Come trovare e correggere le lacune di conoscenza del chatbot

Apri Dashboard → Questions. Seleziona il chatbot desiderato, quindi imposta Classification su No Information. Aggiungi filtri per lingua, intervallo di date o ricerca solo se devi restringere una coda più ampia. Conserva il totale originale non filtrato nelle tue note per garantire che i report successivi restino confrontabili.

L'esempio visibile contiene una domanda del Tutorial Lab. Richiede la policy di garanzia per 2028 e mostra la risposta di sicurezza dell'assistente accanto all'etichetta No Information. Questa riga rappresenta una potenziale lacuna, non la prova che tale policy debba esistere.

Analizza insieme la domanda, la risposta dell'assistente, la classificazione e il conteggio. Raggruppa le varianti naturali che esprimono lo stesso intento prima di calcolare la frequenza. Altrimenti “refund”, “money back” e “cancel my annual plan” rischiano di diventare tre righe marginali anziché un'unica esigenza fondamentale.

Usa una semplice regola di triage: portata, impatto sul business, rischio legale o di sicurezza e pertinenza dell'argomento per questo assistente. Un ostacolo frequente all'acquisto è in genere più critico di una curiosità isolata. Una singola lacuna di conformità o sicurezza deve essere inoltrata immediatamente. Le domande fuori ambito possono correttamente rimanere senza risposta.

Apri la riga o il relativo comando dei dettagli. Question Details mostra il chatbot, il Session ID, la lingua, la classificazione, la data e ora di creazione, la domanda esatta, la risposta salvata e il riepilogo del contesto. Leggi questi campi prima di selezionare Add data source. Una breve domanda isolata può assumere un significato diverso alla luce dei messaggi precedenti.

Nel record verificato, la domanda esatta è “What is the 2028 warranty policy for Northstar Services?”. La risposta salvata indica che non ci sono informazioni disponibili, e il contesto conferma l'assenza della specifica policy richiesta per quell'anno. Il corretto esito dell'analisi è “needs policy-owner confirmation”, non “generate a warranty answer”.

Seleziona Add data source solo dopo che il responsabile ha confermato la risposta. Usa il campo di testo per un singolo dato stabile e ben definito. Carica un file gestito in formato TXT, PDF, DOC, DOCX, MD o XLSX se la risposta fa parte di un manuale o di una policy più ampia. Assegna alla fonte un nome descrittivo, una categoria, un responsabile e una data di validità.

Se il sito web ufficiale o il manuale dovrebbero contenere tale informazione, aggiorna prima quel sistema e reindicizzalo invece di creare un duplicato nascosto. Esamina riga per riga ogni proposta di Optimize with AI: può migliorare la struttura, ma non può approvare dati aziendali. Lo screenshot in inglese in Light Mode mostra lo stato completo della finestra di dialogo e i formati di file supportati, non un aggiornamento della fonte già completato.

Prima di modificare i contenuti, conserva l'esatta domanda dell'utente e la relativa risposta. La chat reale in inglese (Light Mode) qui mostrata richiede l'informativa di garanzia per 2028. L'assistente risponde che l'informazione non è disponibile. Questo rappresenta il baseline verificato e il risultato corretto finché non esiste una policy approvata.

Dopo che una modifica approvata alla fonte raggiunge lo stato Completed, reimposta la chat e poni l'esatta domanda iniziale più due varianti naturali. Conferma che la risposta corrisponda alla fonte, citi o rifletta chiaramente le prove corrette e non comprometta le domande correlate. Torna quindi su Questions e controlla se l'elemento passa a Answerable come documentato dal prodotto. Tale stato successivo alla correzione non è stato acquisito nel set di dati attuale, pertanto il tutorial non deve affermare che la lacuna della policy fittizia sia già chiusa.