Paano sumulat ng base ng kaalaman na talagang magagamit ng AI ninyo

Hindi ang modelo ng AI ang pinakamalaking dumidikta sa kalidad ng suporta sa customer na pinapagana ng AI. Ang base ng kaalamang binabasa ng AI ang siyang nagdidikta. Naglulunsad ng suportang AI ang mga koponan, katamtaman lang ang nakukuhang resulta, at ang AI ang sinisisi — samantalang ang totoong problema ay pinakain nila ito ng dokumentasyong isinulat para sa taong nagbabasa-basa sa sentro ng tulong, hindi para sa AI na sumasagot ng isang tiyak na tanong.

Tungkol ang artikulong ito sa pagsulat ng base ng kaalaman na talagang nagbubunga ng magagandang sagot ng AI. Mahalaga ito kung unang beses pa lang kayong maglulunsad ng suportang AI, at mahalaga rin kung pinapahusay ninyo ang kalidad ng sistemang AI na mayroon na kayo. Isinulat ito para sa mga pinuno ng suporta at mga founder na may hawak ng base ng kaalaman, hindi kinakailangang para sa mga technical writer.

Bakit magkaiba ang inayos para sa tao at ang inayos para sa AI

Ipinapalagay ng base ng kaalamang isinulat para sa tao na may taong nagbabasa-basa, sumisipat sa mga heading, tumatalon-talon, at gumagamit ng sariling pagpapasya para hanapin ang bahaging kailangan sa isang mahabang artikulo. Magaling ang tao dito. Tinitiis nila ang 2,000-salitang artikulong may pamagat na “Pamamahala sa Account Ninyo” dahil kaya nilang sipatin ito hanggang sa seksyong kailangan nila.

Iba ang pagbasa ng AI. Semantikong paghahanap ang ginagawa nito — itinatapat ang tanong ng customer sa nilalaman para matagpuan ang pinakaangkop na bahagi, at mula roon ito bumubuo ng sagot. Mas masama para dito ang isang mahabang artikulong sumasaklaw sa 15 sub-paksa kaysa sa 15 nakapokus na artikulo, dahil hindi gaanong tumpak ang paghahanap at puwedeng hilahin ng AI ang maling seksyon o mali ang paghahalo nito sa mga seksyon.

Ganito ang pagbabago sa pag-iisip: tigilan ang pagsulat ng artikulo para sa taong nagbabasa-basa, at simulan ang pagsulat ng artikulo para sa tanong na sinasagot. Dapat malinis na tumugma ang bawat piraso ng nilalaman sa isang tiyak na tanong na baka itanong ng customer.

Tuntunin 1: Isang paksa kada artikulo

Ito ang pinakamahalagang tuntunin. Huwag sumulat ng “Paano pamahalaan ang account ninyo” na sumasaklaw sa pagpapalit ng email, pag-reset ng password, pag-update ng pagsingil, at pagbabago ng subscription. Sumulat ng magkakahiwalay at nakapokus na artikulo: “Paano palitan ang email ninyo”, “Paano i-reset ang password ninyo”, “Paano i-update ang detalye ng pagsingil ninyo”, “Paano palitan ang subscription plan ninyo”.

Bakit ito mahalaga para sa AI: gumagana ang semantikong paghahanap batay sa pagkakahawig ng tanong at ng nilalaman. Tumpak na tumutugma sa tanong tungkol sa pag-reset ng password ang isang artikulong nakapokus sa pag-reset ng password. Mahina ang pagtugma ng malawakang artikulo tungkol sa pamamahala ng account, dahil napapanghina ito ng lahat ng ibang nilalamang nasa loob nito.

Ang praktikal na pagsubok: kung kaya ng isang artikulong sagutin ang mahigit isang magkaibang tanong ng customer, malamang na dapat itong hatiin.

Tuntunin 2: Pamagatan ang bawat artikulo gamit ang mismong tanong ng mga user

Hindi naghahanap ang mga customer ng “Two-factor authentication settings”. Ang tanong nila ay “Paano ko bubuksan ang two-factor authentication?” o “Paano ko gagawing mas ligtas ang account ko?”

Gawing tanong ang pamagat ng mga artikulo ninyo, binuo sa paraang binubuo ito ng mga customer. Malaki ang ipinagbubuti nito sa paghahanap dahil itinatapat ng AI ang mga tanong ng customer sa mga pamagat ninyo. Kung mas malapit ang pamagat ninyo sa aktuwal na pagtatanong ng mga customer, mas maganda ang pagtugma.

Ang praktikal na pagsubok: basahin nang malakas ang mga pamagat ng artikulo ninyo. Tunog ba ang mga ito na parang isusulat o sasabihin ng isang customer? O tunog ba silang panloob na pangalan ng feature? Kailangang maging tanong ang mga pangalan ng feature.

Tuntunin 3: Tiyak na tagubilin, hindi pangkalahatan

Paghambingin ang dalawang bersyon ng iisang tagubilin:

Pangkalahatan: “Pumunta sa security settings ninyo at buksan ang feature.”

Tiyak: “I-click ang profile icon ninyo sa kanang itaas, piliin ang Settings, tapos ang Security, tapos i-toggle ang Two-Factor Authentication patungong On.”

Ginagaya ng AI ang antas ng pagiging tiyak ng base ng kaalaman ninyo. Kung malabo ang dokumentasyon ninyo, malabo rin ang mga sagot ng AI. Kung eksaktong hakbang ang ibinibigay ng dokumentasyon ninyo, eksaktong hakbang din ang ibinibigay ng AI. Kayang sundan ng mga customer ang tiyak na tagubilin; natitigilan sila sa pangkalahatan.

Ang praktikal na pagsubok: kaya bang sundan ng taong walang kaalam-alam sa produkto ninyo ang tagubilin nang hindi natitigilan? Kung hindi, masyado itong pangkalahatan.

Tuntunin 4: Maglagay ng bloke ng konteksto sa itaas

May kondisyon ang karamihan sa mga feature ng produkto — umiiral lang ang mga ito sa ilang plano, ilang rehiyon, ilang uri ng account, o nangangailangan ng ilang permiso. Kailangang alam ng AI ang mga kondisyong ito para makapagbigay ng tama at nasalang sagot.

Simulan ang bawat artikulo sa isang maikling bloke ng konteksto: “Umiiral ito sa mga planong Pro at Enterprise.” “Available sa EU lang.” “Kailangan ng permiso ng admin.” “Umiiral lang sa mga account na ginawa matapos ang Enero 2025.”

Bakit ito mahalaga: kung walang konteksto, baka ituro ng AI sa customer na nasa Starter plan kung paano gamitin ang isang feature ng Pro, at mabibigo siya kapag hindi niya ito makita. Kung may konteksto, masasabi ng AI na “Available ang feature na iyan sa mga planong Pro — narito kung paano mag-upgrade, o narito ang katumbas nito sa kasalukuyan ninyong plano.”

Ang praktikal na pagsubok: sa bawat artikulo, itanong ang “totoo ba ito para sa bawat customer, o para lang sa iba?” Kung para lang sa iba, nasa bloke ng konteksto ang lugar ng mga kondisyon.

Tuntunin 5: Panatilihing napapanahon ang metadata

Dapat may dalang metadata ang bawat artikulo: kailan ito huling na-update, aling mga plano ang saklaw nito, aling mga feature ang kaugnay nito. Ginagamit ito ng AI para unahin ang bago at kaugnay na nilalaman kaysa sa lipas na nilalaman.

Pinakamahalaga ito sa mga produktong nagbabago. Muling idinisenyo ang isang feature, inilalarawan ng lumang artikulo ang lumang daloy, at kung walang metadata ng huling pag-update, hindi masasabi ng AI kung aling bersyon ang kasalukuyan. Nakakakuha ang mga customer ng tagubilin para sa UI na wala na.

Ang praktikal na pagsubok: kung binago ninyo ang isang feature anim na buwan na ang nakararaan, may lugar pa ba sa base ng kaalaman ninyo na naglalarawan sa lumang bersyon? Aktibong sinisira ng lipas na nilalaman ang kalidad ng AI dahil buong tiwalang nagbibigay ito ng maling sagot.

Isang bonus na tuntunin: huwag umasa sa screenshot para sa mahahalagang hakbang

Mas mahusay na nagbabasa ng teksto ang AI kaysa sa pagbasa nito ng larawan. Kung nasa loob lang ng screenshot ang isang mahalagang tagubilin — “i-click ang button na ipinapakita rito” — hindi ito maipapaabot nang maaasahan ng AI.

Ilarawan sa teksto ang mahahalagang hakbang, at saka gumamit ng screenshot para sa biswal na kumpirmasyon. Mas kapaki-pakinabang sa AI ang “I-click ang asul na button na Save sa ilalim ng form” kasama ang screenshot kaysa sa screenshot lang na may arrow na nakaturo sa button.

Hindi ibig sabihin nito na tanggalin ang mga screenshot. Ibig sabihin nito ay huwag umasa sa mga ito para sa impormasyong kailangang kunin ng AI.

Ganito ito sa praktika

Kunin natin ang isang tipikal na magulong artikulo sa base ng kaalaman:

“Pamamahala ng Account — Sa seksyong ito matututuhan ninyo ang pamamahala sa iba't ibang bahagi ng account ninyo, kabilang ang impormasyon sa profile, security settings, pagsingil at paraan ng pagbabayad, pamamahala ng subscription, at kagustuhan sa abiso. Para magsimula, pumunta sa lugar ng account ninyo kung saan makikita ninyo ang lahat ng opsyong ito...”

Masama ito para sa AI: isang artikulong sumasaklaw sa limang magkaibang paksa, pangkalahatang pamagat, malabong tagubilin, walang bloke ng konteksto, walang pagiging tiyak.

Limang artikulo ang bersyong angkop sa AI:

1. “Paano ko ia-update ang impormasyon sa profile ko?” — konteksto: lahat ng plano; tiyak na hakbang; napapanahon noong [petsa]
2. “Paano ko papalitan ang security settings ko?” — konteksto: lahat ng plano; tiyak na hakbang; napapanahon noong [petsa]
3. “Paano ko ia-update ang paraan ko ng pagbabayad?” — konteksto: mga bayad na plano lang; tiyak na hakbang; napapanahon noong [petsa]
4. “Paano ko papalitan ang subscription plan ko?” — konteksto: lahat ng plano; tiyak na hakbang kasama ang kilos ng upgrade/downgrade; napapanahon noong [petsa]
5. “Paano ko pamamahalaan ang kagustuhan ko sa abiso?” — konteksto: lahat ng plano; tiyak na hakbang; napapanahon noong [petsa]

Parehong impormasyon, muling binalangkas. Katamtamang sagot ng AI ang ibinubunga ng unang bersyon. Tumpak na sagot ang ibinubunga ng pangalawa.

Gaano ba talaga karaming trabaho ito?

Ang tapat na sagot: mas kaunti kaysa sa kinatatakutan ng mga koponan, mas marami kaysa sa inaasahan nila.

Para sa tipikal na SaaS na may 50–100 artikulo ng tulong, isa hanggang dalawang linggong proyekto para sa iisang tao ang muling pagbabalangkas tungo sa pormat na angkop sa AI. Hindi ito magarbong trabaho, pero ito ang pinakamalaki ang epektong puhunang puwede ninyong ilagay sa kalidad ng suportang AI.

Ang magandang balita: hindi ninyo kailangang gawin lahat ito nang maaga. Isang makatuwirang paraan:

1. Magsimula sa 20 pinakamadalas ninyong kategorya ng tanong (saklaw ng mga ito ang ~80% ng dami ng ticket)
2. Isulat o muling isulat ang 20 na iyon bilang mga artikulong angkop sa AI
3. Ilunsad ang suportang AI gamit ang pundasyong iyon
4. Gamitin ang mga padron ng pag-escalate ng AI para matukoy ang mga puwang — kapag nag-escalate ang AI dahil wala itong sagot, senyales iyon na kailangang magdagdag o magpahusay ng artikulo
5. Ulit-ulitin ang proseso sa mga sumunod na linggo

Sa hakbang-hakbang na paraang ito, mabilis kayong magkakaroon ng gumaganang sistema ng suportang AI, at pagkatapos ay pahuhusayin ninyo ito batay sa totoong datos tungkol sa aktuwal na tinatanong ng mga customer.

Paano sukatin kung umaandar ang base ng kaalaman ninyo

Matapos ang paglulunsad, ito ang mga sukatang nagsasabi kung sapat na ang ganda ng base ng kaalaman ninyo:

Porsyento ng awtomatikong nalutas ng AI. Kung mababa ito sa 50%, malamang may mga puwang ang base ng kaalaman ninyo. Kayang suportahan ng magandang base ng kaalaman ang 60–70% na awtomatikong nalutas.

Mga dahilan ng pag-escalate. Kapag nag-escalate ang AI, bakit? Ang “Walang natagpuang kaugnay na artikulo” ay puwang sa nilalaman. Ang “Maraming magkasalungat na artikulo” ay problema sa istruktura (malamang kailangang hatiin o pagsamahin).

Porsyento ng follow-up ng customer. Kung madalas sumulat-ulit ang mga customer matapos ang sagot ng AI, hindi kumpleto ang mga sagot. Kadalasan, problema ito sa pagiging tiyak — tama ang direksyon ng sagot pero kulang sa detalye para talagang malutas ang problema.

CSAT sa mga ticket na hinawakan ng AI. Kung mas mababa ang CSAT ng mga ticket na hinawakan ng AI kaysa sa hinawakan ng tao, ang kalidad ng base ng kaalaman ang karaniwang salarin.

Ginagawa ng mga sukatang ito ang pagpapahusay ng base ng kaalaman mula sa panghuhula tungo sa isang feedback loop. Sinasabi sa inyo ng AI kung nasaan ang mga puwang; pinupunan ninyo ang mga ito; bumubuti ang kalidad.

Ang pinakadiwa nito

Ang kalidad ng suporta sa customer na pinapagana ng AI ay halos kalidad ng base ng kaalaman. Mahalaga ang modelo, mahalaga ang arkitektura, pero ang pinakamalaking pinggang hawak ninyo ay ang dokumentasyong ipinapakain ninyo sa AI.

Ang limang tuntunin — isang paksa kada artikulo, pamagat na nasa anyong tanong, tiyak na tagubilin, bloke ng konteksto, napapanahong metadata — ay simpleng sabihin at malaki ang epekto kapag isinagawa. Ang mga koponang sumusunod sa mga ito ay umaabot sa 60–70% na awtomatikong nalutas. Ang mga koponang idinidikit lang ang lumang dokumentasyon nilang para sa tao at umaasa ng himala ay katamtaman ang resulta at ang AI ang sinisisi.

Ang base ng kaalaman ang bahagi ng suportang AI na buo ninyong kontrolado. Sulit ang puhunan dito.

Saan pumapasok ang Respondo

Awtomatikong kinu-crawl ng integrasyon ng base ng kaalaman ng Respondo ang kasalukuyan ninyong dokumentasyon bilang panimulang punto, at saka nito itinatampok ang mga pagkakataong muling ibalangkas ito para sa mas magandang performance ng AI. Lubos na napapakinabangan ng AI na nangunguna sa pangangatwiran ang nilalamang maayos ang istruktura — naiintindihan nito ang konteksto at bumubuo ito ng tiyak na sagot sa halip na kunin lang ang pinakamalapit na artikulo.

Inilalabas ng dashboard ang mga sukatang nagsasabi kung umaandar ang base ng kaalaman ninyo: porsyento ng awtomatikong nalutas, mga dahilan ng pag-escalate, porsyento ng follow-up. Ginagawa nitong feedback loop na batay sa datos ang pagpapahusay ng base ng kaalaman, hindi panghuhula.

Binibigyan kayo ng 14-araw na trial ng panahon para ikonekta ang base ng kaalaman ninyo, makita ang unang kalidad ng AI, at matukoy kung saan pinakamakakatulong ang muling pagbabalangkas.

Gusto ninyong makita kung gaano kahusay hinahawakan ng AI ang kasalukuyan ninyong dokumentasyon? Simulan ang 14-araw ninyong libreng trial — ikonekta ang base ng kaalaman ninyo at tingnan ang porsyento ng awtomatikong nalutas sa totoo ninyong mga ticket.