggunaan dari waktu ke waktu, log Permintaan dengan metadata per-permintaan dan temuan guardrail, serta tampilan Error & Diblokir — hanya metadata secara default, dan penyedia model yang mendasari tidak pernah ditampilkan kepada tim Anda.
Apa yang Anda lihat
Tiga tampilan, satu pipeline permintaan
Ringkasan
Strip KPI — volume permintaan, pengeluaran, tingkat blokir guardrail, tingkat error — plus grafik penggunaan dari waktu ke waktu sehingga Anda dapat melihat bentuk trafik dan tren biaya sekilas.
Permintaan
Log per-permintaan: tier model, jumlah token, biaya, latensi, mode routing, cache hit, dan temuan guardrail untuk panggilan tersebut. Konten prompt dan completion tidak pernah disimpan dalam log ini — hanya metadata secara default.
Error & Diblokir
Kategori error kasar dan alasan blokir guardrail untuk panggilan yang tidak selesai dengan bersih — ditampilkan tanpa konten prompt atau respons apa pun yang dilampirkan.
Postur privasi
Hanya metadata, penyedia disembunyikan secara desain
Observability dibangun untuk menjawab "apa yang terjadi" tanpa perlu menunjukkan "apa yang dikatakan." Konten prompt dan respons tetap di luar log secara default — penangkapan konten penuh bersifat opt-in dan di-masking saat Anda mengaktifkannya. Data Anda diisolasi per tenant, penyedia model yang mendasari tidak pernah disebutkan kepada tim Anda, dan semuanya dibangun residency-first untuk Indonesia di bawah UU PDP.
Penyedia disembunyikan
Anoman merutekan panggilan — penyedia model spesifik di balik sebuah respons tidak pernah ditampilkan di dashboard atau API. Anda melihat tier model dan hasilnya, bukan vendornya.
Isolasi per-tenant
Setiap permintaan, trace, dan baris log terikat pada akun Anda. Tidak ada yang digabungkan atau terlihat lintas tenant — bahkan tidak dalam bentuk agregat.
Residency-first (UU PDP)
Logging hanya metadata secara default, penangkapan konten ter-masking opsional saat Anda memerlukan debugging lebih dalam, dan infrastruktur Indonesia-residency-first yang selaras dengan UU PDP.
Deteksi Anomali
Tangkap perilaku AI yang tidak biasa sebelum menjadi masalah.
Deteksi dua lapisan: sliding window Z-score/Welford untuk sinyal cepat, model per-customer Isolation Forest untuk drift yang halus.
Lapisan deteksi
Deteksi anomali statistik + ML
Lapisan 1 — Z-score / Welford
Algoritma online, tanpa perlu riwayat. 4 aturan berjalan pada setiap request:
- token_spike — token >> rata-rata bergulir
- request_burst — lonjakan RPM
- guardrail_storm — lonjakan block rate
- cost_outlier — cost >> rata-rata sesi
Lapisan 2 — Isolation Forest
Model per-customer, dilatih tiap malam dari lookback analitik 14 hari (minimum 200 sampel). Vektor fitur 8-dimensi:
total_tokenscost_usdrequest_rate_60stool_call_countguardrail_rate_300ssession_lengthprompt_len_charshour_of_dayDesain fail-soft
Exception tidak pernah memblokir pipeline completion. Scoring anomali bersifat fire-and-forget — kegagalan memuat model mengembalikan skor terdegradasi, bukan 500.
Scoring inline
Skor ML dihitung dengan cache model process-local 5 menit. Model disimpan di cache dalam-memori dengan TTL 48 jam, disegarkan tiap malam oleh training job.
Alert operasional
Alert email via Resend untuk anomali, kegagalan batch, dan pelanggaran SLA. Ambang dan penerima dapat dikonfigurasi.
Integrasi dashboard
Akui anomali, tautkan ke trace untuk investigasi. Kartu severity di dashboard dengan jumlah open/high.
Platform · Response Faithfulness
Ketahui kapan AI Anda mengarang
Faithfulness menilai apakah jawaban model benar-benar mengikuti sumber yang Anda berikan — sehingga Anda menangkap halusinasi dan klaim tak berdasar sebelum sampai ke pelanggan. Dikalibrasi untuk bahasa Inggris dan Indonesia.
Jawaban RAG dan agen gagal dengan cara khusus: terdengar meyakinkan tapi menyatakan hal yang tak pernah ada di sumber. Faithfulness menjalankan model natural-language-inference multibahasa yang menilai seberapa baik sebuah respons didukung oleh konteksnya, dan mengembalikan verdict yang jelas. Ini mengukur groundedness terhadap sumber Anda — bukan pemeriksa fakta umum — dan tidak butuh panggilan LLM tambahan, jadi cukup murah untuk dijalankan di setiap respons.
Tiga verdict yang bisa ditindaklanjuti
Setiap klaim dalam jawaban didukung sumber. Aman disajikan.
Jawaban sebagian didukung atau ambigu — ambang yang baik untuk dicatat, ditinjau, atau diminta rujukan.
Jawaban menyatakan klaim yang tak didukung sumber — kemungkinan halusinasi. Tandai, blokir, atau buat ulang.
Apa yang sebenarnya dikembalikan
Sumber yang Anda berikan
Anoman memproses data pelanggan Indonesia di Jakarta dan menagih dalam Rupiah. Paket gratis mencakup 500.000 weighted token per bulan.
Jawaban model
Di paket gratis Anda mendapat 500.000 weighted token per bulan, dan data Anda diproses di Jakarta.
Grounded — setiap klaim terlacak ke sumber.
Jawaban model
Paket gratis mencakup 5 juta token dan data Anda diproses di Frankfurt.
Ungrounded — “5 juta” dan “Frankfurt” tak didukung sumber (bagian tak berdasar ditandai).
Model sungguhan, dikalibrasi untuk wilayah
Sinyalnya adalah model NLI multibahasa yang menilai entailment antara sumber dan respons — bukan pencocokan kata kunci dan bukan tiruan. Dikalibrasi pada set evaluasi bahasa Inggris + Indonesia (AUC 0,97 Inggris, 0,999 Indonesia). Berjalan di infrastruktur in-region yang sama dengan gateway, jadi tak ada yang keluar wilayah untuk menilainya, dan tak menambah biaya provider.
Coba gratis, lalu jalankan di trafik Anda
Penguji gratis — tanpa daftar
Tempel sumber dan jawaban, lihat verdict-nya langsung di browser. Tidak ada yang disimpan.
Buka penguji faithfulness →
Di setiap respons
Sebagai sinyal opt-in pada trafik Anda sendiri — ditampilkan di dashboard, dinilai in-region, skor mentah tetap internal dan Anda melihat band ringkas.
Lihat platform guardrail →