A Work4Flow AI-val javítja a ServiceNow tudásbázisainak kereshetőségét

A keresési nehézségekből indul ki a rendszer

A Work4Flow, a ServiceNow Premier Partner vállalati AI-bevezetésre és munkafolyamat-átalakításra szakosodott vállalat, október 14-én jelentette be a Knowledge Article Optimizer with Search Relevancy elindítását.

A megoldás a ServiceNow felületén belül működik, és összekapcsolja a felhasználói keresési viselkedést a tudáscikkek fejlesztésével. A Search Relevancy elemzi a tényleges kereséseket és a visszaadott tudásbázis-találatokat. Ennek alapján azonosítja a gyengén teljesítő lekérdezéseket, a relevanciahiányokat, valamint azokat a cikkeket, amelyek szemantikai javításra szorulnak.

A vállalat szerint egy tudáscikk akkor is nehezen használható, ha tartalmazza a helyes választ. A nyelvezet, a szerkezet, a metaadatok és a keresési jelek ugyanis nem feltétlenül igazodnak ahhoz, ahogyan az emberek segítséget kérnek, vagy ahogyan az AI-rendszerek lekérik és értelmezik a vállalati információkat.

Mezőszintű értékelés és AI-javaslatok

A Knowledge Article Optimizer a kiválasztott tartalmakat a szervezeti szabályok, a beállított sablonok, az olvashatósági szempontok és a tartalmi minőségi követelmények alapján értékeli. A rendszer mezőszintű pontozást és AI által készített javaslatokat ad a felülvizsgálathoz.

Az AI-ügynökök felmérik a cikkek minőségét, feltárják a tartalmi hiányosságokat, és optimalizált változatokat készítenek a címekhez, a leírásokhoz, a metaadatokhoz, valamint a cikk törzsszövegéhez. A Work4Flow közlése szerint ezzel a tudáskezelő csapatok olyan tartalmakat hozhatnak létre, amelyek az emberi használathoz strukturáltak, és támogatják a ServiceNow-n belüli AI-alapú interakciókat.

A tartalomtulajdonosok minden módosítás felett megtartják az ellenőrzést. A jóváhagyás után frissített tartalmon a csapatok újra lefuttathatják a keresést, majd megvizsgálhatják, hogyan teljesít a cikk az eredeti felhasználói szándékhoz képest.

Zárt ciklusú folyamat az AI-felkészítéshez

A megoldás a keresési súrlódások feltárását, a tartalmak felhasználói viselkedés és támogatási hatás alapján történő priorizálását, a megfelelő cikkek optimalizálását, majd a változtatások utáni ellenőrzést kapcsolja össze. A Work4Flow ezt zárt ciklusú munkafolyamatként írja le, amelyben a kereséselemzés, a tartalomfejlesztés, az emberi felülvizsgálat, az ellenőrzés és az AI-felkészítés egymásra épül.

A Knowledge Article Optimizer támogatja a konfigurálható értékelési szempontokat, a tudásbázis-sablonokat, a mezőszintű javaslatokat, az emberi felülvizsgálatot és jóváhagyást, a tartalomverziózást, valamint a cikkek értékelésére és fejlesztésére szolgáló integrált munkaterületet.

A Work4Flow vezérigazgatója, Sanjay K. Gupta a közlemény szerint így fogalmazott: „Több mint 250 AI-bevezetés tapasztalata alapján egy igazság kiemelkedik: az AI ritkán a modell miatt vall kudarcot, inkább a mögötte lévő tartalom miatt.” Hozzátette, hogy ezért építették meg a megoldást, amely közvetlenül kapcsolja össze a keresési jeleket a tudás életciklusával.

A ServiceNow AI-platform tartalmi alapját célozza

A Work4Flow szerint a ServiceNow Otto és az AI-alapú keresés a vállalati tudásra támaszkodik releváns, kontextusérzékeny válaszok előállításakor. Az AI-ügynököknek szintén olyan tartalmakra van szükségük, amelyeket megbízhatóan le tudnak kérni, értelmezni és felhasználni.

A Knowledge Article Optimizer ezért a ServiceNow AI Platformon belüli önkiszolgálást, generatív AI-funkciókat, AI-keresést és ügynökalapú munkafolyamatokat támogató tartalmak fejlesztésére szolgál. A vállalat ServiceNow-natív alkalmazásként kínálja a megoldást, a kapcsolódó termékek között pedig a ServiceNow Store-ban elérhető Agentic AI Automated KB Generation is szerepel.