Optimaliseer kennisbronnen voor grote datasets.

Je 3CX AI Agent is een krachtige tool die klantinteracties transformeert en supportprocessen stroomlijnt. Maar wat gebeurt er als je agent trager wordt of moeite krijgt om informatie te vinden in een enorme hoeveelheid kennis?

In dit blog duiken we dieper in best practices voor het structureren van de kennisbronnen van je 3CX AI Agent — ook wel knowledge sources genoemd — zodat deze altijd optimaal blijft presteren. Zo levert je AI Agent snel, accuraat en relevant antwoord, zelfs bij grote datasets.

Kies de juiste aanpak: Kennisbron versus live data

Een van de meest gestelde vragen gaat over het gebruik van kennisbanken voor live voorraadcontroles of andere dynamische gegevens. Het lijkt misschien logisch om een grote CSV met 50.000 SKU’s en actuele voorraadstanden te uploaden, maar dit is geen ideale toepassing voor 3CX AI Agents.

Waarom grote CSV-bestanden voor voorraadbeheer niet goed werken

  • Nauwkeurigheid en snelheid: Kennisbanken zijn ontworpen voor beschrijvende informatie zoals FAQ’s, beleidsregels, productinformatie, troubleshooting-stappen en algemene richtlijnen. Voor exacte SKU- of voorraadcontroles heb je antwoorden nodig die nauwkeurig, snel en actueel zijn.
  • Beperkingen in data retrieval: Op dit moment zijn de kennisbanken van 3CX AI Agents niet gebouwd als live zoekmachine voor voorraadbeheer. Hoewel het opsplitsen van een grote CSV in kleinere bestanden de resultaten soms kan verbeteren, zal dit nooit zo betrouwbaar of efficiënt zijn als een directe koppeling met je voorraadbeheersysteem. OpenAI, de technologie achter onze AI Agents, ondersteunt wel CSV-uploads, maar deze zijn niet geoptimaliseerd voor realtime en uiterst precieze data-opvraging.

Voor dynamische, realtime data zoals voorraadbeheer is een database- of API-koppeling de juiste oplossing. Gebruik kennisbanken daarom liever voor algemene informatie die de AI betrouwbaar kan beantwoorden.

Optimaliseer je Kennisbanken voor snelheid en nauwkeurigheid

Laten we nu kijken waar kennisbanken juist uitstekend in zijn — én hoe je ze optimaal inricht. Merk je dat je AI Agent trager reageert zodra een kennisbank gekoppeld wordt? Dan ligt dat vaak aan de manier waarop je data is gestructureerd.

De sleutel tot snelle informatieopvraging is ervoor zorgen dat uw gegevens goed zijn opgesplitst, duidelijk beschreven en opgeslagen in een schone, gestructureerde indeling zoals Markdown.

Zo maak je retrieval zo snel mogelijk

  1. Splits op onderwerp, niet op bestandsgrootte: Gebruik niet één gigantisch bestand met allerlei verschillende onderwerpen. Verdeel je kennisbronnen in duidelijke thema’s of categorieën. Elke kennisbank moet één specifiek doel hebben. Voorbeeld: verkoop je kussens en hoofdkussens? Maak dan twee aparte kennisbanken: “Productinformatie Kussens” en “Productinformatie Hoofdkussens”. Zo kan de AI sneller de juiste dataset isoleren en hoeft deze slechts een minimale hoeveelheid informatie te verwerken.
  2. Vermijd grote bestanden met gemengde informatie: Grote bestanden waarin allerlei niet-gerelateerde onderwerpen samenkomen, vertragen de retrieval en verminderen de nauwkeurigheid. De AI moet immers door veel irrelevante data zoeken voordat de juiste informatie wordt gevonden.
  3. Geef de voorkeur aan Markdown voor kennisbronbestanden: Voor de beste resultaten structureert u de inhoud van uw kennisbronnen waar mogelijk in Markdown (.md). Markdown-bestanden zijn lichtgewicht, overzichtelijk en eenvoudig voor AI-systemen om te lezen, op te splitsen en nauwkeurig informatie uit op te halen. Ze maken het mogelijk om koppen, subkoppen, opsommingstekens, tabellen en duidelijke secties te gebruiken, waardoor de AI de structuur van de informatie beter begrijpt.
  4. Gebruik duidelijke beschrijvingen:  Wanneer je meerdere kennisbanken aanmaakt, voorkom dan overlap tussen onderwerpen. Geef iedere kennisbank bovendien een heldere omschrijving. Deze beschrijving fungeert als gids voor de AI en helpt bij het selecteren van de meest relevante bron op basis van de vraag van de gebruiker.
  5. Structureer bestanden: Gebruik je CSV-bestanden voor beschrijvende informatie (dus niet voor live voorraaddata)? Zorg dan dat de inhoud logisch en makkelijk herkenbaar is. Laat bijvoorbeeld de eerste kolom duidelijk het producttype definiëren. Voeg bovenaan een regel toe die expliciet uitlegt welke informatie het bestand bevat. Hierdoor wordt sneller de juiste kennisbank geselecteerd en neemt de relevantie van antwoorden toe.

Voorbeeld

In plaats van een PDF-, Word-document of platte tekstfile ongewijzigd te uploaden met ongestructureerde inhoud, kunt u deze eerst omzetten naar Markdown (hiervoor kunt u AI gebruiken). Dit is vooral nuttig voor bedrijfskennisbanken, FAQ’s, productdocumentatie, handleidingen voor probleemoplossing en beleidsdocumenten. Een voorbeeld van een goed gestructureerd Markdown-bestand kan er als volgt uitzien:

# Retourbeleid Producten
## Retourtermijn
Klanten kunnen producten binnen 30 dagen na aankoop retourneren.
## Voorwaarden
– Het product moet ongebruikt zijn.
– De originele aankoopbon is vereist.
– Beschadigde artikelen moeten binnen 48 uur worden gemeld.
## Terugbetalingsproces
Terugbetalingen worden binnen 5 werkdagen verwerkt.

Praat mee

Praat mee over 3CX in onze speciale Partner– en Klanten Forums. Volg ons op X en LinkedIn om op de hoogte te blijven van het laatste nieuws en nieuwe functionaliteiten.