AI 知識庫怎麼建立？企業導入前要先整理的資料

AI 知識庫解決什麼問題

公司運作久了，答案會散在很多地方：共用雲端、SOP 文件、客服紀錄、資深員工的腦袋。新人只好一直問，資深員工一直被打斷，同一個問題也可能得到兩種答案。

AI 知識庫把這些資料整理起來，員工用自己的話問，系統依公司資料回答，並附上引用的文件。跟關鍵字搜尋相比，員工不用先知道文件叫什麼名字。上海凡特利的內部 Agent 知識庫就是這樣運作，員工直接問內部 Agent 查答案。

第一步：挑一個範圍

不用一開始就把全公司的資料放進去。先挑一類常被問、答案有文件依據的問題，例如內部規章、產品規格或客服常見問題。範圍小，資料整理得完，也容易判斷有沒有效。

第二步：盤點資料

開工前列一張清單，每一份資料都回答四件事：

放在哪裡：雲端硬碟、公司系統，或某個人的電腦
哪一份是最新版
誰負責更新
哪些人可以看

這張清單做完，通常會發現有些問題根本沒有文件，那些要先請負責的人寫下來。

第三步：清掉過期和重複的文件

AI 依資料回答，資料過期，回答就過期。同一份 SOP 有三個版本時，先留下最新的一份，舊版移出知識庫。掃描檔和圖片裡的文字要先確認讀得出來，表格也要確認轉換後欄位沒有跑掉。

第四步：設定誰能看什麼

薪資、合約、客戶個資這類資料，不是每個人都該查得到。權限要依角色設定，員工只能問到自己有權限看的文件，後台操作留紀錄，資料庫定期備份。哪些資料不能外流，需求訪談時一起盤點。

第五步：用真實問題測試

請員工收集平常真的被問到的問題，用這份題目驗收。每一題看三件事：答案對不對、引用的文件對不對、查不到時有沒有老實回覆查不到或轉給真人。

測試時答錯的題目，多半要回頭補資料或調整文件，改完再測一次。

上線之後要有人維護

知識庫上線後，資料還會一直變。指定一位負責人，新文件怎麼加入、舊文件怎麼下架都寫成流程。定期看哪些問題查不到答案，那份清單就是下一批要補的資料。

資料和使用量變多之後，可以把 Agent 用到的資料集中管理。凡特利後來做了 Agent 數據中心，內部查詢和管理都在同一個地方。其他流程要不要導入 Agent，可以看 AI Agent 導入的挑選條件。

導入前常被問到的事

要準備多少文件才夠

看範圍。先能回答一類常見問題就夠，文件多寡沒有標準。十份整理乾淨的文件，通常比一千份沒人維護的檔案好用。

跟把檔案丟給 ChatGPT 有什麼不同

個人上傳檔案適合臨時查一份文件。公司知識庫要處理多人使用、權限、版本更新和操作紀錄，員工離職時資料也留在公司。

資料會不會被拿去訓練 AI

要看使用的服務條款。企業用的 API 方案通常會寫明資料不用於訓練模型，導入前要把條款看清楚，需求訪談時我們也會一起確認。客戶資料不會用在其他專案。

多久可以上線

資料整理得越完整越快。範圍明確、資料備齊的第一階段，通常可以排在一到三個月內上線。

想開始，先傳常見問題給我們

在 LINE 傳一份你們最常被問的問題，或常用文件的清單。我們約 30 分鐘需求訪談，一起看要從哪個範圍開始，這段不收費。費用怎麼估可以先看這篇。