什么是人工智能知识库?
人工智能知识库是一个定制的生成预训练变压器 (GPT),它经过公司知识的培训,可为消费者提供上下文相关的答案。用户提出问题,高级搜索功能会提供自定义响应(与传统知识库的自助服务选项相反)。 AI 知识库根据您现有的操作方法文章、用户手册等进行培训。
AI知识库如何使用?用户输入查询,生成式人工智能无需手动筛选,而是提供答案。目标是尽量减少人为干预,但如果人工智能模型没有经过训练来回答他们的问题,可能仍然需要帮助。
人工智能知识库被用作公众自助服务的一种形式、公司内部团队的资源或付费用户组的附加组件。
5种人工智能知识库内容人工智能知识库可供客户或员工使用。以下是您的团队可以利用的不同类型的知识库。
一般内部公司范围内的目录组织知识,例如公司政策、一般公司信息等。这是知识管理的常见形式,公司利用它来帮助员工更轻松地查找信息。数据源可以包括:
入职材料。 公司文件。 公司网站。 员工名册。 标准操作程序。员工可以使用这个人工智能驱动的知识库来回答诸如“公司今年的假期安排是什么?”之类的问题
销售量它有很多用途可以帮助销售代表更快地工作,其中最流行的工具之一是人工智能驱动的知识库。时间他的人工智能知识库可以帮助销售代表回答问题并为潜在客户寻找资源。一些数据源包括:
公司数据和研究。 买家异议培训。 产品演示视频。 销售电话脚本。 营销材料。 培训材料。 产品手册。 客户电子邮件。:52% 的销售专业人士表示,人工智能工具在他们的日常工作中非常重要。
销售代表将使用此知识库来回答诸如“对 [X] 买家反对意见有何回应?”之类的问题
客户自助服务此类知识库是为产品用户构建的,旨在帮助回答客户疑问并改善客户体验。一些数据源包括:
过去的客户决议。 故障排除指南。 产品演示视频。 销售电话记录。 产品销售页面。 培训材料。 产品手册。 操作指南。 聊天机器人日志。:92% 的客户服务调查受访者表示人工智能可以缩短解决问题的时间。
客户会使用此类知识库来回答诸如“我在哪里可以找到 [X] 产品教程?”之类的问题
常见问题解答:当需要人工干预来响应客户查询时该怎么办?这就是人类客户支持团队发挥作用的地方,但他们仍然可以轻松获得人工智能支持。
您是否达到了关键的客户服务指标?通过我们的免费了解一下。
客户服务支持人工支持团队使用客户服务支持知识库来帮助他们更快地回答客户的疑问。该人工智能知识库将在与客户自助服务知识库相同的所有数据源上进行训练,并且还包括相关的内部数据。
客户服务支持知识库将用于回答诸如“[X] 订单的状态如何?”之类的问题
产品特定如果您有信息密集型产品,例如在线课程,您可以构建一个经过培训的定制知识库可帮助客户仅使用该产品取得成功。
这条建议来自AI专家:“90%购买课程的人不会看视频,那么你如何帮助他们获得结果呢?您可以创建一个自定义 GPT 或一个根据您的课程内容进行培训的人工智能助手。”数据源可以包括:
营销材料。 实时通话记录。 入职电子邮件。 视频文字记录。这种类型的个性化自助服务可以帮助提高客户对特定产品的成功率。
:78% 的受访客户服务代表一致认为,客户现在期望比以往更加个性化的体验。
使用人工智能知识库的优点与缺点这些不同类型的人工智能驱动的知识库对公司来说有几个主要好处:
效率。无论您的公司代表训练有素,您的人工智能模型都会更快地回答客户查询。:73% 的营销人员表示人工智能可以帮助他们变得更加专业他们的角色具有归纳性。
改善了客户支持体验。人工智能知识库可以为客户提供更快的服务,而且往往还可以提供更多维度的服务。例如,经过多种语言模型训练的知识库可以在与客户交谈时自动检测和切换语言。 预算友好。客户支持团队负担的减轻将使员工有时间专注于更复杂的任务。 方便的。传统知识库是一个停滞的网站页面。现在,知识库可以合并到每个网站页面上的聊天机器人功能中。:79% 使用人工智能的服务专业人员表示他们发现它有效。
在这里您可以看到 Canva 的聊天机器人自动检测我的语言并立即用荷兰语回答我的查询:
人工智能知识库有巨大的优势,但也存在潜在的缺点:
不准确。机器学习算法并不完美——如果输入了错误的数据或你的人工智能模式l 未经测试,您向客户提供的信息不准确。 客户隔离。客户互动次数的减少可能会让一些客户感到服务不足(尤其是那些喜欢一对一服务的客户)。 抵制采用。所有员工和客户中有一定比例的人会抵制人工智能的使用和采用。 如何建立人工智能知识库AI 专家 Isabella Bedoya 和 的联合创始人与我分享了他们关于如何构建 AI 知识库的专业知识(以及只需点击几下即可开始使用的软件建议)。这些是他们对构建您自己的人工智能知识库的见解。
第 1 步:定义您的目标。您的知识库是为谁服务的?您想通过实施它来实现什么目标?在开始数据和实施之前需要先确定您的目标。回顾一下,五种流行的人工智能知识库类型是:
内部一般。 销售量。 客户自助服务。 客户服务支持。 产品具体的。 第 2 步:寻找优质数据源。每个人工智能知识库都从存储其所有信息的根知识库开始(如数据存储库)。您选择使用的数据类型将决定您的人工智能系统的成败。
“输入高质量的相关数据是最重要的一步,”Isabella Bedoya 分享道。她警告说,如果将聊天机器人设置为包罗万象而不是具体的,可能会导致聊天混乱。
“假设您正在构建一个销售聊天机器人 - 如果您开始输入所有不相关的公司数据,就会使聊天变得混乱。如果您说,‘此聊天机器人仅用于销售’,你只需为其配备信息并需要进行销售对话,那么它就会表现出色,如果没有必要,就不要添加公司历史等。”Bedoya 说。
以下是为自定义 GPT 收集数据的想法:
论坛或 Facebook 小组讨论。 支持团队对话。 员工培训材料。 过去的客户互动行动。 YouTube 视频文字记录。 社交媒体互动。 现有的知识库。 公司网页。 销售电话记录。 操作方法文章。 用户手册。 帮助论坛。 作业簿。 聊天记录。 常见问题解答。一种简单的方法:Chase Fowler 分享了像 Notion 文档这样简单的东西可以成为人工智能知识库的数据源。
“Notion 文档本身可以是知识库。如果公司已经将信息输入到 Notion 中,它可以自动连接,这样当有人提出问题时,它就会搜索该特定文档,”Fowler 说。
p> 步骤 3:创建自定义 GPT。自定义 GPT 使用检索增强生成 (RAG) 在用户查询和数据存储库之间进行知识检索。有一些特定的工具可以提供此功能(我将立即向您展示一些),但您可能已经通过当前的 AI 工具轻松掌握了此功能。
查看您的人工智能工具的功能列表,看看是否“c自定义 GPT”是一项包含的功能。您可以使用 ChatGPT Plus 在此处查看此功能:
第四步:分析和优化数据。数据分析和优化是人工智能知识库取得成功的关键组成部分。
“在分析和优化方面,一旦构建了解决方案,您就必须开始与它交谈并与之交互,”Isabella Bedoya 分享道。 “看看它给了你什么回应 - 如果你得到不准确的回应,那么你就知道你需要修复你的知识库或你的提示。”
使用此步骤来确定知识差距。开始提示你的知识库,看看它能否理解:
缩写? 技术术语? 您的业务有复杂的概念吗?专业提示:不要将数据优化视为构建知识库的“一劳永逸”步骤。分析是一种持续的需求,这使我们进入第五步。
第 5 步:保持最新状态。人工智能知识库,就像传统知识库一样,需要建立起来定期提供准确且相关的信息。
“假设一家公司正在招聘新的销售代表,但他们系统中的数据已有四年了,”Chase Fowler 说道。 “因为他们没有进行优化,所以他们正在对新员工进行他们甚至不使用的软件或不再销售的产品的培训。”
需要反映在您的知识库中的一些重要更新是:
公司变更。 软件更改。 产品更新。 政策更新。专业提示:让客户反馈帮助您了解更新过程。在知识库体验结束时询问用户反馈。没有人比您的客户更清楚地看到差距。
知识库软件选项哪种人工智能知识库软件适合您的需求?让我们看一下流行的选项。
价格:免费获得基本访问权限,或升级至每月 19 美元。
Dante AI 将引导您完成入门流程,甚至允许您选择自定义项为您的机器人设置音调。我将我的 Botty 命名为 Botty,它消化了我网站上的数百篇文章,然后开始以与我的写作非常相似的语气回答问题(有点令人毛骨悚然,Botty)。
它使用起来非常简单,并且在几分钟内就可以对我的整个网站内容进行培训。
我尝试将 HTML 直接嵌入到我网站上的热门博客文章中,以允许用户搜索结果:
如果您每月支付 19 美元,您就可以访问 Dante AI 的白标版本,并且可以自定义它在您网站上的外观。
我喜欢什么:这就像人工智能工具一样简单;几乎不需要任何入门时间,只需点击几下即可将您的网站索引到知识库(免费)。
价格:免费试用,或升级至每月 8 美元。
我喜欢产品介绍;我必须选择我的目标和公司信息,然后引导我完成交互式入职流程。
Slite 创建这是与 Dante AI 不同类型的知识。 Dante AI 使上传大量信息变得非常容易(例如在两分钟内抓取我的整个网站),而 Slite 更倾向于引入 Google Docs、Notion 等,并创建非常集中的可搜索系统。
我喜欢的:搜索功能允许您从所有公司知识或特定子类别(例如会议)中提取信息。多么令人难以置信的节省时间啊。
价格:每月 20 美元。
您是否注意到 ChatGPT 左侧的“探索”按钮?如果您单击它,您将进入一个选项卡,其中包含其他人制作并与公众共享的自定义 GPT:
正是这种自定义功能使您能够创建自己的自定义 GPT 知识库。注册付费计划后,请转到然后配置您的自定义机器人。
您将在 GPT 中填写您想要训练模型的相关信息,并且然后您将能够测试和优化结果。您可以在此处查看该过程:
来源:hubspot