En AI-supportagent behöver inte största möjliga kunskapsbas. Den behöver en pålitlig: rätt ämnen, ett auktoritativt svar per regel, tillräckligt med sammanhang för att tillämpa svaret rätt, och ett pålitligt sätt att märka när innehåll ändras. Att ladda upp varje dokument företaget äger ger mer text att söka i, men det kan också skapa motsägelser, inaktuella instruktioner och privat information som aldrig hörde hemma i ett kundsvar.
Kartlägg efterfrågan och välj en auktoritativ källa
Börja i efterfrågan. Exportera färska supportsamtal, gruppera dem efter kundavsikt, och rangordna grupperna efter frekvens, konsekvens vid fel, och om det finns ett stabilt svar. Bygg den första täckningskartan av frågor med hög volym och låg risk, som installationssteg och vad en plan innehåller. Frågor som kräver ett undantag, en kontoutredning, en juridisk bedömning, eller information som inte finns i en godkänd källa ska förbli uttrycklig överlämningsmark.
Gör en källinventering innan ni skriver om något. Notera för varje artikel dess syfte, målgrupp, språk, produktområde, ägare, senaste verifieringsdatum, och vilket äldre dokument den ersätter. Markera dubbletter och motsägelser. Beskriver två sidor samma återbetalningsregel olika vet ett AI-system inte vilken intern historia som gjorde den ena rätt; en mänsklig ägare måste välja auktoriteten och arkivera den andra.
Skriv en artikel kring en kunduppgift eller ett kundbeslut. Sätt det direkta svaret först, sedan villkor, numrerade steg, exempel, undantag, och nästa åtgärd. Använd samma begrepp som produktens gränssnitt, och förklara förkortningar första gången. En beskrivande rubrik som ”Byt faktureringsadress för en arbetsyta” är lättare att hitta än ”Kontoinställningar”, eftersom den innehåller den avsikt kunden troligen uttrycker.
Skriv stycken som förblir tydliga när de hämtas ensamma
Gör varje avsnitt begripligt när det hämtas för sig. AI-sökning arbetar ofta med stycken snarare än att ge modellen en hel manual, så en rubrik som ”Begränsningar” tappar betydelse utanför sin ursprungssida. Föredra ”Gränser för filuppladdning på Growth-planen”, upprepa nödvändigt sammanhang där tvetydighet vore farlig, och håll tabellerna så enkla att en rad fortfarande går att förstå med sina rubriker.
Lägg till kundens ordval utan att skapa nyckelordsgröt. Ta med vanliga alternativa termer, gamla funktionsnamn, förkortningar och de naturliga frågor folk ställer, men håll det faktiska svaret på ett ställe. Länka till relaterade uppgifter i stället för att kopiera hela stycken mellan artiklar. Dubblerad prosa glider isär med tiden, och AI:n kan hämta den inaktuella kopian för att dess formulering råkar ligga närmare frågan.
Använd metadata, åtkomstkontroll och dataminimering som gränser
Använd metadata för verkliga gränser. Språk, region, plan, produktversion, målgrupp, giltig-från-datum och innehållsstatus kan hindra ett annars relevant stycke från att nå fel kund. Metadatan ska spegla skillnader verksamheten faktiskt upprätthåller; dussintals oanvända etiketter får filtreringen att se avancerad ut medan författarna fortsätter glömma de fält som betyder något.
Håll person- och hemliga uppgifter utanför källmängden. Ta bort kundexporter, privata interna anteckningar, inloggningsuppgifter, opublicerade säkerhetsdetaljer, och dokument som samlats in bara för att de låg nära. Ge hämtningssystemet åtkomst bara till godkända samlingar och gå igenom vem som får lägga till eller publicera innehåll. En kunskapsbas är ingen säkerhetsgräns i sig, och hämtning tar inte bort risken för promptinjektion eller informationsläckage.
Testa med verkliga frågor och gör ägarskapet löpande
Testa med frågor, inte med sidförhandsvisningar. Bygg en regressionsmängd av verkliga formuleringar, felstavningar, följdfrågor, tvetydiga förfrågningar, ämnen som inte stöds, motstridiga premisser och fientliga instruktioner. Definiera för varje fall den förväntade källan, svaret eller överlämningen. Kör mängden efter en innehållsändring lika väl som efter en modell- eller hämtningsändring, eftersom en harmlös artikel kan ändra vilket stycke som vinner för många befintliga frågor.
Ge slutligen varje bärande artikel en ägare och en granskningsutlösare. Lägg in kontroller för innehåll med hög användning, men utlös också granskning när pris, villkor, produktgränssnitt eller ett återkommande supportfel ändras. Spåra obesvarade frågor och redigerade AI-utkast tillbaka till den saknade eller svaga källan. En AI-redo kunskapsbas är inget publiceringsprojekt som tar slut; det är en drift som blir mer pålitlig varje gång supportkön blottar en lucka.
Bygg den första samlingen av de 20 vanligaste avsikterna
Ta de 20 vanligaste supportavsikterna från det senaste kvartalet. Identifiera för var och en ett godkänt svar, en innehållsägare, den målgrupp och plan det gäller, senaste verifieringsdatum, och de fall som måste lämnas över till en människa. Koppla inte in en avsikt förrän motsägelser och saknade villkor är utredda.
Skapa fem till tio testfrågor per avsikt med kundernas faktiska ordval, inklusive en följdfråga och en missvisande premiss. Notera den förväntade artikeln och de minsta fakta ett korrekt svar måste innehålla. Lägg till uttryckliga fall där inget svar ska ges, så att systemet bedöms på att avstå tryggt lika väl som på att hämta rätt.
Lansera samlingen i assisterat läge och gå igenom redigeringarna per källa. Ändrar kollegorna gång på gång svar som grundar sig i en artikel, laga den artikeln och kör om varje relaterad fråga. Vidga bortom de första 20 avsikterna först när ägarskap, testning och uppdateringsslingan fungerar pålitligt på den första mängden.
Vanlig fråga
Vad gör en kunskapsbas redo för AI?
En AI-redo kunskapsbas har medveten omfattning, en aktuell auktoritet för varje svar, självbärande avsnitt, användbar metadata om målgrupp och version, inga onödiga person- eller hemliga uppgifter, och namngivna ägare. Den paras med en regressionsmängd som testar korrekt hämtning, tryggt avstående, och överlämning till människa när källor saknas, motsäger varandra, eller ligger utanför den godkända omfattningen.