Ottimizzazione delle fonti di conoscenza per dataset di grandi dimensioni.

Il vostro Agente IA 3CX è uno strumento potente, in grado di variare le interazioni con i clienti e di snellire il supporto. Ma cosa succede quando l’agente inizia a rallentare o fatica a trovare informazioni in un vasto pool di conoscenza?

Oggi approfondiremo le migliori pratiche per strutturare le fonti di conoscenza del tuo Agente IA 3CX, comunemente chiamate anche knowledge base, per garantire che funzioni sempre al massimo delle sue prestazioni, fornendo ogni volta risposte rapide, accurate e pertinenti, specialmente quando si gestiscono dataset di grandi dimensioni.

Lo strumento giusto per il lavoro: Base di conoscenza contro i Dati in tempo reale

Una delle domande più comuni che riceviamo riguarda l’uso delle basi di conoscenza per la ricerca di inventario in tempo reale o altri dati dinamici. Sebbene possa sembrare intuitivo caricare un file CSV di grandi dimensioni con 50.000 righe di SKU e conteggi di inventario, questo non è un caso d’uso ideale per gli Agenti IA 3CX.

Perché i file CSV di grandi dimensioni per l’inventario non funzionano bene

  • Precisione e velocità: Le basi di conoscenza sono progettate per informazioni descrittive: FAQ, politiche, note sui prodotti, passaggi per la risoluzione dei problemi e linee guida generali. Per la ricerca esatta di SKU o della disponibilità di magazzino, è necessaria una risposta che sia precisa, rapida e aggiornata.
  • Limitazioni di Recupero: Al momento, le basi di conoscenza dell’Agente IA 3CX non sono strutturate come un motore di ricerca per l’inventario in tempo reale. Sebbene la suddivisione di un CSV di grandi dimensioni in file più piccoli possa migliorare il recupero in alcuni casi, non sarà affidabile o efficiente come interrogare direttamente il proprio sistema di magazzino. OpenAI, che alimenta i nostri Agenti IA, consente il caricamento di file CSV, ma questi non sono ottimizzati per questo specifico tipo di recupero dati preciso e in tempo reale.

Per dati dinamici e in tempo reale come l’inventario, è decisamente preferibile una query al database o tramite API. Per ora, evitate di usare le basi di conoscenza per grandi inventari di SKU e mantenetele per le informazioni generali a cui l’IA può rispondere in modo affidabile.

Ottimizzare le fonti di conoscenza per velocità e accuratezza

Ora vediamo per cosa sono perfette e come renderle efficienti per tali casi d’uso. Se avete notato che il vostro Agente IA impiega più tempo a rispondere quando è allegata una base di conoscenza, spesso dipende da come sono strutturati i dati.

La chiave per un recupero rapido è garantire che i dati siano correttamente suddivisi, descritti chiaramente e archiviati in un formato pulito e strutturato come Markdown.

Ecco come rendere il recupero il più veloce possibile

  1. Suddividete per argomento, non per dimensione: Invece di un unico file gigante con informazioni miste, dividete le vostre basio i vostri file in argomenti chiari e distinti. Ogni file o base deve avere uno scopo specifico. Esempio: Se vendete cuscini e coperte, create due basi di conoscenza separate: una per “Informazioni sui prodotti Cuscini” e un’altra per “Informazioni sui prodotti coperte”. Questo aiuta l’IA a isolare i dati pertinenti, elaborando il set più piccolo possibile.
  2. Evitate file grandi e misti: File molto grandi, in cui sono raggruppati argomenti non correlati, rallenteranno inevitabilmente il recupero e ridurranno l’accuratezza. L’IA deve passare al setaccio un maggior numero di informazioni irrilevanti per trovare ciò di cui avetebisogno.
  3. Formato Markdown per i file delle basidi conoscenza: Per ottenere i migliori risultati, strutturate il contenuto della vostra base di conoscenza in Markdown (.md) ogni volta che è possibile. I file Markdown sono leggeri, puliti e facili da leggere, suddividere e recuperare con precisione per i sistemi di IA. Consentono di utilizzare intestazioni, sotto-intestazioni, elenchi puntati, tabelle e sezioni chiare, il che aiuta l’IA a comprendere la struttura delle informazioni.
  4. Usate descrizioni chiare: quando create più basi di conoscenza, separate le informazioni in modo che non vi siano sovrapposizioni. È importante fornire una descrizione chiara per ciascuna base di conoscenza. Questa descrizione funge da guida per l’IA, aiutandola a selezionare la fonte più appropriata in base alla query dell’utente.
  5. Strutturate i file in modo intelligente: Se usate i CSV per dati descrittivi (non per l’inventario in tempo reale), assicuratevi che il contenuto sia facile da determinare tramite metriche di prossimità. Ad esempio, se avete due CSV, assicuratevi che la prima colonna definisca chiaramente il tipo di prodotto, oppure includi una riga chiara in alto che definisca esplicitamente il contenuto. Questo aiuta a garantire che solo il file più pertinente restituisca una forte corrispondenza.

Esempio

Invece di caricare un file PDF, un documento Word o un file di testo semplice così com’è, con contenuti non strutturati, convertitelo prima in Markdown (potete usare l’IA per farlo). Questo è particolarmente utile per le basi di conoscenza aziendali, le FAQ, la documentazione dei prodotti, le guide alla risoluzione dei problemi e i documenti relativi alle politiche aziendali.

Un esempio di file Markdown ben strutturato potrebbe includere:

# Politica di reso dei prodotti
## Finestra di reso
I clienti possono restituire i prodotti entro 30 giorni dall'acquisto.
## Condizioni
- Il prodotto deve essere inutilizzato.
- È richiesta la ricevuta originale.
- Gli articoli danneggiati devono essere segnalati entro 48 hours.
## Processo di rimborso
I rimborsi vengono elaborati entro 5 giorni lavorativi.

Forum 3CX

Partecipate alla discussione 3CX nei nostri forum dedicati ai Partner o ai Clienti. Seguiteci su X e LinkedIn per rimanere aggiornati sulle ultime novità e sui rilasci di funzionalità.