Hoe zet u hetzelfde terugkerende ticket om in een KB artikel?
Een AI werknemer voor support verbonden met uw helpdesk en uw documentatierepository. Elke week clustert hij opgeloste tickets voor vragen die blijven terugkeren zonder helpcentrumartikel, stelt hij concepten op voor de grootste hiaten op basis van de daadwerkelijke oplossingen, en opent hij één pull request die een aangewezen persoon kan beoordelen en publiceren.
×
Elk supportteam beantwoordt dezelfde vraag meer dan eens voordat iemand die opschrijft. Een ticket wordt opgelost, de klant is tevreden, en het antwoord verdwijnt terug in de wachtrij in plaats van een helpartikel te worden. Weken later komt dezelfde vraag opnieuw binnen, wordt op dezelfde manier opgelost, en verdwijnt weer. De kennis werd tientallen keren gegenereerd en precies nul keer vastgelegd. Het materiaal bestaat al, verspreid over honderden opgeloste gesprekken, maar niemand heeft de tijd om het te ontginnen. Het handmatig doen betekent dat een supportverantwoordelijke moet onthouden welke onderwerpen al zijn behandeld, moet beoordelen welke terugkerende vragen een artikel waard zijn versus eenmalige, en vervolgens elk concept vanaf nul moet schrijven. Die beoordeling gebeurt zelden, als het al gebeurt, en tegen die tijd is de achterstand groot genoeg dat alleen al bepalen waar te beginnen een project op zich is. Een generieke AI schrijver die op 'schrijf wat helpartikelen' wordt gericht, lost het ook niet op: zonder geheugen van wat al is behandeld en zonder verankering van zijn concepten in hoe het team het probleem daadwerkelijk oplost, dupliceert hij bestaande artikelen of schrijft hij generieke tekst die met geen enkele echte oplossing overeenkomt.
Uw helpdesk is verbonden met een AI werknemer die volgens een wekelijks schema draait en elke keer hetzelfde werkgeheugen hervat in plaats van koud te beginnen. Bij elke run leest hij recent opgeloste gesprekken, clustert hij ze tot terugkerende onderwerpen, controleert hij elk onderwerp tegen zowel de bestaande artikelen in uw documentatierepository als zijn eigen registratie van wat hij al heeft opgesteld, en kiest hij de grootste hiaten: terugkerende vragen met echt ticketvolume en zonder artikel. Hij stelt elk concept op op basis van de daadwerkelijke oplossingen die in die tickets zijn gebruikt, en opent vervolgens één pull request. Er wordt niets gepubliceerd zonder een merge door een mens.
Zie precies hoe het werk wordt gedaan.
Draait wekelijks tegen zijn eigen registratie
Een wekelijks schema hervat hetzelfde werkgeheugen in plaats van opnieuw te beginnen. Hij leest eerst zijn eigen registratie: welke onderwerpen al een artikel hebben, welke midden in de beoordeling zitten in een open pull request, en welke clusters eerder zijn gezien maar nog niet genoeg volume hadden om een concept te rechtvaardigen. Zo wordt niets wat al is behandeld of al onderweg is, opnieuw opgesteld.
Draagt uw regels voor clusteren en schrijven met zich mee
Hoe tickets tot een onderwerp worden gegroepeerd, hoe een echt KB hiaat wordt onderscheiden van ruis, en de artikelstructuur die u wilt, leven als vaardigheden en geheugen die met de AI werknemer meereizen. Wanneer een concept ongewijzigd wordt samengevoegd versus zwaar wordt herzien in de beoordeling, wordt dat teruggekoppeld zodat de volgende reeks dichter bij publiceerbaar komt.
Verbindt de ticketbron en de documentatierepository, met rechten die u instelt
Hij leest opgeloste tickets uit de helpdesk, alleen lezen, en leest de documentatierepository om te zien welke onderwerpen al een artikel hebben, waarbij hij alleen schrijft als een pull request op een geïsoleerde branch via een beperkt GitHub token. Inloggegevens blijven in het geheugen, worden nooit naar schijf geschreven en worden nooit aan het model getoond.
Alleen concepten; publiceert nooit
De AI werknemer kan een pull request openen tegen een geïsoleerde branch en niets meer. Hij pusht nooit naar de live documentatiebranch en voegt zijn eigen werk nooit samen. Een persoon beoordeelt de concepten, bewerkt ze en beslist wat er naar het helpcentrum gaat.
Opent één pull request met concepten
Elke week brengt één pull request: een kleine reeks conceptartikelen, elk opgebouwd uit de echte oplossingen van de tickets die de vraag opriepen, met ticketvolume en onderwerpgeschiedenis genoteerd voor de beoordelaar. De verantwoordelijke bewerkt wat bewerking nodig heeft en voegt samen wat klaar is. De registratie gaat hoe dan ook vooruit, zodat de volgende week begint bij wat nog niet is behandeld.
Draait in uw eigen omgeving
Elke run hervat binnen uw eigen infrastructuur; uw data verlaat uw omgeving nooit. De run kan alleen de helpdesk en de documentatierepository bereiken, en alleen de pull request verlaat de run.
Rechten die u instelt
De sleutel voor de helpdesk en het GitHub token blijven in het geheugen, worden tijdens de run geïnjecteerd, nooit naar schijf geschreven en nooit aan het model of de logs getoond.
Alleen als concept
De AI werknemer opent een pull request tegen een geïsoleerde branch en stopt. Hij pusht nooit naar de live documentatiebranch en voegt zijn eigen werk nooit samen. Een aangewezen persoon beoordeelt en publiceert.
Alleen lezen van tickets
Toegang tot de helpdesk is alleen lezen. De AI werknemer kan een ticket niet bewerken, sluiten of erop reageren terwijl hij het ontgint voor KB inhoud.
Het is van u
De clusterregels, de schrijfstandaard en de rechten per systeem zijn van u, met versiebeheer en gewijzigd op uw voorwaarden, niet in het dashboard van een leverancier.
De achterstand van vragen in de trant van 'we blijven dit beantwoorden maar hebben het nooit opgeschreven' komt nu elke week binnen als een kleine, beoordeelbare pull request, waarbij elk concept te herleiden is tot de echte tickets die het opleverden. De AI werknemer clustert en stelt alleen op; het supportteam beslist wat er wordt gepubliceerd.
Elke week
Opgeloste tickets opnieuw geclusterd tegen de huidige set KB hiaten
Alleen als concept
Elk artikel gaat uit als een pull request die een mens beoordeelt en samenvoegt
1 registratie
Houdt bij welke onderwerpen zijn behandeld zodat niets opnieuw wordt opgesteld
Onze gratis AI-audit laat zien waar AI kansen biedt voor uw bedrijf, welke risico's daarbij komen kijken, en zet meteen uw eerste AI werknemer aan het werk.
Hoe lossen AI werknemers supporttickets op voordat een mens ingrijpt?
Sorteert, onderzoekt over product, code en facturatie heen, lost op wat het kan, en escaleert gevoelige acties met de diagnose er al bij.
×Hoe vangt u het supportticket op dat de SLA dreigt te overschrijden?
Doorzoekt elke 15 minuten de open wachtrij op SLA, VIP status en urgentie, routeert kwalificerende tickets naar het juiste team, opent gekoppelde issues voor engineering en waarschuwt een escalatiekanaal, zonder iets te sluiten of iemand een bericht te sturen.
×
Hoe houdt u de triage van een gedeeld postvak bij terwijl er mail binnenkomt?
Leest, labelt en stelt ofwel een antwoord op vanuit de kennisbank ofwel maakt een taak aan. Antwoorden aan klanten komen als concepten binnen, vastgehouden zodat een aangewezen persoon ze verstuurt.
×