Chuẩn bị dữ liệu để triển khai AI Agent: Hướng dẫn cho doanh nghiệp

Một AI Agent có thể sử dụng mô hình AI mạnh nhưng vẫn trả lời sai nếu nguồn thông tin của doanh nghiệp thiếu, lỗi thời hoặc mâu thuẫn.

Ví dụ, website ghi chính sách bảo hành 12 tháng, tài liệu nội bộ ghi 18 tháng và nhân viên đang sử dụng một chính sách mới chưa được cập nhật.

Nếu đưa cả ba nguồn vào hệ thống mà không xác định tài liệu nào có hiệu lực, Agent có thể đưa ra câu trả lời không nhất quán.

Chuẩn bị dữ liệu cho AI Agent không chỉ là tải tài liệu lên hệ thống. Doanh nghiệp cần xác định nguồn chính thức, quyền truy cập, cách cập nhật và tiêu chí kiểm tra chất lượng.

1. AI Agent cần những loại dữ liệu nào?

Tùy nghiệp vụ, Agent có thể sử dụng nhiều nhóm dữ liệu khác nhau.

• Dữ liệu kiến thức: Thông tin sản phẩm, dịch vụ, chính sách và câu hỏi thường gặp.
• Dữ liệu nghiệp vụ: Quy trình xử lý, điều kiện thực hiện và hướng dẫn chuyển giao.
• Dữ liệu giao dịch: Trạng thái đơn hàng, lịch hẹn hoặc thông tin CRM được truy xuất từ hệ thống phù hợp.
• Dữ liệu người dùng: Những thông tin cần thiết để thực hiện nhiệm vụ, với mục đích và quyền truy cập rõ ràng.

Không phải mọi loại dữ liệu đều nên được đưa vào cùng một kho kiến thức.

Thông tin giao dịch thay đổi thường xuyên thường cần được truy xuất từ hệ thống nguồn thay vì lưu dưới dạng tài liệu tĩnh.

2. Phân biệt kho kiến thức và dữ liệu huấn luyện

Trong thực tế, doanh nghiệp thường gọi việc cung cấp tài liệu cho AI là "training".

Tuy nhiên, cần phân biệt hai cách tiếp cận.

• Truy xuất từ kho kiến thức: Hệ thống tìm thông tin liên quan từ nguồn dữ liệu được quản lý để hỗ trợ tạo câu trả lời.
• Tinh chỉnh mô hình: Điều chỉnh mô hình bằng dữ liệu theo một quy trình kỹ thuật riêng.

Không phải dự án AI Agent nào cũng cần tinh chỉnh mô hình.

Với nhu cầu trả lời theo chính sách hoặc tài liệu thường xuyên thay đổi, việc tổ chức và truy xuất kho kiến thức có thể là một phần quan trọng của giải pháp.

Phương án cụ thể cần được lựa chọn theo yêu cầu và kiểm thử thực tế.

3. Bước 1: Kiểm kê nguồn dữ liệu

Doanh nghiệp nên lập danh sách tất cả nguồn thông tin có liên quan đến nghiệp vụ dự kiến triển khai.

Ví dụ, với AI Sales Agent:

Cần ghi nhận tài liệu nào đang được sử dụng, tài liệu nào đã lỗi thời và nguồn nào được xem là chính thức.

4. Bước 2: Loại bỏ dữ liệu lỗi thời và mâu thuẫn

Không nên đưa mọi tài liệu vào hệ thống chỉ vì chúng có sẵn.

Doanh nghiệp cần kiểm tra những nội dung đã thay đổi như giá, chính sách, quy trình hoặc danh mục dịch vụ.

Khi hai nguồn mâu thuẫn, cần có người có thẩm quyền xác nhận phiên bản đúng.

Agent không nên tự lựa chọn một chính sách chỉ dựa trên cách diễn đạt có vẻ thuyết phục hơn.

5. Bước 3: Chuẩn hóa cấu trúc thông tin

Tài liệu nên có tiêu đề rõ ràng, nội dung nhất quán và thông tin về phạm vi áp dụng.

Ví dụ, một chính sách bảo hành cần nêu sản phẩm hoặc dịch vụ áp dụng, điều kiện, ngoại lệ và thời điểm có hiệu lực.

Với danh mục sản phẩm, nên chuẩn hóa các trường như tên, mã, thuộc tính và trạng thái.

Dữ liệu được tổ chức tốt giúp hệ thống truy xuất và kiểm tra kết quả dễ hơn.

6. Bước 4: Phân loại dữ liệu theo quyền truy cập

Không phải mọi thông tin đều dành cho mọi người dùng.

Có thể phân chia dữ liệu thành những nhóm như công khai, nội bộ và dữ liệu cá nhân có giới hạn truy cập.

Một Agent tư vấn trên website không nên được cấp quyền đọc toàn bộ dữ liệu khách hàng chỉ để trả lời câu hỏi về dịch vụ.

Cần kiểm tra quyền truy cập tại tầng ứng dụng và hệ thống dữ liệu, không chỉ dựa vào hướng dẫn trong prompt. Xem thêm bảo mật dữ liệu AI Agent.

7. Bước 5: Xác định nguồn dữ liệu động

Một số thông tin thay đổi liên tục, chẳng hạn tồn kho, lịch hẹn hoặc trạng thái đơn hàng.

Những dữ liệu này thường cần được lấy từ phần mềm nguồn thông qua phương thức tích hợp phù hợp. Xem thêm bài tích hợp AI Agent với CRM, ERP và API.

Nếu API gặp lỗi hoặc dữ liệu chưa được cập nhật, Agent cần phản hồi đúng trạng thái chưa thể xác nhận.

Không nên sử dụng dữ liệu cũ để đưa ra cam kết hiện tại.

8. Bước 6: Xây dựng bộ câu hỏi kiểm thử

Doanh nghiệp nên chuẩn bị những câu hỏi thực tế mà người dùng thường đặt ra.

Bộ kiểm thử cần bao gồm câu hỏi thông thường, câu hỏi thiếu thông tin, yêu cầu ngoài phạm vi và những trường hợp dữ liệu mâu thuẫn.

Ví dụ:

• Dịch vụ này bao gồm những hạng mục nào?
• Chính sách bảo hành áp dụng từ khi nào?
• Nếu khách hỏi mức giá chưa được công bố thì Agent xử lý thế nào?
• Nếu không tìm thấy thông tin thì Agent có chuyển nhân viên không?

Cần ghi nhận câu trả lời mong đợi và nguồn dữ liệu hỗ trợ để đánh giá kết quả.

9. Bước 7: Thiết lập quy trình cập nhật

Dữ liệu không dừng thay đổi sau khi Agent được bàn giao.

Doanh nghiệp cần xác định ai được cập nhật tài liệu, ai phê duyệt thay đổi và khi nào cần kiểm thử lại.

Với những chính sách quan trọng, nên có thông tin phiên bản hoặc thời điểm hiệu lực.

Khi phát hiện Agent trả lời sai, cần kiểm tra lỗi đến từ dữ liệu, cách truy xuất, quy tắc nghiệp vụ hay mô hình AI.

10. Checklist dữ liệu trước khi triển khai

Checklist này giúp chuẩn bị dự án, nhưng không thay thế việc khảo sát kỹ thuật theo từng nghiệp vụ.

11. Câu hỏi thường gặp

Cần bao nhiêu tài liệu để triển khai AI Agent? Không có số lượng chung. Điều quan trọng là dữ liệu đủ bao phủ phạm vi nghiệp vụ và có chất lượng phù hợp.

Có thể dùng file PDF hoặc Word làm kho kiến thức không? Có thể tùy giải pháp. Cần kiểm tra khả năng trích xuất nội dung, cấu trúc tài liệu và chất lượng truy xuất.

Có cần đưa toàn bộ dữ liệu CRM vào AI không? Không. Nên giới hạn dữ liệu theo mục đích và quyền truy cập thực tế.

Khi thay đổi chính sách có cần huấn luyện lại mô hình không? Không nhất thiết. Nếu hệ thống sử dụng kho kiến thức có thể cập nhật, việc thay đổi dữ liệu có thể được xử lý theo cơ chế của giải pháp đó. Cần kiểm thử sau cập nhật.

Kết luận

Chất lượng dữ liệu là một phần quan trọng quyết định khả năng vận hành của AI Agent.

Doanh nghiệp nên chuẩn hóa nguồn thông tin, phân quyền và xây dựng quy trình cập nhật trước khi mở rộng phạm vi tự động hóa.

Trao đổi với Naventic để đánh giá dữ liệu và xác định phạm vi AI Agent có thể triển khai. Đọc thêm: Quy trình triển khai AI Agent.