Cómo Estructurar las Fuentes de Conocimiento de su Agente IA de 3CX

Optimización de las fuentes de conocimiento para conjuntos de datos de gran tamaño.

Su Agente IA de 3CX es una herramienta poderosa que transforma las interacciones con los clientes y optimiza la atención al cliente. Pero, ¿qué sucede cuando su agente empieza a perder velocidad o le cuesta encontrar información en una base de datos tan extensa?

Hoy vamos a profundizar en las mejores prácticas para estructurar las fuentes de conocimiento de su Agente IA de 3CX — también conocidas comúnmente como bases de conocimiento — con el fin de garantizar que siempre rinda al máximo, ofreciendo respuestas rápidas, precisas y relevantes en todo momento, especialmente al trabajar con grandes conjuntos de datos.

La Herramienta Adecuada para Cada Tarea: Fuente de Conocimiento vs. Datos en Tiempo Real

Una de las preguntas más frecuentes que recibimos se refiere al uso de las fuentes de información para consultas de inventario en tiempo real u otros datos dinámicos. Aunque pueda parecer intuitivo cargar un archivo CSV de gran tamaño con 50,000 filas de SKU y saldos de inventario, este no es un caso de uso ideal para los Agentes IA de 3CX.

Por qué los Archivos CSV de Gran Tamaño No Funcionan Bien para el Inventario

• Precisión y Rapidez: Las fuentes de conocimiento están diseñadas para ofrecer información descriptiva: preguntas frecuentes, políticas, notas sobre productos, pasos para la resolución de problemas y orientación general. Para consultar el número de referencia exacto o la disponibilidad de existencias, necesita una respuesta precisa, rápida y actualizada.
• Limitaciones de Recuperación: En la actualidad, las fuentes de conocimiento de los Agentes IA de 3CX no están diseñadas como un motor de búsqueda de inventario en tiempo real. Aunque dividir un archivo CSV de gran tamaño en archivos más pequeños podría mejorar la recuperación de datos en algunos casos, no resultará tan confiable ni eficiente como consultar directamente su sistema de inventario. OpenAI, la tecnología que impulsa nuestros Agentes IA, permite la carga de archivos CSV, pero estos no están optimizados para este tipo específico de recuperación de datos precisa y en tiempo real.

Para datos dinámicos y en tiempo real, como el inventario, lo mejor es realizar una consulta a la base de datos o a la API. Por ahora, evite utilizar las fuentes de conocimiento para inventarios con un gran número de SKU y utilícelas solo para información general que la IA pueda responder de manera confiable.

Cómo Optimizar sus Fuentes de Conocimiento para Velocidad y Precisión

Ahora, veamos para qué son ideales y cómo optimizarlos para esos casos de uso. Si ha notado que su Agente IA tarda más en responder cuando se le asigna una fuente de conocimiento, a menudo se debe a la forma en que están estructurados sus datos.

La clave para una recuperación rápida es asegurarse de que los datos estén bien organizados, claramente descritos y almacenados en un formato limpio y estructurado, como Markdown.

A continuación le indicamos cómo hacer que su recuperación sea lo más rápida posible

1. Clasificar por tema, no por tamaño: En lugar de tener un solo archivo enorme con información mezclada, divida sus fuentes o archivos en temas claros y diferenciados. Cada archivo o fuente debe tener un propósito específico. Ejemplo: si vende cojines y almohadas, genere dos fuentes de conocimiento separadas: una para “Información sobre Cojines” y otra para “Información sobre Almohadas”. Esto ayuda a la IA a aislar los datos relevantes, procesando el conjunto más pequeño posible.
2. Evitar los archivos grandes y con contenido mixto: Los archivos muy grandes — en los que se agrupan temas no relacionados entre sí — ralentizarán inevitablemente la recuperación de información y reducirán la precisión. La IA tiene que examinar una mayor cantidad de información irrelevante para encontrar lo que necesita.
3. Se recomienda utilizar Markdown para los archivos fuente de conocimiento: Para obtener los mejores resultados, estructure el contenido de su fuente de conocimientos en formato Markdown (.md) siempre que sea posible. Los archivos Markdown son ligeros, claros y fáciles de leer, dividir y recuperar con precisión por parte de los sistemas de IA. Le permiten utilizar títulos, subtítulos, listas con viñetas, tablas y secciones bien definidas, lo que ayuda a la IA a comprender la estructura de la información.
4. Utilizar descripciones claras: Cuando genere varias fuentes de conocimiento, separe la información para que no se superponga. Es importante proporcionar una descripción clara para cada fuente de conocimiento. Esta descripción sirve de guía para la IA, ayudándola a seleccionar la fuente más adecuada en función de la consulta del usuario.
5. Organizar sus archivos de forma inteligente: Si utiliza archivos CSV para datos descriptivos (no para inventario en tiempo real), asegúrese de que el contenido sea fácil de identificar mediante métricas de proximidad. Por ejemplo, si tiene dos archivos CSV, asegúrese de que la primera columna defina claramente el tipo de producto, o incluya una línea clara en la parte superior que defina explícitamente el contenido. Esto ayuda a garantizar que solo el archivo más relevante devuelva una coincidencia sólida.

Ejemplo

En lugar de subir un PDF, un documento de Word o un archivo de texto sin formato tal cual, con contenido desestructurado, conviértalo primero a Markdown (puede usar la IA para ello). Esto resulta especialmente útil para bases de conocimiento corporativas, preguntas frecuentes, documentación de productos, guías de resolución de problemas y documentos de políticas.

Un ejemplo de un archivo Markdown bien estructurado podría incluir:

Comparta sus Comentarios

Únase a nuestro Foro para decirnos lo que piensa y no olvide seguirnos en X y LinkedIn para estar al tanto de las novedades y nuevas funciones.