كيف تكتب قاعدة معرفة يستطيع الذكاء الاصطناعي استخدامها فعلاً

المحدّد الأكبر منفرداً لجودة دعم العملاء بالذكاء الاصطناعي ليس نموذج الذكاء الاصطناعي. بل قاعدة المعرفة التي يقرأ منها الذكاء الاصطناعي. تنشر الفرق الدعم بالذكاء الاصطناعي، فتحصل على نتائج متوسّطة، فتلوم الذكاء الاصطناعي — بينما المشكلة الحقيقية أنها غذّته بتوثيق مكتوب لبشر يتصفّحون مركز مساعدة، لا لذكاء اصطناعي يجيب عن سؤال محدّد.

يدور هذا المقال حول كتابة قاعدة معرفة تُنتِج إجابات جيدة حقاً من الذكاء الاصطناعي. وهو مهمّ سواء كنت تنشر الدعم بالذكاء الاصطناعي للمرة الأولى أو تحاول تحسين جودة نظام ذكاء اصطناعي تملكه بالفعل. وهو مكتوب لقادة الدعم والمؤسّسين الذين يملكون قاعدة المعرفة، لا للكتّاب التقنيين بالضرورة.

لماذا يختلف المُحسَّن للبشر عن المُحسَّن للذكاء الاصطناعي

قاعدة المعرفة المكتوبة للبشر تفترض شخصاً يتصفّح، ويمسح العناوين بصرياً، وينتقل هنا وهناك، ويستخدم حُكمه لإيجاد الجزء ذي الصلة في مقال طويل. والبشر بارعون في هذا. فهم يتحمّلون مقالاً من 2000 كلمة بعنوان «إدارة حسابك» لأنهم يستطيعون المسح البصري إلى القسم الذي يحتاجونه.

أما الذكاء الاصطناعي فيقرأ على نحو مختلف. فهو يجري استرجاعاً دلالياً — يطابق سؤال العميل بالمحتوى لإيجاد أوثق مقطع صلةً، ثم يبني منه إجابة. ومقال طويل يغطّي 15 موضوعاً فرعياً أسوأ لهذا من 15 مقالاً مركّزاً، لأن الاسترجاع أقلّ دقّة وقد يسحب الذكاء الاصطناعي القسم الخطأ أو يمزج الأقسام على نحو غير صحيح.

التحوّل في العقلية: توقّف عن كتابة مقالات لشخص يتصفّح، وابدأ كتابة مقالات لسؤال يُجاب عنه. وينبغي أن يرتبط كل جزء من المحتوى بوضوح بسؤال محدّد قد يطرحه عميل.

القاعدة 1: موضوع واحد لكل مقال

القاعدة الأهمّ. لا تكتب «كيفية إدارة حسابك» يغطّي تغييرات البريد الإلكتروني، وإعادة تعيين كلمات المرور، وتحديثات الفوترة، وتغييرات الاشتراك. اكتب مقالات مركّزة منفصلة: «كيفية تغيير بريدك الإلكتروني»، و«كيفية إعادة تعيين كلمة مرورك»، و«كيفية تحديث تفاصيل فوترتك»، و«كيفية تغيير خطة اشتراكك».

لماذا يهمّ هذا للذكاء الاصطناعي: يعمل الاسترجاع الدلالي على التشابه بين السؤال والمحتوى. فمقال مركّز عن إعادة تعيين كلمات المرور يطابق سؤالاً عن إعادة تعيين كلمة المرور بدقّة. ومقال إدارة حساب مترامٍ يطابقه بضعف، ممَيَّعاً بكل المحتوى الآخر الذي يحتويه.

الاختبار العملي: إن كان مقال يستطيع الإجابة عن أكثر من سؤال عميل متميّز، فينبغي على الأرجح تقسيمه.

القاعدة 2: عنون كل مقال كالسؤال الذي يطرحه المستخدمون فعلاً

لا يبحث العملاء عن «إعدادات المصادقة الثنائية». بل يسألون «كيف أفعّل المصادقة الثنائية؟» أو «كيف أجعل حسابي أكثر أماناً؟»

عنون مقالاتك كأسئلة، مصاغةً بالطريقة التي يصوغها بها العملاء. هذا يحسّن الاسترجاع بشكل كبير لأن الذكاء الاصطناعي يطابق أسئلة العملاء بعناوينك. وكلّما اقترب عنوانك من طريقة سؤال العملاء الفعلية، كانت المطابقة أفضل.

الاختبار العملي: اقرأ عناوين مقالاتك بصوت عالٍ. هل تبدو كأشياء قد يكتبها عميل أو يقولها؟ أم تبدو كأسماء ميزات داخلية؟ أسماء الميزات تحتاج أن تصبح أسئلة.

القاعدة 3: تعليمات محدّدة بدل العامة

قارن نسختين من التعليمة نفسها:

عامة: «انتقل إلى إعدادات الأمان لديك وفعّل الميزة.»

محدّدة: «انقر أيقونة ملفك الشخصي أعلى اليمين، واختر الإعدادات، ثم الأمان، ثم بدّل المصادقة الثنائية إلى تشغيل.»

ينسخ الذكاء الاصطناعي مستوى التحديد في قاعدة معرفتك. فإن كان توثيقك مبهماً، كانت إجابات الذكاء الاصطناعي مبهمة. وإن أعطى توثيقك خطوات دقيقة، أعطى الذكاء الاصطناعي خطوات دقيقة. يستطيع العملاء اتّباع التعليمات المحدّدة؛ ويتعثّرون في العامة.

الاختبار العملي: هل يستطيع شخص غير مطّلع إطلاقاً على منتجك اتّباع التعليمة دون أن يتعثّر؟ إن لم يستطع، فهي عامة أكثر من اللازم.

القاعدة 4: أضِف كتلة سياق في الأعلى

لمعظم ميزات المنتج شروط — فهي تنطبق على خطط معيّنة، أو مناطق معيّنة، أو أنواع حسابات معيّنة، أو تتطلّب صلاحيات معيّنة. ويحتاج الذكاء الاصطناعي معرفة هذه الشروط ليعطي إجابات صحيحة ومُرشَّحة.

ابدأ كل مقال بكتلة سياق موجزة: «ينطبق هذا على خطتَي Pro وEnterprise.» «متاح في الاتحاد الأوروبي فقط.» «يتطلّب صلاحيات المسؤول.» «ينطبق فقط على الحسابات المُنشأة بعد يناير 2025.»

لماذا يهمّ هذا: دون سياق، قد يخبر الذكاء الاصطناعي عميلاً على خطة Starter كيف يستخدم ميزة Pro، ما يخلق إحباطاً حين لا يجدها. ومع السياق، يستطيع الذكاء الاصطناعي أن يقول «تلك الميزة متاحة على خطط Pro — إليك كيفية الترقية، أو إليك المكافئ لها على خطتك الحالية.»

الاختبار العملي: لكل مقال، اسأل «هل هذا صحيح لكل عميل، أم لبعضهم فقط؟» إن كان لبعضهم فقط، فالشروط مكانها في كتلة سياق.

القاعدة 5: أبقِ البيانات الوصفية محدَّثة

ينبغي أن يحمل كل مقال بيانات وصفية: متى حُدِّث آخر مرة، وأيّ خطط ينطبق عليها، وأيّ ميزات يتعلّق بها. ويستخدم الذكاء الاصطناعي هذا لتفضيل المحتوى الحديث ذي الصلة على المحتوى القديم.

يهمّ هذا أكثر ما يهمّ للمنتجات التي تتغيّر. فتُعاد صياغة ميزة، ويصف المقال القديم التدفّق القديم، ودون بيانات وصفية عن آخر تحديث لا يستطيع الذكاء الاصطناعي تمييز أي نسخة هي الحالية. فيحصل العملاء على تعليمات لواجهة UI لم تعد موجودة.

الاختبار العملي: إن غيّرت ميزة قبل ستة أشهر، هل ما زالت قاعدة معرفتك تصف النسخة القديمة في أي مكان؟ المحتوى القديم يضرّ جودة الذكاء الاصطناعي فعلياً لأن الذكاء الاصطناعي يعطي إجابات خاطئة بثقة.

قاعدة إضافية: تجنّب الاعتماد على لقطات الشاشة في الخطوات الحرجة

يقرأ الذكاء الاصطناعي النص أفضل بكثير مما يقرأ الصور. فإن كانت تعليمة حرجة موجودة داخل لقطة شاشة فقط — «انقر الزرّ الموضّح هنا» — لا يستطيع الذكاء الاصطناعي نقلها بموثوقية.

صِف الخطوات الحرجة بالنص، ثم استخدم لقطة شاشة للتأكيد البصري. فـ«انقر زرّ الحفظ الأزرق أسفل النموذج» زائد لقطة شاشة أكثر فائدةً بكثير للذكاء الاصطناعي من لقطة شاشة وحدها بسهم يشير إلى الزرّ.

لا يعني هذا إزالة لقطات الشاشة. بل يعني عدم الاعتماد عليها للمعلومات التي يحتاج الذكاء الاصطناعي استخراجها.

كيف يبدو هذا عملياً

خذ مقالاً نموذجياً فوضوياً من قاعدة معرفة:

«إدارة الحساب — في هذا القسم ستتعلّم إدارة جوانب متنوّعة من حسابك بما في ذلك معلومات ملفك الشخصي، وإعدادات الأمان، والفوترة وطرق الدفع، وإدارة الاشتراك، وتفضيلات الإشعارات. للبدء، توجّه إلى منطقة حسابك حيث ستجد كل هذه الخيارات...»

هذا سيئ للذكاء الاصطناعي: مقال واحد يغطّي خمسة مواضيع متميّزة، وعنوان عامّ، وتعليمات مبهمة، ولا كتل سياق، ولا تحديد.

النسخة الملائمة للذكاء الاصطناعي هي خمسة مقالات:

1. «كيف أحدّث معلومات ملفي الشخصي؟» — السياق: كل الخطط؛ خطوات محدّدة؛ محدَّث حتى [التاريخ]
2. «كيف أغيّر إعدادات الأمان لديّ؟» — السياق: كل الخطط؛ خطوات محدّدة؛ محدَّث حتى [التاريخ]
3. «كيف أحدّث طريقة الدفع لديّ؟» — السياق: الخطط المدفوعة فقط؛ خطوات محدّدة؛ محدَّث حتى [التاريخ]
4. «كيف أغيّر خطة اشتراكي؟» — السياق: كل الخطط؛ خطوات محدّدة تشمل سلوك الترقية/التخفيض؛ محدَّث حتى [التاريخ]
5. «كيف أدير تفضيلات إشعاراتي؟» — السياق: كل الخطط؛ خطوات محدّدة؛ محدَّث حتى [التاريخ]

المعلومات نفسها، معاد هيكلتها. النسخة الأولى تُنتِج إجابات متوسّطة من الذكاء الاصطناعي. والثانية تُنتِج إجابات دقيقة.

كم يتطلّب هذا من عمل، حقاً؟

الجواب الصادق: أقلّ مما تخشى الفرق، وأكثر مما تأمل.

لشركة SaaS نموذجية بها 50–100 مقال مساعدة، تكون إعادة الهيكلة إلى صيغة ملائمة للذكاء الاصطناعي مشروعَ أسبوع إلى أسبوعين لشخص واحد. ليس عملاً برّاقاً، لكنه أعلى استثمار مردوداً يمكنك القيام به في جودة الدعم بالذكاء الاصطناعي.

الخبر الجيد: لست مضطراً إلى فعل كل ذلك مسبقاً. نهج معقول:

1. ابدأ بأهمّ 20 فئة أسئلة لديك (تغطّي نحو 80% من حجم التذاكر)
2. اكتب أو أعِد كتابة تلك الـ 20 كمقالات ملائمة للذكاء الاصطناعي
3. انشر الدعم بالذكاء الاصطناعي بذلك الأساس
4. استخدم أنماط تصعيد الذكاء الاصطناعي لتحديد الثغرات — فحين يصعّد الذكاء الاصطناعي لأنه يفتقر إلى إجابة، فتلك إشارة لإضافة مقال أو تحسينه
5. كرّر التحسين خلال الأسابيع التالية

هذا النهج المرحلي يمنحك نظام دعم بالذكاء الاصطناعي عاملاً بسرعة، ثم يحسّنه بناءً على بيانات حقيقية عمّا يسأله العملاء فعلاً.

كيف تقيس ما إن كانت قاعدة معرفتك تعمل

بعد النشر، إليك المقاييس التي تخبرك ما إن كانت قاعدة معرفتك جيدة بما يكفي:

معدّل الحلّ التلقائي بواسطة الذكاء الاصطناعي. إن كان دون 50%، فعلى الأرجح أن في قاعدة معرفتك ثغرات. وقواعد المعرفة الجيدة تدعم حلّاً تلقائياً بنسبة 60–70%.

أسباب التصعيد. حين يصعّد الذكاء الاصطناعي، لماذا؟ «لم يُعثَر على مقال ذي صلة» يعني ثغرة محتوى. «مقالات متعدّدة متعارضة» يعني مشكلة هيكلة (تحتاج على الأرجح إلى تقسيم أو دمج).

معدّل متابعة العملاء. إن راسلك العملاء كثيراً بعد إجابة الذكاء الاصطناعي، فالإجابات ليست كاملة. وغالباً ما تكون مشكلة تحديد — كانت الإجابة صحيحة في الاتجاه لكن غير مفصّلة بما يكفي لحلّ المشكلة فعلاً.

CSAT على التذاكر التي عالجها الذكاء الاصطناعي. إن كان CSAT للتذاكر التي عالجها الذكاء الاصطناعي أدنى من التي عالجها البشر، فجودة قاعدة المعرفة هي المتّهم المعتاد.

هذه المقاييس تحوّل تحسين قاعدة المعرفة من تخمين إلى حلقة تغذية راجعة. يخبرك الذكاء الاصطناعي أين الثغرات؛ فتسدّها؛ فتتحسّن الجودة.

الخلاصة

جودة دعم العملاء بالذكاء الاصطناعي هي في معظمها جودة قاعدة المعرفة. النموذج مهمّ، والمعمارية مهمّة، لكنّ أكبر رافعة منفردة تتحكّم بها هي التوثيق الذي تغذّي به الذكاء الاصطناعي.

القواعد الخمس — موضوع واحد لكل مقال، وعناوين على هيئة أسئلة، وتعليمات محدّدة، وكتل سياق، وبيانات وصفية محدَّثة — بسيطة القول عالية الأثر في التطبيق. الفرق التي تتبعها تحقّق حلّاً تلقائياً بنسبة 60–70%. أما الفرق التي تلصق توثيقها القديم المُوجَّه للبشر وتتوقّع سحراً فتحصل على نتائج متوسّطة وتلوم الذكاء الاصطناعي.

قاعدة المعرفة هي الجزء من الدعم بالذكاء الاصطناعي الذي تتحكّم به تماماً. وهي تستحقّ الاستثمار.

أين يقع Respondo

تكامل قاعدة المعرفة في Respondo يزحف تلقائياً على توثيقك الحالي كنقطة انطلاق، ثم يبرز فرص إعادة الهيكلة لأداء أفضل للذكاء الاصطناعي. والذكاء الاصطناعي القائم على الاستدلال يستفيد أقصى استفادة من المحتوى جيّد الهيكلة — فهو يفهم السياق ويبني إجابات محدّدة بدلاً من مجرد استرجاع أقرب مقال.

وتُبرِز لوحة القياس المقاييس التي تخبرك ما إن كانت قاعدة معرفتك تعمل: معدّل الحلّ التلقائي، وأسباب التصعيد، ومعدّلات المتابعة. هذا يحوّل تحسين قاعدة المعرفة إلى حلقة تغذية راجعة مدفوعة بالبيانات بدل التخمين.

تمنحك التجربة المجانية لمدة 14 يوماً وقتاً لربط قاعدة معرفتك، ورؤية جودة الذكاء الاصطناعي الأولية، وتحديد أين ستساعد إعادة الهيكلة أكثر.

تريد أن ترى مدى جودة تعامل الذكاء الاصطناعي مع توثيقك الحالي؟ ابدأ تجربتك المجانية لمدة 14 يوماً — اربط قاعدة معرفتك وشاهد معدّل الحلّ التلقائي على تذاكرك الحقيقية.