AIが本当に使えるナレッジベースの書き方

AIカスタマーサポートの品質を左右する唯一最大の要因は、AIモデルではありません。AIが読み取るナレッジベースです。チームはAIサポートを導入し、平凡な結果を得て、AIのせいにします——本当の問題は、特定の質問に答えるAI向けではなく、ヘルプセンターを閲覧する人間向けに書かれたドキュメントをAIに与えたことなのに。

本稿は、本当に良いAIの回答を生み出すナレッジベースの書き方についてのものです。初めてAIサポートを導入する場合でも、すでにあるAIシステムの品質を改善しようとしている場合でも、関わりがあります。テクニカルライターに限らず、ナレッジベースを担当するサポートリードや創業者に向けて書いています。

なぜ人間向けとAI向けの最適化は異なるのか

人間向けに書かれたナレッジベースは、人が閲覧し、見出しを拾い読みし、あちこち飛ばしながら、判断力を使って長い記事の関連部分を見つけることを前提としています。人間はこれが得意です。必要なセクションまで拾い読みできるので、「アカウントの管理」と題された2,000語の記事も許容します。

AIの読み方は異なります。AIはセマンティック検索を行います——顧客の質問をコンテンツと照合して最も関連性の高い箇所を見つけ、そこから回答を組み立てます。15のサブトピックを扱う長い記事は、これにとって15本の焦点を絞った記事よりも不利です。検索の精度が落ち、AIが間違ったセクションを引き出したり、セクションを誤って混ぜ合わせたりしかねないからです。

意識の転換はこうです。閲覧する人のために記事を書くのをやめ、答えるべき質問のために記事を書き始めましょう。一つひとつのコンテンツは、顧客が尋ねうる具体的な質問にきれいに対応すべきです。

ルール1：1記事1トピック

最も重要なルールです。メールアドレスの変更、パスワードのリセット、請求情報の更新、サブスクリプションの変更をまとめて扱う「アカウントの管理方法」を書いてはいけません。焦点を絞った別々の記事を書きましょう。「メールアドレスの変更方法」「パスワードのリセット方法」「請求情報の更新方法」「サブスクリプションプランの変更方法」です。

なぜこれがAIにとって重要なのか。セマンティック検索は、質問とコンテンツの類似度に基づいて機能します。パスワードのリセットに焦点を絞った記事は、パスワードのリセットに関する質問に正確に一致します。あれこれ詰め込んだアカウント管理の記事は、含まれる他のすべての内容によって薄められ、弱くしか一致しません。

実践的なテストはこうです。1つの記事が、複数の異なる顧客の質問に答えられるなら、おそらく分割すべきです。

ルール2：各記事に、ユーザーが実際に尋ねる質問のタイトルを付ける

顧客は「2要素認証の設定」で検索しません。「2要素認証はどうやって有効にしますか？」や「アカウントをもっと安全にするにはどうすればいいですか？」と尋ねます。

記事には、顧客が言い表すとおりの言い回しで、質問の形のタイトルを付けましょう。AIは顧客の質問をあなたのタイトルと照合するので、これは検索を劇的に改善します。タイトルが、顧客が実際に尋ねる形に近いほど、一致は良くなります。

実践的なテストはこうです。記事のタイトルを声に出して読んでみましょう。顧客が入力したり口にしたりしそうな言葉に聞こえますか？ それとも社内の機能名のように聞こえますか？ 機能名は、質問に変える必要があります。

ルール3：一般的な手順よりも具体的な手順を

同じ手順の2つのバージョンを比べてみましょう。

一般的： 「セキュリティ設定に移動して、その機能を有効にしてください。」

具体的： 「右上のプロフィールアイコンをクリックし、「設定」、次に「セキュリティ」を選び、「2要素認証」を「オン」に切り替えてください。」

AIは、ナレッジベースの具体性のレベルをそのまま写し取ります。ドキュメントが曖昧なら、AIの回答も曖昧になります。ドキュメントが正確な手順を示せば、AIも正確な手順を示します。顧客は具体的な手順には従えますが、一般的な手順ではつまずきます。

実践的なテストはこうです。あなたの製品をまったく知らない人が、つまずかずにその手順に従えるでしょうか？ 従えないなら、それは一般的すぎます。

ルール4：冒頭にコンテキストブロックを加える

ほとんどの製品機能には条件があります——特定のプラン、特定の地域、特定のアカウント種別にのみ適用されたり、特定の権限を必要としたりします。AIは、正しく絞り込まれた回答をするために、これらの条件を知る必要があります。

各記事を、簡潔なコンテキストブロックで始めましょう。「これはProプランとEnterpriseプランに適用されます。」「EUでのみ利用可能。」「管理者権限が必要です。」「2025年1月以降に作成されたアカウントにのみ適用されます。」

なぜこれが重要なのか。コンテキストがないと、AIはStarterプランの顧客にProの機能の使い方を教えてしまい、それが見つからないときに不満を生むかもしれません。コンテキストがあれば、AIはこう言えます。「その機能はProプランで利用できます——アップグレードの方法はこちら、あるいは現在のプランでの同等の機能はこちらです。」

実践的なテストはこうです。各記事について、「これはすべての顧客に当てはまるのか、それとも一部だけか？」と問いましょう。一部だけなら、その条件はコンテキストブロックに書くべきです。

ルール5：メタデータを最新に保つ

各記事は、メタデータを備えるべきです。いつ最後に更新されたか、どのプランに適用されるか、どの機能に関連するか、です。AIはこれを使って、古くなったコンテンツよりも、新しく関連性の高いコンテンツを優先します。

これは、変化する製品にとって最も重要です。機能が再設計され、古い記事は古いフローを説明しており、最終更新のメタデータがなければ、AIはどのバージョンが最新かを見分けられません。顧客は、もはや存在しないUIの手順を受け取ることになります。

実践的なテストはこうです。半年前に機能を変更したなら、ナレッジベースのどこかに、まだ古いバージョンの説明が残っていませんか？ 古くなったコンテンツは、AIが自信たっぷりに誤った回答をするため、AIの品質を積極的に損ないます。

おまけのルール：重要な手順をスクリーンショットに頼らない

AIは、画像よりもテキストのほうがはるかによく読み取れます。重要な手順がスクリーンショットの中にしか存在しない場合——「ここに表示されているボタンをクリック」——AIはそれを確実に伝えられません。

重要な手順はテキストで説明し、それからスクリーンショットを視覚的な確認のために使いましょう。「フォームの下部にある青い「保存」ボタンをクリック」という説明にスクリーンショットを添えるほうが、ボタンを指す矢印だけのスクリーンショット単体よりも、AIにとってはるかに役立ちます。

これはスクリーンショットをなくすという意味ではありません。AIが抽出する必要のある情報を、スクリーンショットに依存しないという意味です。

実際にはどう見えるか

典型的な、雑然としたナレッジベースの記事を取り上げてみましょう。

「アカウント管理——このセクションでは、プロフィール情報、セキュリティ設定、請求と支払い方法、サブスクリプション管理、通知設定など、アカウントのさまざまな側面の管理について学びます。まずは、これらのオプションがすべて見つかるアカウント画面に移動してください……」

これはAIにとって良くありません。1つの記事が5つの異なるトピックを扱い、タイトルは一般的で、手順は曖昧、コンテキストブロックもなく、具体性もありません。

AIに適したバージョンは、5本の記事です。

1. 「プロフィール情報はどうやって更新しますか？」——コンテキスト：全プラン、具体的な手順、[日付]時点で最新
2. 「セキュリティ設定はどうやって変更しますか？」——コンテキスト：全プラン、具体的な手順、[日付]時点で最新
3. 「支払い方法はどうやって更新しますか？」——コンテキスト：有料プランのみ、具体的な手順、[日付]時点で最新
4. 「サブスクリプションプランはどうやって変更しますか？」——コンテキスト：全プラン、アップグレード/ダウングレードの挙動を含む具体的な手順、[日付]時点で最新
5. 「通知設定はどうやって管理しますか？」——コンテキスト：全プラン、具体的な手順、[日付]時点で最新

同じ情報を、再構成しただけです。最初のバージョンは平凡なAIの回答を生みます。2つ目は正確な回答を生みます。

これは実際、どれくらいの作業量なのか

正直な答えはこうです。チームが恐れるほどではなく、期待するほど少なくもありません。

50〜100本のヘルプ記事がある典型的なSaaSの場合、AIに適した形式への再構成は、1人でおよそ1〜2週間のプロジェクトです。華やかな作業ではありませんが、AIサポートの品質にできる、最もてこの効いた投資です。

良い知らせは、最初にすべてをやる必要はないということです。妥当なアプローチはこうです。

1. 上位20の質問カテゴリーから始める（これらがチケット量の約80%をカバーします）
2. その20をAIに適した記事として書く、または書き直す
3. その土台でAIサポートを導入する
4. AIのエスカレーションのパターンを使って抜けを特定する——AIが答えを持たずにエスカレーションするとき、それは記事を追加または改善すべきサインです
5. その後の数週間で繰り返し改善する

この段階的なアプローチなら、機能するAIサポートシステムを素早く手に入れ、その後、顧客が実際に何を尋ねるかについての実際のデータに基づいて改善できます。

ナレッジベースが機能しているか測定する方法

導入後、ナレッジベースが十分に良いかどうかを教えてくれる指標です。

AI自動解決率。 これが50%を下回っているなら、ナレッジベースにはおそらく抜けがあります。良いナレッジベースは60〜70%の自動解決を支えます。

エスカレーションの理由。 AIがエスカレーションするとき、その理由は何か。「関連する記事が見つからない」はコンテンツの抜けを意味します。「複数の矛盾する記事」は構造の問題（おそらく分割か統合が必要）を意味します。

顧客の追加問い合わせの発生率。 AIの回答の後に顧客が頻繁に返信してくるなら、その回答は完全ではありません。多くは具体性の問題です——回答の方向性は正しかったものの、実際に問題を解決するには詳しさが足りなかったのです。

AIが対応したチケットのCSAT。 AIが対応したチケットのCSATが、人間が対応したものより低いなら、たいていの原因はナレッジベースの品質です。

これらの指標は、ナレッジベースの改善を当て推量からフィードバックループへと変えます。AIが抜けの場所を教えてくれる。あなたがそれを埋める。品質が向上する。

結論

AIカスタマーサポートの品質は、ほとんどがナレッジベースの品質です。モデルも重要、アーキテクチャも重要ですが、あなたが制御できる唯一最大のてこは、AIに与えるドキュメントです。

5つのルール——1記事1トピック、質問形式のタイトル、具体的な手順、コンテキストブロック、最新のメタデータ——は、述べるのは簡単で、実践すれば大きな効果があります。これらに従うチームは60〜70%の自動解決率を得ます。古い人間向けのドキュメントを貼り付けて魔法を期待するチームは、平凡な結果を得て、AIのせいにします。

ナレッジベースは、AIサポートのうち、あなたが完全に制御できる部分です。投資する価値があります。

Respondoの位置づけ

Respondoのナレッジベース連携は、出発点として既存のドキュメントを自動でクロールし、その後、AIの性能を高めるために再構成できる箇所を浮かび上がらせます。推論優先型のAIは、よく構成されたコンテンツを最大限に活用します——コンテキストを理解し、最も近い記事を検索して返すだけでなく、具体的な回答を組み立てます。

ダッシュボードは、ナレッジベースが機能しているかどうかを教えてくれる指標——自動解決率、エスカレーションの理由、追加問い合わせの発生率——を表示します。これにより、ナレッジベースの改善が、当て推量ではなくデータに基づくフィードバックループになります。

14日間のトライアルでは、ナレッジベースを接続し、初期のAIの品質を確認し、どこを再構成すれば最も効果があるかを見極める時間が得られます。

現在のドキュメントをAIがどれだけうまく扱えるか見てみませんか？ 14日間の無料トライアルを始めましょう——ナレッジベースを接続して、実際のチケットでの自動解決率を確かめてください。