Самообучение базы знаний на ответах сотрудников

Оператор третий раз за неделю отвечает на один и тот же вопрос про доставку, а на карточке агента по-прежнему нет файла с готовым ответом. Самообучение снимает с вас именно эту работу: система читает диалоги фоном и сама пополняет базу знаний тем, что сотрудник только что ответил клиенту.

Что делает самообучение и зачем оно нужно

Самообучение базы знаний — это фоновая функция Савви, которая автоматически обновляет базу знаний на основе ответов, которые сотрудники дают клиентам в текущих диалогах.

До этой функции путь был один: открыть переписку, найти нестандартный вопрос, оформить ответ отдельным файлом, сохранить, проверить, что агент его находит. На каждый такой файл уходили минуты, и их набегали десятки в неделю у команды с живой поддержкой. Самообучение забирает этот шаг целиком — вносить правки в базу вручную больше не нужно, система делает это сама по ходу работы.

База для самообучения — это отдельная база знаний со своей структурой, которую вы создаёте в общем разделе «База знаний» в кабинете, а не документ или таблица из знакомых трёх блоков. Она не привязана к одному агенту жёстко: любую созданную базу можно подключить к нескольким агентам, а один агент способен держать подключёнными сразу несколько баз.

Как создать базу знаний для самообучения и подключить её агенту

Имя функции — не формальность. Агент решает, вызывать ли базу знаний, ориентируясь на то, что написано в её функции и описании: понятное название вроде dostavka_faq или garantiya_otvety агент считывает быстрее, чем автоматически сгенерированный набор символов без смысла.

Как ответ сотрудника фоном попадает в базу — и что туда попадает лишнего

Агент передаёт диалог человеку, когда не находит ответа сам; сотрудник отвечает клиенту в обычном чате, без отдельной формы «для базы знаний», и как только диалог закрывается, самообучение забирает эту реплику и создаёт из неё новую запись. Промежуточного шага «оформить для базы» нет — в запись уходит именно то, что сотрудник напечатал клиенту в моменте разговора.

Вместе с сутью ответа туда попадает и всё лишнее: приветствие, обращение по имени, «секунду, уточню у коллеги», разовая скидка, сделанная конкретному человеку в порядке исключения, неточная формулировка при ответе по памяти без сверки с документами. В переписке с одним клиентом эти детали не мешают, но в базе знаний, откуда агент цитирует их следующему обратившемуся, разовое исключение способно превратиться в постоянное обещание, которого компания не давала.

Насколько щедро агент подбирает совпадение между вопросом клиента и содержимым такой базы, задают Top N и порог схожести — как они работают вместе, показывают примеры из обучения ИИ-агента. Здесь достаточно примера из руководства платформы: Top N = 5, порог схожести 0,8 — система вернёт первые пять совпадений с коэффициентом схожести не менее 0,8.

Где агент ищет совпадение: в вопросе или в ответе

Поле «Поиск по векторам» задаёт, с какой частью содержимого базы агент сравнивает вопрос клиента: с текстом вопроса или с текстом ответа.

Поиск по вопросу подходит, когда формулировки ваших клиентов повторяются близко к тому, как вопрос уже сформулирован в базе: «сколько стоит доставка» найдёт «сколько стоит доставка» почти всегда. Поиск по ответу выручает в обратной ситуации — когда клиенты спрашивают одно и то же десятком разных способов, а нужные слова и цифры сосредоточены именно в тексте ответа сотрудника, а не в формулировке вопроса. Разово выбрать одно значение для всей базы не получится в отрыве от того, как на самом деле пишут ваши клиенты, поэтому стоит свериться с реальными обращениями, прежде чем закрепить настройку.

Добавьте вычитку в ритуал, пока база учится сама

Добавьте в календарь пятнадцать минут в неделю на просмотр того, что самообучение записало в базу знаний за это время. Это прямое следствие того, откуда берётся содержимое: в базу попадает живой ответ сотрудника со всеми формулировками, оговорками и разовыми исключениями, которые он сделал конкретному клиенту в моменте разговора.

Никто заранее не выбирал эти слова для базы знаний, они родились за десять секунд посреди переписки. Оператор мог поторопиться и упростить условие, сделать разовую уступку постоянному клиенту и не пометить её как исключение, или ответить в тоне, который не годится для тиражирования на всех остальных. Правило то же, что и для базы, собранной руками: в основе каждой записи лежит настоящий ответ человека, а не сочинённый текст. Разница в том, что при ручном сборе вы сами решаете, какой ответ достоин файла, а самообучение переносит в базу любой ответ, попавший в диалог.

Проверка простая: открыть базу знаний, отсортировать по дате обновления и прочитать свежие записи так, как их прочитает будущий клиент. Три блока, форматы файлов и лимиты самой базы знаний закреплены в базе знаний для ИИ-агента, а если черновик базы собирается с сайта компании, а не из диалогов, та же логика вычитки нужна и там: что именно придётся переписать руками — в материале про автогенерацию по сайту. Актуальные лимиты и поля настроек самообучения смотрите в руководстве платформы: раздел обновляется вместе с интерфейсом кабинета.

Частые вопросы