Knowledge base AI per l'assistenza clienti: come funziona e come costruirla

La maggior parte degli AI agent per l'assistenza usa una qualche forma di retrieval-augmented generation (RAG). AWS descrive la RAG come una tecnica che arricchisce un large language model con dati esterni, come i documenti interni di un'azienda. A grandi linee:

1. I tuoi documenti vengono convertiti in embedding, cioè rappresentazioni numeriche del testo, e salvati in un database vettoriale. È un passaggio di configurazione una tantum.
2. Un cliente fa una domanda in linguaggio naturale.
3. Il sistema esegue una ricerca per similarità nel database vettoriale e aggiunge al prompt, come contesto, i passaggi che trova.
4. Il modello linguistico scrive la risposta usando quel contesto.

Ne derivano due conseguenze. L'AI non può rispondere a partire da ciò che non è scritto, e lavora con frammenti di articoli anziché con l'intero help center. Le indicazioni di Freshdesk sottolineano lo stesso punto: Freddy AI recupera e usa gli articoli in modo indipendente, quindi se un articolo omette definizioni o contesto, l'AI può fare supposizioni o dare risposte parziali.

I principali helpdesk lo integrano. Gli AI agent di Zendesk possono usare risposte generative su messaggistica ed email, collegati a più fonti di conoscenza, con regole di ricerca che stabiliscono in quali fonti cercare in condizioni specifiche. In Jira Service Management, gli articoli di uno spazio Confluence collegato compaiono nell'help center, nella ricerca della knowledge base e nel virtual service agent.

Un dettaglio pratico: in Freshdesk, una categoria o una cartella compare sul portale clienti solo dopo che almeno un articolo al suo interno è stato pubblicato. Per le risposte dell'AI conta più ciò che dice ogni articolo che la sua posizione; la gerarchia aiuta soprattutto le persone che navigano.

Freshdesk pubblica indicazioni su come scrivere contenuti di conoscenza per Freddy AI, e valgono per qualsiasi AI basata sul recupero di informazioni:

• Limita ogni articolo a un solo argomento e indica quando l'informazione si applica e quando no.
• Inserisci link ad articoli correlati invece di includere workflow secondari.
• Separa configurazione, utilizzo e risoluzione dei problemi in articoli distinti quando servono a obiettivi diversi.
• Rendi ogni articolo autosufficiente: definisci i termini e il contesto su cui si basa.
• Usa un unico titolo di primo livello per lo scopo dell'articolo e titoli di livello inferiore per separare attività, opzioni o concetti.

Aggiungi qualche abitudine tua. Dai agli articoli titoli con le parole che usano davvero i clienti, non i nomi interni dei prodotti. Metti la risposta nelle prime righe, poi i passaggi. Tieni i valori esatti (limiti, scadenze, prezzi) in un unico posto e rimanda lì con un link, così una modifica non lascia all'AI due numeri diversi tra cui scegliere. E parti da dove ci sono i ticket: qualche settimana di ticket raggruppati per argomento mostra quali articoli scrivere o correggere per primi.

Un articolo obsoleto si trasforma in una risposta dell'AI sicura di sé ma sbagliata, quindi assegna a ogni articolo un responsabile e una cadenza di revisione. Zendesk lo supporta con la verifica degli articoli: gli amministratori della knowledge base impostano regole di verifica che segnalano gli articoli da rivedere in base a filtri e intervalli (per esempio ogni tre mesi per gli articoli con una certa etichetta, in una certa categoria o non aggiornati da tempo) e i responsabili degli articoli ricevono promemoria via email per verificarli. Controlla se il tuo piano la include prima di farci affidamento.

Le revisioni pianificate intercettano il lento scivolamento verso l'obsolescenza. Questi eventi dovrebbero invece far scattare subito un aggiornamento:

• Una modifica a prodotto, prezzi o policy: aggiorna gli articoli entro il giorno del rilascio.
• Un operatore risponde a un ticket che la knowledge base non copre: crea o segnala un articolo.
• L'AI passa una conversazione a una persona perché non è riuscita a rispondere: rivedi quella domanda.
• Due articoli danno risposte diverse: uniscili e annulla la pubblicazione del duplicato.

Misura se gli articoli evitano i ticket, non solo se le persone li leggono. Mantieni le stesse definizioni ogni mese, così l'andamento ha un significato.

TascaLab sviluppa chatbot sopra gli strumenti che usi già (Zendesk, Freshdesk, Jira, Slack o sistemi interni) tramite API, webhook e Make o n8n, quindi la tua knowledge base resta dov'è. Lo Starter Chat Bot (360 € una tantum) copre 1–2 canali e lo Standard Chat Bot (510 €) ne copre 3–5, tra sito web, telefono, WhatsApp, Telegram, Facebook Messenger e Instagram. I workflow di manutenzione, come i promemoria di revisione per gli articoli obsoleti, rientrano in Custom Automation (da 1070 €).

La maggior parte delle configurazioni richiede 1–3 settimane. Ogni progetto include 30 giorni di supporto dopo il lancio e una documentazione di base, senza costi nascosti, e puoi partire da una call di Health Check gratuita di 30 minuti.