• 00:00 1.
    [操作] 依據 AI 統計資料,持續改善的操作流程
  • 索引
  • 筆記
  • 全螢幕
依據 AI 統計資料,持續維護與優化知識庫
長度: 09:53, 瀏覽: 981, 最近修訂: 2026-09-17
只要有專人每天花 10 分鐘,
查看後台小幫手的統計資料,就能有效維護與優化那些「有用到」的經驗!

相較於回答問題,查看與必要修正的負擔,低到幾乎可以忽略。
至於用不到的經驗,錯了也還好,反正也沒人看 :-)


小幫手問答紀錄
為了提供持續改善的方向,打造更優質的 AI 知識庫,
AI 小幫手在提供服務的同時,會紀錄以下資訊:
  1. 使用者提問
  2. AI 回應的內容及參考來源 (文件或 FAQ)
  3. 使用者對 AI 回應的滿意度回饋

並提供以下統計:
  1. 不滿意的
    情境:使用者對 AI 回覆結果表達了「不滿意」。
    改善:調整 FAQ or 文件。

  2. 都找不到
    情境:文件、FAQ 都沒有能找到和問題可能相關的內容。
    改善:補 FAQ or 文件。

  3. 找不到FAQ
    情境:FAQ 中沒有找到,但在文件中有找到並成功回答。
    改善:補 FAQ。
    這相當於從文件中,將常見且重要的問題從文件中萃取出來。好處是直接對症下藥,讓使用者能快速獲取關鍵資訊,也避免使用者不想看長篇大論的文件或看的時候抓不到重點的問題。

  4. 無法回答
    情境:有找到可能相關的 FAQ 或文件,但 AI 判斷無法依據現有內容回答。系統這時候就會提供問 ChatGPT 的結果。
    改善:調整 FAQ or 文件,或是直接將 ChatGPT 回答存起來。

數據驅動,精準優化 AI 服務
透過這些具體數據與趨勢分析,
我們能更準確掌握使用者需求,並找出常見且重要的問題。

獲得持續改進的重要方向,讓關鍵的 20% 發揮 80% 的巨大效益,並進一步提升 AI 的品質與知識覆蓋度,打造更優質的 AI 服務。

例如,不滿意就是一個非常重要的指標,
因為 AI 回應出現偏差,可能會對使用者造成困擾,我們就可以優先處理。

透過深入追蹤每個「不滿意」回饋的原因,
就能針對 AI 幻覺或歪樓的地方先修正,避免類似情況再次發生,確保 AI 的回應更加精確可靠。

怎麼優化呢?
可以從以下幾個方向著手:
  1. 內容深度不足
    可能是文件內容過於簡略,或是缺少情境化的解釋。就可以補充更多範例、圖解或詳細說明。

  2. 內容不夠精準
    FAQ 或產品文件裡的敘述過於籠統,例如詞或寫法和 AI 判斷的不一樣,導致 AI 無法準確提取關鍵資訊。
    這時候,我們就可以調整措辭,使語句更具結構性,或改寫內容,讓 AI 更容易識別與解析。

  3. 設計標籤 (關鍵字)
    有時候 FAQ 或產品文件其實已經有答案,但可能因為用詞差異太大而找不到。這時候就可以使用標籤來補充關鍵字。
    例如,「骨髓穿刺檢查」的內容,就可以加上標籤「抽龍骨水」。

設計制度與流程,確保持續改善
這種事情做一兩次都很容易,但要能持續做就有難度 ...
別擔心,做法很簡單,就 3 個重點:
  1. 建立制度
    這是在公司內得以推動的關鍵基礎。

  2. 定期檢視
    透過固定週期檢視統計的問題清單。建議每天在固定時段 (例如上班時) 花 10 分鐘就好,好處是負擔低到不會影響現有的工作,而且好執行 (每天都做)。

  3. 採取行動
    對於需要新增或修改的 FAQ / 文件 (先挑重要的),指派負責單位與專業人員跟進。

操作流程也很簡單。
  1. 查看統計資料
    找出 AI 無法回答、找不到 FAQ 或用戶不滿意的問題。

  2. 修改 or 新增內容
    根據分析結果,補充 FAQ 或優化文件。

  3. 確認效果
    透過「更新資料」以及「再問一次」,就能立即觀察 AI 回應是否改善。

更完整的操作步驟,
    評語
    5
    共 1 則評分
    5
    4
    3
    2
    1
    請登入後才可以評分
    位置
    資料夾名稱
    AI 人工智慧之道 ~ 每天 10 分鐘,打造沒有幻覺的 AI 知識庫
    上傳者
    蘇德宙
    單位
    台灣數位員工
    標籤
    xms+ AI, AI統計
    建立
    2024-12-24 08:24:22
    最近修訂
    2026-09-17 14:28:38
    版本
    v2.250203
    長度
    09:53
    引用
    1
    1. 1.
      快速入門
    2. 2.
      需求、現況與突破
    3. 3.
      生成式 AI 的根本限制與風險
    4. 4.
      打造沒有 AI 幻覺的知識庫
    5. 5.
      應用 (1) ~ 用 AI 提升業績 20%
    6. 6.
      應用 (2) ~ AI 驅動的學習革命
    7. 7.
      採取行動 ~ 導入系統與建立制度
    8. 8.
      知識管理 (1) ~ 記錄經驗
    9. 9.
      知識管理 (2) ~ 維護資料
    10. 10.
      知識管理 (3) ~ 寫 FAQ
    11. 11.
      知識管理 (4) ~ 寫文件
    12. 12.
      操作教學
    13. 13.
      Q&A
      1. 13.2
        企業為什麼需要自己的 AI 知識庫?
      2. 13.3
        文件與 FAQ
      3. 13.4
        AI 幻覺
      4. 13.5
        如何開始累積經驗?
      5. 13.6
        員工不想寫 FAQ 怎麼辦?
      6. 13.7
        FAQ 要怎麼寫?
      7. 13.8
        知識庫如何持續維護?
      8. 13.9
        經驗如何變成能力?
      9. 13.10
        如何推動?
      10. 13.11
        xms+AI 操作相關
    14. 14.
      補充 (1) ~ 數位轉型
    15. 15.
      補充 (2) ~ 其他應用