快速入門
-
00:00
1.
30 分鐘，建立基礎的 AI 知識庫
播放影片: https://learning.xms.tw/media/6718
主題索引
做法很簡單！
只要將整理好的文件檔案 (如請假制度、行政流程、SOP 等)，直接拖曳到 xms+ AI 知識庫系統，AI 就能依據內部的文件回答企業內專屬的問題囉。
而原本負責回答的專家，
則從「回答」改成每天從統計資料中「檢查」
同事問了什麼問題、AI 怎麼回答
如果 AI 回答的很好，
就存成 FAQ，下次問類似的問題，費用直接節省 10,000 倍！
還能藉此向 AI 學習、獲得成長呢。
萬一回答有問題呢？
那就即時亡羊補牢，提醒當初提問的人，以及修正後存成 FAQ 就好。
如果想要更保守，
也可以只開放給自己用就好，在回答別人的問題之前，都先問 AI，讓 AI 幫你找到答案或提供怎麼回答的內容。
畢竟 AI 的正確率與品質比一般人高太多了，可以成為一個很棒的輔助。
一個小小簡單的動作和改變
- 將文件丟給 AI
- 角色從「回答」改成「檢查」
就能帶來驚人的效益
- 減少大量重複回答的負擔
- 更快、更好的品質
- 收集真實的需求 (會問，代表需求)
- 記錄隱性經驗 (回答，就是經驗)
如何操作呢？
5% 帶來的效益
雖然這些佔資深員工的經驗比例不高 (5%)，
但依然很有價值、也非常實用！
因為光是這 5% 的規定，
就佔了人資或行政每天許多重複性的回答，把這些瑣碎的常見問題、SOP 等直接丟給 AI，馬上就能幫團隊省下大把時間，讓我們更能專注在真正重要的事情上。
之後再持續收集新的問題與回答，
讓知識庫不斷成長，就能形成企業的動態知識大腦。
AI，比資深專家更厲害
此外，xms+ AI 更導入進階的 agentic 技術並且優化，
能試著了解使用者想問的問題，找到參考文件並「分析」後回答。
例如：
使用者問：「我時數最多，昨天禮拜天，今天禮拜一我是第一個被彈放嗎？」
這完全就是我們平常講話的口吻對吧？
充滿了時間點，口語化的條件，
還有那種只有自己人才聽得懂的內部行話「彈放」，這絕對不是你能在任何一本正式的官方員工手冊裡找到的標準句子，一般的 RAG 僅透過一次 embedding vector「相似度」的比對也通常找不到。
xms+ AI 就像有經驗的人類一樣
- 試著理解使用者想問什麼，例如「彈放條件、時數最多」
- 依據知識庫內文件提供的資料，分析並找出哪些文件與問題相關
- 再從文件內列出的一堆「原則」中解析後回答
這個過程，
尤其第三項，甚至比實際的資深專家還厲害呢！
因為文件裡面有太多規則，
多到常常都要開會討論、尋找、比對哪一條規則適用，而且有時候還無法下定論呢。
圖: xms+ AI 可以理解使用者想問什麼，並從文件的一堆規則中整理回答
問題：要有文件、成本高
AI 很厲害沒錯，但這是有前提的
- 文件要夠完整
這個例子中，幾乎把遇到的 case 都條列出來，難度很高也不好維護。 - 費用高
即使 xms+ AI 已經大幅降低 token 消耗，但這個 case 仍需要約台幣 1.1 元，小量使用還可以，當用量大時絕對是一筆需要精打細算的營運開銷。
避免 AI 幻覺
還有，讓 AI 生成還有一個大問題 ~
無法避免的 AI 幻覺 (一本正經胡說八道)。
這代表即使 95% 的情況都回答的很好，
但如果那 5% 的錯誤是不可承擔的高風險，例如，產線操作員聽信了 AI 瞎掰的答案去操作生產流程，結果搞到整批產品報廢，這種不確定性的風險，正是很多 AI 專案最後根本無法落地的原因。
AI 幻覺的解法也很直接 ~
就是「不讓 AI 生成」！
為此，xms+ AI 提供「限制 AI 生成」的功能 ，不讓 AI 生成內容，只列出參考資料就好。
當作知識管理的加強版，
透過「語意」來找資料，克服傳統用「關鍵詞」找不到的困擾，就像在內部知識庫裝一個比 Google 搜尋還強的 AI 搜尋一樣。
100 分的解法
雖然我們可以找到漂亮的解法來讓 AI 回答那 5% 的經驗，
但另外 95% 還留在資深員工的「隱性經驗」要如何克服呢？還有昂貴的 token 費用呢？
解法比我們想像中的還容易喔
只要做到每天花 10 分鐘，執行「問AI、整理FAQ」這兩個小小的行為，就能做到
- 記錄隱性經驗
- 避免 AI 幻覺
- token 費用降低到趨近於 0
更詳細的說明，
評語
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
- 建立
- 2026-07-29 07:04:57
- 最近修訂
- 2026-10-05 11:17:14
- 長度
- 07:19