Baza wiedzy AI dla obsługi klienta: jak działa i jak ją zbudować

Większość agentów AI w obsłudze klienta korzysta z jakiejś formy generowania wspomaganego wyszukiwaniem (retrieval-augmented generation, RAG). AWS opisuje RAG jako technikę, która uzupełnia duży model językowy o dane zewnętrzne, np. wewnętrzne dokumenty firmy. W skrócie:

1. Twoje dokumenty są zamieniane na embeddingi — liczbowe reprezentacje tekstu — i zapisywane w wektorowej bazie danych. To jednorazowy krok konfiguracji.
2. Klient zadaje pytanie w języku naturalnym.
3. System przeprowadza wyszukiwanie podobieństwa w wektorowej bazie danych i dodaje znalezione fragmenty do promptu jako kontekst.
4. Model językowy pisze odpowiedź, korzystając z tego kontekstu.

Wynikają z tego dwie rzeczy. AI nie odpowie na podstawie czegoś, czego nie zapisano, i pracuje na fragmentach artykułów, a nie na całym centrum pomocy. Wskazówki Freshdesku mówią to samo: Freddy AI wyszukuje i wykorzystuje artykuły niezależnie od siebie, więc jeśli w artykule brakuje definicji lub kontekstu, AI może przyjmować założenia lub udzielać niepełnych odpowiedzi.

Największe helpdeski mają to wbudowane. Agenci AI Zendeska mogą korzystać z odpowiedzi generatywnych w messagingu i e-mailu, połączonych z wieloma źródłami wiedzy, z regułami wyszukiwania określającymi, które źródła są przeszukiwane w określonych warunkach. W Jira Service Management artykuły z połączonej przestrzeni Confluence pojawiają się w centrum pomocy, w wyszukiwaniu w bazie wiedzy i u wirtualnego agenta obsługi.

Jeden praktyczny szczegół: we Freshdesku kategoria lub folder pojawia się w portalu klienta dopiero wtedy, gdy opublikowano w nim co najmniej jeden artykuł. Dla odpowiedzi AI ważniejsze jest to, co mówi każdy artykuł, niż to, gdzie się znajduje; hierarchia pomaga głównie ludziom, którzy przeglądają treści.

Freshdesk publikuje wskazówki dotyczące pisania treści dla Freddy AI i mają one zastosowanie do każdej AI opartej na wyszukiwaniu:

• Ogranicz każdy artykuł do jednego tematu i napisz, kiedy informacja ma zastosowanie, a kiedy nie.
• Linkuj do powiązanych artykułów, zamiast wplatać w tekst poboczne procesy.
• Rozdziel konfigurację, użytkowanie i rozwiązywanie problemów na osobne artykuły, jeśli służą różnym celom.
• Spraw, by każdy artykuł był samodzielny: zdefiniuj pojęcia i kontekst, na których się opiera.
• Użyj jednego nagłówka najwyższego poziomu dla celu artykułu i nagłówków niższego poziomu do rozdzielenia zadań, opcji lub pojęć.

Dodaj kilka własnych nawyków. Nadawaj artykułom tytuły słowami, których faktycznie używają klienci, a nie wewnętrznymi nazwami produktów. Umieść odpowiedź w pierwszych zdaniach, a dopiero potem kroki. Dokładne wartości — limity, terminy, ceny — trzymaj w jednym miejscu i do niego linkuj, aby zmiana nie zostawiła AI dwóch różnych liczb do wyboru. I zacznij tam, gdzie są zgłoszenia: kilka tygodni zgłoszeń pogrupowanych według tematów pokaże, które artykuły napisać lub poprawić najpierw.

Nieaktualny artykuł zamienia się w pewną siebie, błędną odpowiedź AI, dlatego każdy artykuł powinien mieć właściciela i rytm przeglądów. Zendesk wspiera to weryfikacją artykułów: administratorzy wiedzy ustawiają reguły weryfikacji, które oznaczają artykuły do przeglądu na podstawie filtrów i interwałów — np. co trzy miesiące dla artykułów z określoną etykietą, w danej kategorii lub od dawna nieaktualizowanych — a właściciele artykułów dostają e-mailowe przypomnienia o ich weryfikacji. Zanim zaczniesz na tym polegać, sprawdź, czy Twój plan to obejmuje.

Zaplanowane przeglądy wyłapują powolne rozjeżdżanie się treści z rzeczywistością. Te zdarzenia powinny od razu wywoływać aktualizację:

• Zmiana produktu, cennika lub zasad: zaktualizuj artykuły najpóźniej w dniu wdrożenia zmiany.
• Konsultant odpowiada na zgłoszenie, którego baza wiedzy nie obejmuje: utwórz artykuł lub zgłoś jego brak.
• AI przekazuje rozmowę człowiekowi, bo nie umiała odpowiedzieć: przeanalizuj to pytanie.
• Dwa artykuły dają różne odpowiedzi: połącz je i wycofaj z publikacji duplikat.

Mierz, czy artykuły zapobiegają powstawaniu zgłoszeń, a nie tylko, czy ludzie je czytają. Trzymaj się tych samych definicji co miesiąc, aby trend miał sens.

TascaLab buduje chatboty na bazie narzędzi, których już używasz — Zendesk, Freshdesk, Jira, Slack czy systemy wewnętrzne — przez API, webhooki oraz Make lub n8n, więc Twoja baza wiedzy zostaje tam, gdzie jest. Starter Chat Bot (1550 zł jednorazowo) obejmuje 1–2 kanały, a Standard Chat Bot (2250 zł) — 3–5 kanałów, spośród: strony internetowej, telefonu, WhatsAppa, Telegrama, Facebook Messengera i Instagrama. Przepływy utrzymaniowe, takie jak przypomnienia o przeglądzie nieaktualnych artykułów, mieszczą się w usłudze Custom Automation (od 4650 zł).

Większość wdrożeń trwa 1–3 tygodnie. Każdy projekt obejmuje 30 dni wsparcia po uruchomieniu i podstawową dokumentację, bez ukrytych opłat, a zacząć możesz od bezpłatnej 30-minutowej rozmowy Health Check.