A IA generativa está revolucionando o mundo do suporte ao cliente. Saiba como garantir que sua central de ajuda de atendimento ao cliente esteja preparada para o sucesso, para ajudar você a extrair o máximo valor dessa tecnologia revolucionária.

Este artigo contém os seguintes tópicos:

  • IA generativa em um ambiente de atendimento ao cliente
  • O que acontece quando uma fonte de conhecimento é incorporada em um agente de IA viabilizado por IA generativa
  • Dicas de nossos pesquisadores de IA internos para formatar sua central de ajuda
  • Práticas recomendadas de arquitetura da central de ajuda para IA generativa
  • Formatação de artigos para maior clareza

Artigos relacionados:

  • Otimização do conteúdo da central de ajuda para agentes de IA
  • Cinco estratégias para criar conteúdo da central de ajuda para IA

IA generativa em um ambiente de atendimento ao cliente

Os modelos de linguagem grande (LLMs) e a IA generativa conquistaram o mundo. A experiência natural e conversacional que essas tecnologias proporcionam realmente estabeleceu um novo padrão. E tendo visto o quão humanas as interações com IA podem ser, os clientes agora esperam o mesmo nos ambientes de suporte ao cliente.

Um dos casos de uso mais inovadores para a IA generativa no suporte ao cliente é extrair informações instantaneamente de uma fonte de conhecimento, como sua central de ajuda. Conecte essa tecnologia à sua central de ajuda e você terá conversas de suporte mais precisas e humanas em minutos. Ao conectar um LLM à sua central de ajuda ou página de perguntas frequentes, você pode fornecer instantaneamente as informações de suporte mais atualizadas aos seus clientes, sem necessidade de treinamento.

Mas para conseguir o máximo valor dos agentes de IA generativa, é essencial que os dados aos quais o LLM tem acesso sejam apresentados da maneira mais concisa e coerente possível. Para ajudar você a preparar sua central de ajuda de atendimento ao cliente para a IA generativa, há algumas práticas recomendadas que devem ser seguidas.

Vamos começar com o que realmente acontece quando você incorpora uma fonte de conhecimento na IA generativa. Depois, veremos as práticas recomendadas gerais de arquitetura da central de ajuda e, em seguida, nos concentraremos em dicas de formatação mais detalhadas.

O que acontece quando uma fonte de conhecimento é incorporada em um agente de IA

Quando você incorpora uma fonte de conhecimento em um agente de IA viabilizado por IA generativa, o texto da fonte de conhecimento é dividido de maneira inteligente em “fragmentos” de texto. Essa é a primeira etapa de uma estrutura chamada Geração Aumentada de Recuperação (Retrieval Augmented Generation, RAG). A RAG permite que o LLM acesse informações além dos dados de treinamento originais, como seus artigos da central de ajuda cuidadosamente elaborados.

Esses fragmentos são armazenados em um banco de dados organizado por significado semântico. Quando uma mensagem do usuário é enviada ao agente de IA, o significado dela é comparado com o significado dos fragmentos no banco de dados para exibir a melhor correspondência. Essas informações são então utilizadas pelo agente de IA (de acordo com as instruções, a persona e o tom de voz e os protocolos de segurança dele) para responder à mensagem do usuário.

Confira como a IA generativa usa a central de ajuda para responder às perguntas dos clientes com mais detalhes:

  1. Detalhamento: inicialmente, a central de ajuda é importada e segmentada no que chamamos de "fragmentos". Esses fragmentos variam em tamanho e são adaptados para capturar tanto o tamanho quanto o significado intrínseco do conteúdo.
  2. Compreensão do conteúdo por meio de números: cada fragmento recebe então uma assinatura numérica única, ou seja, um vetor que representa o significado semântico do fragmento. Basicamente, ele traduz o texto para uma linguagem matemática que o agente de IA consegue entender e armazenar com eficiência em um banco de dados vetorial.
  3. Combinação de inteligências: quando um usuário faz uma pergunta ao agente de IA, o sistema compara o significado semântico da pergunta com os vetores armazenados para encontrar a melhor correspondência. Esse processo garante que os fragmentos mais relevantes sejam obtidos para fornecer respostas precisas e informadas.
  4. Finalização: por fim, o agente de IA usa as informações obtidas para responder à consulta do usuário, de acordo com as instruções, a persona, o tom de voz e os protocolos de segurança dele.

Ao entender o ponto principal, que os fragmentos são a base das respostas do agente de IA, você pode preparar melhor a central de ajuda para ser mais compatível e eficaz quando integrada ao agente de IA generativa.

E embora os LLMs e a RAG estejam na linha de frente dos avanços tecnológicos atuais, despertando toda a atenção por seus recursos inovadores, ainda não temos uma Inteligência Artificial Geral (ou seja, uma IA que pode executar todas as tarefas realizadas por uma pessoa). Portanto, ao integrar a IA generativa ao seu fluxo de trabalho, lembre-se de que ela extrai insights inteiramente dos fragmentos de texto criados a partir de suas fontes de conhecimento conectadas, em vez de explorar ou fazer pesquisas em segundo plano.

Dicas de nossos pesquisadores de IA internos para formatar sua central de ajuda

Antes de falarmos sobre as práticas recomendadas gerais, aqui estão as duas principais dicas dos nossos pesquisadores de IA para preparar sua central de ajuda:

  • Certifique-se de que cada artigo responda diretamente a uma pergunta do cliente. Isso não só ajuda o LLM a ter um melhor desempenho, como também facilita o trabalho dos usuários humanos quando pesquisam uma resposta na sua central de ajuda.
  • Alinhe perguntas e tópicos com as soluções pertinentes. Se a pergunta (por exemplo, "Como faço XYZ?") ou o tópico (por exemplo, "Etapas para executar XYZ") aparecer apenas no título, eles podem nem sempre ser vinculados às respostas ou instruções relevantes correspondentes durante o processo de fragmentação. Portanto, para manter o contexto claro, é uma boa ideia repetir a pergunta ou a principal instrução perto das etapas ou informações no corpo do artigo. Isso ajuda a garantir que cada fragmento do artigo seja abrangente e permaneça útil por si só.

Essa prática não só mantém a pergunta vinculada à sua respectiva resposta dentro do fragmento, mas também aumenta a probabilidade de o sistema de recuperação apresentar respostas completas e contextualmente precisas.

Práticas recomendadas de arquitetura da central de ajuda para IA generativa

Se você está usando um agente de IA viabilizado por IA generativa e quer que ele funcione em seu máximo desempenho, é crucial refinar a arquitetura da sua central de ajuda. Aqui estão algumas diretrizes simples para você começar:

  • Elimine redundâncias: analise seu conteúdo e remova informações duplicadas ou conflitantes. Lembre-se de que a precisão do agente de IA depende da qualidade dos dados que ele recebe. Priorize sempre o conteúdo mais recente e pertinente.
  • Explore e mantenha o foco: estruture seus artigos para serem hiperfocados. Cada tópico de suporte deve ser abordado detalhadamente na central de ajuda. Diferentemente dos humanos, os agentes de IA generativa não são capazes navegar em páginas da web externas ou seguir links para coletar contexto adicional. Portanto, é fundamental que todas as informações necessárias sejam completas.
  • Rotule seu conteúdo: implemente rótulos no conteúdo da central de ajuda. Isso se torna particularmente benéfico quando você quer personalizar a visibilidade do conteúdo com base em atributos do usuário, como localização geográfica, usando regras de pesquisa.
  • Dê preferência ao uso de texto: garanta que haja uma versão somente texto de cada artigo. Como a IA generativa interpreta o texto e salva seu significado em um banco de dados, qualquer informação na central de ajuda que não esteja no formato de texto (imagens, vídeos ou diagramas) não é lida nem salva no banco de dados.

Formatação de artigos para maior clareza

Uma estrutura organizada pode melhorar significativamente a acessibilidade e a usabilidade do conteúdo. Tenha em mente que cada fragmento é armazenado e obtido com base em seu significado, portanto, quanto mais claro ele for, melhor.

  • Use uma hierarquia clara: use títulos e subtítulos de maneira eficaz e estruture o conteúdo com etapas orientadas à ação. Conforme descrito na dica anterior, evite separar tópicos ou perguntas de suas respectivas respostas.
  • Evite usar instruções aninhadas: se houver várias soluções para um problema, apresente cada uma como uma instrução separada, em vez de subetapas dentro de uma etapa mais ampla. Essa clareza ajudará tanto os usuários quanto o LLM a encontrar soluções rapidamente.
  • Inclua introduções: cada artigo deve começar com uma introdução que descreva a relevância e os problemas que ele pretende resolver. Isso é atualmente benéfico para usuários humanos, e se tornará cada vez mais relevante para LLMs à medida que a compreensão contextual evoluir.
  • Mantenha a simplicidade: Mantenha os parágrafos curtos, focados em responder perguntas específicas diretamente ou em explicar tópicos de maneira concisa. Do mesmo modo, as frases devem ser diretas e objetivas. Isso também ajuda a conseguir melhores traduções.
  • Use estrutura de listas: utilize marcadores para listar fatos ou dicas e numere suas etapas ao detalhar um processo. Observação: embora tabelas baseadas em texto (texto real, não uma imagem) possam ser lidas por agentes de IA generativa, o LLM normalmente tem mais dificuldade para entender e atribuir significado ao conteúdo delas em comparação com as informações dispostas em frases normais. Portanto, é melhor usar uma linguagem natural sempre que possível.
  • Esclareça a terminologia: sempre escreva os termos por extenso, com a abreviação entre parênteses quando utilizados pela primeira vez. Isso garante clareza para todos os usuários.
  • Conheça o seu público: se sua central de ajuda (ou parte dela) foi criada para seus próprios agentes, e não como um recurso voltado para o cliente, verifique se as informações precisam ser reescritas de uma maneira apropriada para os agentes de IA entregarem respostas aos clientes.

Assim como acontece na implementação de qualquer nova tecnologia, um pouco de preparação faz toda a diferença. Portanto, prepare sua central de ajuda para atendimento ao cliente antes de implementar uma solução de IA generativa. Você terá resultados positivos: menor tempo de retorno do investimento e suporte automatizado mais preciso.

E, por fim, é importante lembrar que um agente de IA generativa não é uma solução mágica que pode resolver todos os seus problemas de suporte. Em vez disso, essa tecnologia deve ser usada como parte de uma estratégia de experiência do cliente mais ampla e bem planejada, na qual a IA generativa, a automação baseada em situações e, claro, os agentes humanos aproveitam seus pontos fortes e trabalham juntos para oferecer a melhor experiência para seus clientes.

Powered by Zendesk