• 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: 1036, 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. 2.
      快速入門
    2. 3.
      需求、現況與突破
    3. 4.
      生成式 AI 的根本限制與風險
    4. 5.
      打造沒有 AI 幻覺的知識庫
    5. 6.
      應用 (1) ~ 用 AI 提升業績 20%
    6. 7.
      應用 (2) ~ AI 驅動的學習革命
    7. 8.
      採取行動 ~ 導入系統與建立制度
    8. 9.
      知識管理 (1) ~ 記錄經驗
    9. 10.
      知識管理 (2) ~ 維護資料
    10. 11.
      知識管理 (3) ~ 寫 FAQ
    11. 12.
      知識管理 (4) ~ 寫文件
    12. 13.
      操作教學
    13. 14.
      補充 (1) ~ 數位轉型
    14. 15.
      補充 (2) ~ 其他應用
    15. 16.
      補充 (3) ~ 作業練習