Lavorare con gli agenti di intelligenza artificiale generativa

Quando hai usato un chatbot in passato, probabilmente lo hai considerato lento o difficile da usare. La maggior parte dei bot in circolazione non è in grado di capire cosa vogliono i tuoi clienti, né di rispondere o intraprendere azioni come farebbe un agente umano.

Combinando le informazioni contenute nella tua base di conoscenze con un'intelligenza artificiale all'avanguardia, non avrai solo un chatbot con MessageMind™, ma un agente di intelligenza artificiale generativa, progettato per eseguire compiti che in precedenza gli agenti umani erano in grado di svolgere.

Questa guida ti illustrerà la tecnologia di MessageMind™ che utilizziamo per rendere l'esperienza del cliente con un agente AI diversa da quella di qualsiasi chatbot che hai utilizzato in precedenza.

Comprendere i modelli linguistici di grandi dimensioni (LLM) e l'IA generativa

Il segreto del modo in cui il tuo Agente AI capisce e scrive i messaggi sta nell'AI, o intelligenza artificiale, che MessageMind™ utilizza dietro le quinte. In generale, l'IA è una serie di programmi informatici complessi progettati per risolvere i problemi come gli esseri umani. Può affrontare una varietà di situazioni e incorporare diversi tipi di dati; nel caso del tuo agente AI, si concentra sull'analisi del linguaggio per mettere in contatto i clienti con le risposte.

Quando un cliente interagisce con il tuo agente AI, quest'ultimo utilizza i Large Language Models, o LLM, che sono programmi informatici addestrati su grandi quantità di testo, per identificare ciò che il cliente sta chiedendo. In base agli schemi identificati dal LLM nei dati di testo, un LLM può analizzare una domanda di un cliente e determinarne l'intento. Quindi, può analizzare le informazioni della tua base di conoscenze e determinare se il significato che le sottende corrisponde a ciò che il cliente sta cercando.

L'IA generativa è un tipo di LLM che utilizza l'analisi dei contenuti esistenti per crearne di nuovi: costruisce frasi parola per parola, basandosi su quali parole hanno più probabilità di seguire quelle già scelte. Utilizzando l'intelligenza artificiale generativa, il tuo agente AI costruisce risposte basate su parti della tua base di conoscenze che contengono le informazioni che il cliente sta cercando, e le formula in modo naturale e colloquiale.

Capire i filtri dei contenuti dell'agente AI

I dati di addestramento LLM possono contenere contenuti dannosi o indesiderati e l'IA generativa può talvolta generare dettagli che non sono veri, chiamati allucinazioni. Per combattere questi problemi, l'Agente AI utilizza una serie di modelli aggiuntivi per garantire la qualità delle sue risposte.

Prima di inviare una risposta generata al cliente, l'agente AI controlla che la risposta sia corretta:

• Sicuro: La risposta non contiene contenuti dannosi.
• Rilevante: La risposta risponde effettivamente alla domanda del cliente. Anche se le informazioni contenute nella risposta sono corrette, devono essere le informazioni che il cliente stava cercando per offrire un'esperienza positiva.
• Accurata: La risposta corrisponde al contenuto della tua base di conoscenze, quindi l'agente AI può controllare due volte che la sua risposta sia vera.

Grazie a questi controlli, puoi essere certo che il tuo agente AI non solo abbia preso decisioni valide su come aiutare i tuoi clienti, ma abbia anche inviato loro risposte di alta qualità.

Capire il motore di ragionamento di MessageMind

Il tuo Agente AI funziona su un sofisticato motore di ragionamento MessageMind™ creato per fornire ai clienti le conoscenze e le soluzioni di cui hanno bisogno.

Quando i clienti pongono una domanda al tuo agente AI, questo tiene conto di quanto segue per decidere cosa fare dopo:

• Contesto della conversazione: La conversazione precedente alla domanda attuale contiene un contesto che potrebbe aiutare l'agente AI a rispondere meglio alla domanda?
• Base di conoscenze: La base di conoscenze contiene le informazioni che il cliente sta cercando?
• Sistemi aziendali: Ci sono azioni configurate con il tuo Agente AI per consentirgli di ottenere le informazioni che il cliente sta cercando?

Da lì, decide come rispondere al cliente:

• Domanda successiva: Se l'agente AI ha bisogno di ulteriori informazioni per aiutare il cliente, può chiedere ulteriori informazioni.
• Base di conoscenze: Se la risposta alla richiesta del cliente si trova nella base di conoscenza, può ottenere quelle informazioni e usarle per scrivere una risposta.
• Sistemi aziendali: Se la risposta alla richiesta del cliente è disponibile utilizzando una delle azioni configurate nell'Agente AI, quest'ultimo può recuperare tali informazioni effettuando una chiamata API.
• Passaggio di consegne: Se l'agente AI non è in grado di rispondere alla richiesta del cliente, può passare il cliente a un agente umano per ulteriore assistenza.

Insieme, il meccanismo che prende queste complesse decisioni su come aiutare il cliente si chiama Reasoning Engine di MessageMind™. Proprio come quando un agente umano prende decisioni su come aiutare un cliente in base a ciò che sa su ciò che il cliente vuole, il Reasoning Engine prende in considerazione una serie di informazioni per capire come risolvere la richiesta del cliente nel modo più efficace possibile.

Capire in che modo il tuo agente AI previene le iniezioni di promemoria

Molti chatbot AI sono vulnerabili alle iniezioni di prompt o al jailbreak, ovvero alle richieste che spingono il chatbot a fornire informazioni che non dovrebbe fornire, ad esempio informazioni riservate o non sicure.

Il motore di ragionamento degli agenti AI di MessageMind™ è strutturato in modo tale da rendere molto difficile il successo degli attacchi LLM avversari. In particolare, ha:

• Una serie di sottosistemi di intelligenza artificiale che interagiscono tra loro, ognuno dei quali modifica il contesto che circonda il messaggio di un cliente.
• Diverse istruzioni che rendono molto chiaro il compito da svolgere, indirizzando l'agente AI a non condividere i meccanismi interni e le istruzioni e a reindirizzare le conversazioni lontano dalle chiacchiere.
• Modelli che mirano a rilevare e filtrare i contenuti dannosi negli input o negli output.

Grazie ai test generativi AI all'avanguardia che precedono le nuove implementazioni, MessageMind™ garantisce un'esperienza di interazione con i clienti sicura ed efficace.

Quando colleghi l'AI Agent alla tua base di conoscenze e inizi a servire contenuti generati automaticamente ai tuoi clienti, potrebbe sembrare una magia. Ma non è così! Questo argomento ti spiega cosa succede dietro le quinte quando inizi a distribuire i contenuti della knowledge base ai clienti.

Come MessageMind™ ingerisce la tuabase di conoscenze

Quando colleghi la tua base di conoscenze all'Agente AI, quest'ultimo copia tutti i contenuti della tua base di conoscenze, in modo da poterli cercare rapidamente e fornire informazioni pertinenti. Ecco come avviene:

1. Quando colleghi l'Agente AI alla tua base di conoscenze, l'Agente AI importa tutti i contenuti della tua base di conoscenze.

   A seconda degli strumenti che utilizzi per creare e ospitare la tua knowledge base, quest'ultima si aggiorna con frequenze diverse:

   • Se la tua knowledge base è in Zendesk o Salesforce, l'agente AI controlla gli aggiornamenti ogni 15 minuti.

     • Se il tuo Agente AI non ha avuto conversazioni, né subito dopo averlo collegato alla tua base di conoscenze né negli ultimi 30 giorni, l'Agente AI mette in pausa la sincronizzazione. Per attivare una sincronizzazione con la tua base di conoscenze, fai una conversazione di prova con il tuo Agente AI.

   • Se la tua base di conoscenza è ospitata altrove, tu o il tuo team MessageMind™ dovrete creare un'integrazione per effettuare lo scraping e caricare i contenuti nella Knowledge API di MessageMind. In questo caso, la frequenza degli aggiornamenti dipende dall'integrazione.

2. Il tuo Agente AI divide i tuoi articoli in pezzi, così non deve cercare articoli lunghi ogni volta che cerca informazioni, ma può semplicemente guardare i pezzi più brevi.

   Sebbene ogni articolo possa trattare una serie di concetti correlati, ogni pezzo dovrebbe riguardare solo un concetto chiave. Inoltre, l'Agente AI include un contesto per ogni brano; ogni brano contiene le voci che lo hanno preceduto.

3. Il tuo Agente AI invia ogni chunk a un Large Language Model (LLM), che lo utilizza per assegnare ai chunk le rappresentazioni numeriche che corrispondono al significato di ogni chunk. Questi valori numerici sono chiamati embeddings e vengono salvati in un database.

   Il database è quindi pronto a fornire informazioni che GPT può inserire in risposte naturali alle domande dei clienti.

Come MessageMind™ crea risposte daicontenuti della knowledge base

Dopo aver salvato i contenuti della tua knowledge base in un database, il tuo Agente AI è pronto a fornire contenuti per rispondere alle domande dei tuoi clienti. Ecco come funziona:

1. L'agente AI invia la domanda del cliente all'LLM, in modo da ottenere un embedding (un valore numerico) che corrisponde alle informazioni richieste dal cliente.

   Prima di procedere, l'agente AI invia il contenuto a un controllo di moderazione tramite l'LLM per verificare se la domanda del cliente è inappropriata o tossica. Se così fosse, l'Agente AI rifiuta la query e non prosegue nel processo di generazione della risposta.

2. L'agente AI confronta quindi gli embeddings tra la domanda del cliente e i chunks presenti nel suo database, per vedere se riesce a trovare chunks rilevanti che corrispondono al significato della domanda del cliente. Questo processo si chiama recupero.

   L'agente AI cerca nel database la migliore corrispondenza di significato con quanto richiesto dal cliente, il che si chiama somiglianza semantica, e salva i tre pezzi più rilevanti.

   Se la domanda del cliente è un seguito a una domanda precedente, il tuo agente AI potrebbe chiedere all'LLM di riscrivere la domanda del cliente per includere il contesto e aumentare le possibilità di ottenere pezzi rilevanti. Ad esempio, se un cliente chiede al tuo Agente AI se il tuo negozio vende biscotti e l'Agente AI risponde di sì, il cliente potrebbe rispondere con "quanto costano?". Questa domanda non contiene informazioni sufficienti da sola, ma una domanda come "quanto costano i tuoi biscotti?" fornisce un contesto sufficiente per ottenere una parte significativa di informazioni.

   Se a questo punto l'agente AI non è in grado di trovare alcuna corrispondenza pertinente alla domanda del cliente nei chunks del database, invia al cliente un messaggio in cui gli chiede di riformulare la domanda o inoltra la richiesta a un agente umano, piuttosto che tentare di generare una risposta e rischiare di fornire informazioni imprecise.

3. L'agente AI invia i tre pezzi del database più rilevanti per la domanda del cliente a GPT, che li assembla in una risposta. Poi, l'agente AI invia la risposta generata attraverso tre filtri:

   1. Il filtro di sicurezza controlla che la risposta generata non contenga contenuti dannosi.

   2. Il filtro di pertinenza controlla che la risposta generata risponda effettivamente alla domanda del cliente. Anche se le informazioni contenute nella risposta sono corrette, devono essere le informazioni che il cliente stava cercando per offrire un'esperienza positiva.

   3. Il filtro Accuracy controlla che la risposta generata corrisponda al contenuto della tua base di conoscenze, in modo da verificare che la risposta dell'Agente AI sia vera.

4. Se la risposta generata supera questi tre filtri, l'Agente AI la invia al cliente.

Ti stai preparando a creare per la prima volta contenuti generati automaticamente dalla tua base di conoscenze? O forse stai solo cercando di affinare le tue conoscenze di base? Segui questi principi per rendere le informazioni della tua base di conoscenza facili da analizzare per il tuo agente AI, il che migliorerà le possibilità del tuo agente AI di fornire informazioni pertinenti e utili ai tuoi clienti.

Struttura le informazioni tenendoconto del cliente

Quando gestisci una base di conoscenza, può essere facile organizzare le informazioni in un modo che abbia senso per te, ma non per le persone che non hanno già familiarità con le informazioni contenute. Se osservi un nuovo cliente che cerca di navigare nella tua base di conoscenze, rimarrai quasi certamente sorpreso da ciò che fa! Se sei come la maggior parte delle persone che gestiscono basi di conoscenza, probabilmente non sei un principiante, il che significa che probabilmente non sei il tuo pubblico di riferimento.

Quindi, come puoi assicurarti che la tua base di conoscenze sia utile per i clienti e cosa ha a che fare con l'intelligenza artificiale? La risposta si riduce all'uso di titoli e intestazioni. Chiameremo questi segnali come collettivo, perché agiscono come segnali sia per gli esseri umani che per l'IA, per indicare quanto è probabile che un cliente si stia avvicinando alle informazioni che vuole raggiungere nella tua base di conoscenze. Inoltre, quando MessageMind™ ingerisce i contenuti della tua base di conoscenza, salva il titolo dell'argomento come contesto per ogni pezzo di informazione in cui divide la tua base di conoscenza. Quando le informazioni hanno un contesto adeguato, è meno probabile che l'agente AI fornisca informazioni irrilevanti ai clienti.

• Suddividi le informazioni in gruppi che non si sovrappongono. In questo modo, sia i tuoi clienti umani che la tua AI avranno meno probabilità di sbagliare strada e di trovare informazioni non pertinenti a ciò che stanno cercando.

• Fai in modo che ogni indicazione sia pertinente a tutte le informazioni che si trovano sotto di essa. Se in una voce ci sono informazioni che non sono pertinenti a quella voce, sia i clienti che l'IA potrebbero avere difficoltà a trovarle. Allo stesso modo, se l'intestazione è confusa o implica che sia seguita da informazioni che in realtà non ci sono, rende più difficile per i clienti e l'IA navigare nella tua base di conoscenze.

• Organizza sempre le informazioni dal più ampio al più specifico. Dovrebbe essere facile per i clienti capire se si stanno avvicinando alle informazioni che stanno cercando seguendo le tue indicazioni.

• Rendi descrittiva la tua segnaletica.

  • Orientare le indicazioni sugli obiettivi dei clienti. Molto probabilmente i clienti arrivano alla tua knowledge base o all'AI Agent in cerca di aiuto per un compito specifico, quindi è molto utile chiarire quali articoli riguardano quali compiti.

    Come best practice, usa i verbi nelle tue indicazioni per rendere più facile per i clienti trovare le azioni che vogliono eseguire.

  • Per aiutare le persone e l'intelligenza artificiale a scansionare più facilmente i tuoi contenuti, metti i verbi e i vocaboli importanti più all'inizio delle tue indicazioni che alla fine.

  • Ovunque sia possibile, evita di menzionare concetti o terminologie che i nuovi clienti potrebbero non conoscere ancora. Una formulazione poco familiare rende più difficile il lavoro dei cartelli, perché sia i cittadini che i docenti universitari possono trovarli confusi.

  • Cerca di fare in modo che i clienti capiscano facilmente se sono i destinatari di un articolo solo leggendo le indicazioni. Nessun cliente vuole perdere tempo ad aprire articoli solo per scoprire che non sono pertinenti o leggere risposte irrilevanti.

• Utilizza una struttura HTML adeguata per creare dei segnali. Potrebbe apparire altrettanto bene se evidenzi un testo, ne aumenti le dimensioni e lo rendi in grassetto, ma un modello di intelligenza artificiale potrebbe faticare a riconoscere che quella formattazione dovrebbe indicare un titolo. Utilizza invece i tag <h1> appropriati e così via. In questo modo la formattazione sarà molto più coerente e l'intelligenza artificiale potrà individuare la gerarchia delle informazioni. Inoltre, i tuoi clienti con problemi visivi possono navigare più facilmente tra i contenuti formattati correttamente, perché la loro tecnologia di assistenza (ad esempio, gli screen reader) è programmata per analizzare l'HTML.

• Non dare per scontato che i clienti leggano la tua base di conoscenze in ordine sparso. I clienti potrebbero trovare un articolo, o anche una sezione di un articolo, tramite un motore di ricerca e potrebbero sentirsi frustrati se le informazioni che vedono richiedono un contesto che non hanno. Allo stesso modo, se il tuo agente AI invia a un cliente informazioni senza contesto, anche questa può essere un'esperienza di chat frustrante. Assicurati di gettare le basi nei tuoi articoli più avanzati, in modo che tutti i tuoi clienti possano tornare indietro e ottenere maggiori informazioni se ne hanno bisogno.

Lo studio dell'organizzazione delle informazioni per facilitare la navigazione dei clienti si chiama architettura dell'informazione. Se sei interessato a maggiori informazioni, comprese le risorse su come eseguire dei test per verificare il funzionamento dell'organizzazione della tua base di conoscenza per i nuovi clienti, consulta l'Architettura dell'informazione: Guida allo studio sul sito web del Nielsen Norman Group.

Crea pezzi informativi scrivendocontenuti a sé stanti.

Quando un'intelligenza artificiale ingerisce i contenuti della tua base di conoscenza, suddivide le informazioni in pezzi. Poi, quando i clienti pongono delle domande al tuo agente AI, quest'ultimo cerca i pezzi che hanno un significato rilevante e li utilizza per creare delle risposte. Ecco alcuni modi per assicurarti che ogni pezzo abbia senso da solo:

• Fornisci informazioni in frasi complete. Dato che l'agente AI inserisce le informazioni in pezzi, il modo migliore per assicurarsi che le informazioni abbiano un contesto completo è quello di fornire frasi complete.

  Ad esempio, supponiamo che la tua knowledge base contenga una FAQ e che una delle domande sia "Posso pagare con carta di credito?". Invece di un semplice "Sì", che già di per sé non è utile, formulate la risposta come "Sì, puoi pagare con carta di credito".

• Evita i riferimenti ad altri luoghi della tua base di conoscenza. Quando i clienti leggono i contenuti della tua knowledge base nel contesto di un Agente AI, non avranno un contesto per riferimenti come "Come hai visto nel nostro ultimo esempio". Evita questo tipo di riferimenti che fanno sentire i clienti come se si stessero perdendo delle informazioni.

Scrivi in modo chiaro e conciso

Ora che abbiamo parlato di come dovrebbero essere organizzate le tue informazioni, possiamo esaminare l'aspetto delle informazioni stesse. Più i tuoi contenuti sono semplici, più è facile per gli esseri umani e per l'intelligenza artificiale trovare le informazioni importanti di cui hanno bisogno.

• Usa una terminologia chiara che non si sovrapponga. Più la tua terminologia è facile da seguire, più è probabile che un cliente o l'IA siano in grado di riconoscere se il contenuto è pertinente alla domanda del cliente.

  Ad esempio, supponiamo che la tua azienda produca software per l'editoria musicale e che la tua base di conoscenze contenga informazioni sulla creazione di una demo. Ma la tua knowledge base potrebbe anche contenere informazioni su come i potenziali clienti possono contattare il tuo team di vendita per una demo del tuo software. La parola "demo" che significa due cose diverse nella tua base di conoscenze può creare confusione e far comparire risultati di ricerca non pertinenti. Se puoi, vedi se puoi sostituire un'istanza con un'altra parola, in modo che la parola "demo" abbia sempre un solo significato nella tua base di conoscenze.

• Usa un linguaggio semplice. Ti è mai capitato di leggere una frase molto lunga e tortuosa e alla fine non eri sicuro di cosa l'autore stesse cercando di dire? Questo può accadere quando i clienti umani o un'intelligenza artificiale analizzano la tua base di conoscenze. Prenditi il tempo necessario per tagliare i contenuti superflui in modo che sia più facile individuare i punti di forza dei tuoi contenuti.

• Riduci al minimo il ricorso a immagini e video. I contenuti generativi funzionano solo con il testo; il tuo Agente AI non può accedere alle immagini presenti nella tua base di conoscenze. Se hai dei contenuti in immagini, è una buona idea rivalutare se c'è un modo per fornire gli stessi contenuti in testo.

  Un altro motivo per cui questa è una buona idea è l'accessibilità: i tuoi clienti con disabilità visive potrebbero non essere in grado di vedere le tue immagini o i tuoi video. Rendere disponibile il maggior numero possibile di testi, come ad esempio il testo alt o le trascrizioni, aiuta sia i clienti che chattano con il tuo Agente AI sia i clienti che accedono alla tua base di conoscenze utilizzando tecnologie assistive come gli screen reader.

• Verifica il contenuto della tabella. Alcune tabelle funzionano meglio di altre con l'intelligenza artificiale; a volte l'intelligenza artificiale è in grado di analizzare le relazioni spaziali tra le celle, altre volte si confonde. Dopo aver configurato il tuo agente AI, verifica la sua capacità di fornire informazioni provenienti dalle tabelle della tua base di conoscenze. È probabile che le tabelle funzionino se sono formattate con un Markdown corretto, ma tieni presente che non funzioneranno se sono incorporate in immagini.

Prendidecisioni di manutenzione basate sui dati

È comune che i team di documentazione siano piccoli e che a volte fatichino a mantenere aggiornate intere basi di conoscenza. Se fai parte di un team di questo tipo, l'idea di affidare la tua base di conoscenze a un agente AI può sembrare scoraggiante. Non sei solo! Se questa situazione ti sembra familiare, è importante lavorare in modo più intelligente e non più difficile, seguendo alcune buone pratiche:

• Raccogli dati analitici per la tua base di conoscenze. Ci sono molti modi per tracciare i dati di utilizzo della tua knowledge base, a seconda degli strumenti che utilizzi per realizzarla. I dati sull'utilizzo dei clienti sono spesso sorprendenti per le persone che utilizzano un prodotto per tutto il giorno: ecco perché è importante raccoglierli.

• Decidi quali sono le metriche che indicano meglio il successo della tua base di conoscenze. Le metriche dei dati analitici possono essere complicate: le storie che raccontano sono spesso soggette a interpretazione.

  Ad esempio, se i clienti tendono a dedicare solo 10 secondi a un argomento lungo, è perché tendono a cercare un'informazione cruciale nella parte superiore della pagina? In questo caso, probabilmente non c'è bisogno di cambiare nulla. Ma cosa succede se passano quel tempo a scansionare la pagina in cerca di informazioni che non ci sono e se ne vanno frustrati? In questo caso, probabilmente c'è qualcosa che puoi migliorare nel modo in cui è organizzata la tua base di conoscenze.

  Non esiste una serie di metriche giuste o sbagliate su cui concentrarsi. È comune concentrarsi sugli argomenti più visualizzati o su quelli che hanno il maggior numero di recensioni positive o negative da parte dei clienti, ma in definitiva spetta a te e alla tua organizzazione scegliere come misurare il successo della tua knowledge base. La strategia può cambiare nel tempo, ma dovresti avere dei dati a cui fare riferimento.

• Dai priorità alle revisioni dei contenuti in base ai dati raccolti. Dopo aver raccolto i dati di utilizzo dei clienti, inizia a esaminarli. Riesci a trovare degli schemi sui tipi di contenuti verso i quali i clienti sembrano gravitare, o altri contenuti che i clienti non toccano affatto? Utilizzando i dati di utilizzo, inizia a creare un elenco di priorità per gli argomenti più importanti e assicurati che siano curati.

• Puoi sempre disabilitare gli articoli dalla pagina della Conoscenza. Se sai che un argomento è obsoleto, ma è troppo in basso nella tua lista di priorità per essere affrontato subito, puoi disabilitare la sua visualizzazione nei contenuti generativi. In questo modo, puoi evitare che nel tuo Agente AI compaiano informazioni imprecise, senza ritardare il lancio. In futuro, quando avrai la possibilità di aggiornare l'argomento, potrai abilitarlo di nuovo.

• Rivedi i tuoi dati con regolarità. Dopo aver collegato la tua base di conoscenze all'Agente AI, avrai ancora più dati di utilizzo dei tuoi clienti da analizzare. Quando rivedi i tuoi dati, puoi verificare il successo delle tue decisioni precedenti e modificare le tue priorità di conseguenza.

• Utilizza gli strumenti di reporting di MessageMind. Nella dashboard di MessageMind™ puoi vedere report di alto livello sul tasso di risoluzione automatica dell'Agente AI e approfondire le singole conversazioni per vedere come si è comportato l'Agente AI. Una volta che il tuo Agente AI è rivolto ai clienti, avrai ancora più informazioni su come la tua base di conoscenze sta servendo i tuoi clienti attraverso l'AI generativa.

Se hai appena iniziato e non disponi ancora di analisi, considera la possibilità di dare priorità ad alcune aree chiave del tuo prodotto da esaminare per prime, e poi parti da lì. Non è necessario avere subito un piano perfetto per la raccolta dei dati analitici! L'importante è che alla fine tu abbia un sistema che ti permetta di raccogliere e analizzare i dati di utilizzo.

Migliora i contenuti della tua knowledge base neltempo

Cosa fai una volta che hai i dati dei clienti? Usalo tu! Ecco alcuni consigli:

• Mantieni la manutenzione regolare. Man mano che il tuo prodotto cambia, cambia anche la tua documentazione e le domande dei tuoi clienti. Metti da parte un tempo di manutenzione regolare per dare un'occhiata ai rapporti e alle trascrizioni delle conversazioni del tuo Agente AI, in modo da poter individuare le opportunità per migliorare la tua base di conoscenze e far sì che il tuo Agente AI funzioni ancora meglio per i clienti futuri.

• Mantieni stretti i cicli di feedback. Se vedi l'opportunità di migliorare la tua base di conoscenze per poter migliorare il tuo Agente AI, fai subito quel cambiamento, in modo da migliorare subito le prestazioni del tuo Agente AI.

Con il tempo, grazie alle informazioni sul modo in cui i tuoi clienti interagiscono con l'Agente AI, sarai in grado di stabilire un flusso di lavoro in cui potrai migliorare sia la tua base di conoscenze che l'Agente AI contemporaneamente.