problem
Créer une base de connaissances en IA pour le support
Un flux de travail axé sur l'audit pour la création d'une base de connaissances sur laquelle un agent de support IA peut s'appuyer : une source canonique par sujet, un propriétaire et une date de révision pour chaque article, des balises d'autorisation séparant le public de l'interne et une boucle de rétroaction à partir des tickets non résolus.
Template download
Téléchargez la liste de contrôle pour la base de connaissances en IA.
Direct answer
Lors de la création d'une base de connaissances basée sur l'IA pour le support, l'accent doit être mis sur la responsabilité, et non sur les modèles : choisissez une source fiable pour chaque sujet, attribuez un responsable et une date de modification à chaque article, séparez le contenu du centre d'aide public des procédures opérationnelles standard (POS) internes à l'aide de balises d'autorisation, puis orientez l'IA vers le contenu sélectionné. Une IA s'appuyant sur un contenu propre, fiable et à jour produit des brouillons précis ; une IA s'appuyant sur des documents épars, obsolètes ou inutilisables fournit systématiquement des réponses incorrectes. Les fournisseurs le documentent clairement : Intercom centralise les analyses de l'IA dans une bibliothèque de contenu et signale les lacunes de contenu dans les demandes non résolues, et bien que Zendesk Knowledge Copilot puisse créer et gérer des articles, il nécessite toujours une vérification humaine. La vérification (source, responsable, actualité et autorisations) est la fonction principale ; l'IA doit l'utiliser, et non l'inverse.
Best for
- Les équipes qui disposent de documents originaux, mais que ceux-ci sont dispersés, peuvent attribuer la responsabilité de chaque problème à une seule personne.
- Des directeurs adjoints chargés d'examiner les innovations et les approbations sur une base trimestrielle.
Not for
- Les équipes espèrent que l'IA pourra donner un sens aux documents désordonnés, non structurés ou inachevés.
- Des équipes où personne ne se sent responsable de la mise à jour des articles ni des informations affichées par l'IA.
Workflow
- 1
Lister et attribuer la propriété.
Créez une liste de tous les articles, documents et extraits utilisés par l'équipe de support. Pour chaque sujet, indiquez une source officielle et désignez la personne responsable. Marquez les doublons et les copies obsolètes afin de les fusionner ou de les supprimer.
- Owner
- Owner: Responsable du soutien
- Tool
- Tool: Élaborez un plan.
- Output
- Output: Liste avec une personne responsable de chaque sujet.
- 2
Vérification de l'état actuel et de l'autorisation
Ajoutez une date de révision à chaque article. Indiquez clairement si le contenu provient d'un centre d'assistance public ou d'une procédure opérationnelle standard (POS) interne et supprimez les informations personnelles identifiables (IPI) de tout contenu destiné à être analysé par l'IA. Définissez les types d'informations sensibles (Slack, messages directs) qui doivent être filtrés avant que l'IA puisse y accéder.
- Owner
- Owner: Propriétaire du processus
- Tool
- Tool: Base de connaissances
- Output
- Output: Contenu actuel défini avec des autorisations définies.
- 3
Choisissez un kit de mise à la terre
L'IA doit se concentrer exclusivement sur le contenu appartenant à l'entreprise, à jour et correctement étiqueté. Les brouillons, le contenu n'appartenant pas à l'entreprise et le contenu interne non édité ne doivent pas être inclus. L'IA ne peut apprendre que de ce contenu, et non de « tous vos documents ».
- Owner
- Owner: Fabricant d'automatismes
- Tool
- Tool: Flux de travail KI
- Output
- Output: Ensemble de sources d'ancrage IA défini
- 4
Connectez l'IA et bouclez la boucle.
Connectez les données sélectionnées à un agent d'IA et signalez les entrées manquantes ou obsolètes grâce aux retours des appels non résolus et aux suggestions de l'IA. Procédez à des réaudits réguliers et systématiquement en cas de modification de produit, de prix ou de politique.
- Owner
- Owner: critique
- Tool
- Tool: Assurance qualité
- Output
- Output: Un référentiel de connaissances vivant avec une boucle de rétroaction.
Comparison
| Type de contenu | Visibilité | ajustement de la mise à la terre de l'IA | Propriétaire / Frais |
|---|---|---|---|
| - | - | - | - |
| - | - | - | - |
| - | - | - | - |
| - | - | - | - |
| - | - | - | - |
Tool options
Base de connaissances
Plateforme du centre d'aide / base de connaissances
L'IA peut s'appuyer sur l'hébergement d'articles appartenant à leur propriétaire, qu'il est autorisé à utiliser et qui sont correctement étiquetés.
Il n'attribue pas de propriétaires et ne se met pas à jour automatiquement – cela reste un travail manuel.
Écriture et argumentation par l'IA
Couche de dessin alimentée par l'IA (KB Copilot)
Créez de nouveaux articles à partir des tickets remplis et signalez les défauts.
Il conçoit les plans, il ne les met pas en œuvre ; chaque résultat requiert une personne responsable et un examen.
Cost and risk
- Cost
- Niveau faible à moyen : une plateforme de centre d’assistance et un copilote IA ; niveau élevé si vous rénovez une grande collection ancienne.
- Time
- L'inventaire et le transfert des droits de propriété d'une petite base de connaissances (BC) prennent 1 à 2 jours ; des audits trimestriels réguliers sont ensuite effectués.
- Difficulty
- Moyenne
high risk
En l'absence de source fiable, les articles contradictoires perturbent l'IA.
Désignez une personne responsable pour chaque sujet et archivez les doublons ; l’IA ne devrait jamais trouver deux réponses contradictoires à une même question.
high risk
Contenu obsolète – Les anciennes réponses diminuent la confiance et sont facilement citées.
Chaque article devrait comporter une date de révision, des contrôles de mise à jour trimestriels devraient être effectués et les lacunes devraient être signalées par l'envoi de notifications concernant les problèmes non résolus.
high risk
Lacune en matière d'autorisation – le contenu interne devient public.
Classer les données en publiques ou internes, appliquer des contrôles d'accès à l'ensemble de données de base et tester les informations que l'IA peut réellement découvrir avant la mise en production.
medium risk
Article sans propriétaire – contenu orphelin qui continue de se dégrader silencieusement.
Attribuez un seul propriétaire à chaque élément et suivez la propriété dans la table d'audit ; le contenu sans propriétaire sera exclu de l'ensemble de base.
medium risk
L'IA se base sur une version erronée – confusion entre la version préliminaire et la version publiée.
Une seule source portant le cachet de la version finale ou de la révision suffit comme preuve d'authenticité ; les brouillons et les articles publiés ne doivent jamais être inclus ensemble dans le matériel original.
Quality checks
- Chaque article du cours de base a un auteur désigné et une date de révision.
- Le contenu public et interne est étiqueté, et l'IA peut afficher du contenu non interne aux utilisateurs finaux.
- Les dossiers non résolus sont examinés chaque semaine, ce qui entraîne la création, la mise à jour ou l'archivage d'articles.
- Il n'existe pas deux articles d'autorité contradictoires sur aucun sujet.
FAQ
L'IA peut-elle créer une base de connaissances pour moi ?
Le système peut générer des articles à partir de tickets clos et signaler les anomalies, mais l'attribution des responsabilités, la définition des dates de publication et l'octroi des autorisations sont effectués manuellement. Les brouillons sont créés par le personnel du fournisseur, et non par la direction ; chaque contribution doit donc être attribuée à un responsable et relue.
À quelle fréquence dois-je consulter la base de connaissances ?
Trimestriellement pour les domaines de produits stables, avec à chaque version les journaux de modifications et les problèmes connus, et immédiatement après les modifications de prix, de politiques ou de sécurité.
Quels éléments ne devraient pas figurer dans une boîte à outils d'ancrage basée sur l'IA ?
Tout contenu interne incluant des données personnelles, des brouillons ou des articles non publiés, ainsi que tout contenu sans auteur identifié, est interdit. Les informations issues des discussions en ligne doivent être préalablement résumées dans un article distinct.
Sources
Build an AI knowledge base for support — internal field checklist
SolveBase AI - retrieved 2026-07-05T00:00:00Z
First-pass internal QA checklist (source-of-truth, owner, freshness, permissions). Supplemented — not replaced — by the official sources below; treat claims here as research-based until corroborated.
Open sourceFin AI Agent explained — Content library, Audiences, and Suggestions
Intercom - retrieved 2026-07-05T00:00:00Z
Official documentation that AI learns from a centralized, owner-controlled Content library, targets content by audience (permissions), and uses AI Suggestions to flag content gaps from unresolved conversations. Basis for the 'owned, permission-tagged grounding set with a feedback loop' methodology.
Open sourceUsing Knowledge copilot to generate and maintain your knowledge base (EAP)
Zendesk - retrieved 2026-07-05T00:00:00Z
Official documentation (EAP, updated 2026-05) that a vendor AI can draft and maintain KB articles from ticket data, but outputs still require human review. Basis for the 'AI drafts, human governs' claim.
Open sourceConnecting external content (Notion) as a knowledge source
Zendesk - retrieved 2026-07-05T00:00:00Z
Official documentation that external content (e.g. Notion) can be connected as a knowledge source, which is why explicit permission tagging and curation of the grounding set is required rather than pointing AI at 'all your docs'.
Open source