Strategy ONE
Prácticas recomendadas de activos de conocimiento
Cada activo de conocimiento debe incluir algunas palabras clave o palabras con definiciones semánticas similares utilizadas en la pregunta y en el activo de conocimiento. Estas similitudes son necesarias para permitir que el activo de conocimiento se utilice al responder a una pregunta. Si el activo de conocimiento incluye reglas genéricas, las respuestas automáticas y los bots tendrán problemas para relacionar semánticamente el conocimiento con la pregunta. Las reglas genéricas se pueden colocar en las instrucciones personalizadas del bot.
-
Incorpore definiciones que aclaren los nombres de objetos para el bot, incluidos términos, acrónimos o sinónimos:
-
Proporcione definiciones de objetos existentes para guiar a los usuarios a formular sus preguntas con los términos correctos. Por ejemplo, cuando un usuario especifica una métrica como la siguiente:
-
Incluya definiciones específicas que sean críticas para analizar los datos:
-
Calcular indicadores derivados a partir de los existentes. Por ejemplo, donde Ingresos y C3 son indicadores existentes:
-
Se pueden incluir definiciones de valores de elementos de atributo para mejorar la comprensión del bot de las consultas de los usuarios. Como se explica en Mejora de la calidad de las respuestas, los conocimientos se pueden definir de la siguiente manera:
-
Si desea probar la eficacia de un dato adicional antes de añadirlo al activo de conocimiento, puede añadir el conocimiento a la consulta en sí:
The code SLS stands for Sales
The code SOP is a descriptor for SLS - Operations with role definition as Operational support for Sales Activities (AP, SL, ES, SE)
L4Q stands for last four quarter and is a metric of average score for last 4 quarters. It can also be considered as the annual score.
Es útil definir la jerga empresarial antes de incorporarlos al análisis:
For a human male of age 0-16, the normal blood pressure is 116/70mm Hg
For a human male of age 17-35, the normal blood pressure is 119/79mm Hg
For a human male of age 36-59, the normal blood pressure is 124/77mm Hg
For a human male of age 60 and above, the normal blood pressure is 133/69mm Hg
For a human female of age 0-16, the normal blood pressure is 105/66mm Hg
For a human female of age 17-35, the normal blood pressure is 122/72mm Hg
For a human female of age 36-59, the normal blood pressure is 132/70mm Hg
For a human female of age 60 and above, the normal blood pressure is 139/68mm Hg
Valiéndose de los conocimientos anteriores, el bot puede proporcionar resultados más precisos si tiene en cuenta la edad del paciente a partir del conjunto de datos, ya que el punto de referencia generalizado de 120/80 mm Hg no se aplicará universalmente en todas las edades y sexos.
Predicted Revenue = [0.23 * (Revenue)] + C3
The attribute Airport Code contains values like BWI, IAD and DCA.
BWI is the airport code for Baltimore/Washington International Thurgood Marshall Airport.
DCA is the airport code for Ronald Reagan Washington National Airport.
IAD is the airport code for Washington Dulles International Airport.
How many SBD employees did we hire this year ? The code SLS stands for Sales. The code SBD is a descriptor for SLS - Business Development with role definition as Responsible for Business Development Support for Sales.
Si el contexto adicional devuelve la respuesta esperada, puede añadirlo al activo de conocimiento.
Evite el siguiente comportamiento al utilizar activos de conocimiento:
-
Las definiciones no deben contener información irrelevante.
-
El rendimiento de la respuesta depende de su fila de activos de conocimientos y del número de filas relevantes en la pregunta. Evite agregar demasiadas filas o demasiada información en cada fila. Esto puede confundir a la IA y provocar alucinaciones.
-
Evite anidar información adicional sobre atributos en el texto y esperar que el bot la extraiga y luego la utilice para filtrar y agregar los datos.
-
Para evitar alucinaciones, asegúrese de que su activo de conocimiento utiliza el siguiente formato:
Por ejemplo, si espera preguntas basadas en roles y responsabilidades de los empleados de un departamento de ventas, puede utilizar las siguientes definiciones:
The code SLS stands for Sales. The code SOP is a descriptor for SLS - Operations with role definition as Operational support for Sales Activities (AP, SL, ES, SE).The code SBD is a descriptor for SLS - Business Development with role definition as Responsible for Business Development Support for Sales. The code SCS is a descriptor for SLS - Customer Success Manager with role definition as Responsible for Account Health Checks & Renewals.
Observe que, al pasar el texto completo al Strategy La IA aumenta el recuento de tokens y retrasa el tiempo de respuesta. Para evitarlo, asegúrese de desglosar las instrucciones en varias filas:
The code SLS stands for Sales.
The code SOP is a descriptor for SLS - Operations with role definition as Operational support for Sales Activities (AP, SL, ES, SE).
The code SBD is a descriptor for SLS - Business Development with role definition as Responsible for Business Development Support for Sales.
The code SCS is a descriptor for SLS - Customer Success Manager with role definition as Responsible for Account Health Checks & Renewals.
Por ejemplo, considere un conjunto de datos con los atributos Continente, País y Ciudad y los indicadores Población y Área. En ese contexto, si un usuario pregunta: "¿En cuántas ciudades en las que he viajado se habla francés?", el siguiente conocimiento tiene información adicional sobre el atributo País y puede hacer alucinar a la IA.
The city Strasbourg in France has a population of 280000. The official spoken language is French.
The city Tours in France has a population of 140000. The official spoken language is French.
The city Berlin in Germany has a population of 3500000. The official spoken language is German.
The city Warsaw in Poland has a population of 1700000. The official spoken language is Polish.
The city Montreal in Canada has population of 1700000. The official spoken language is French.
Cities such as Strasbourg, Tours, Lyons, Montreal, Abidjan, Yaounde, Madagascar, and Dakar use French as the official spoken language.
Mejora de la calidad de las respuestas
Observe el siguiente escenario de conjunto de datos aéreo para comprobar la importancia de aplicar la mejora de la calidad de las respuestas en los activos de conocimiento.
Si los usuarios interactúan con el conjunto de datos de una compañía aérea que contiene códigos de aeropuerto, en lugar de nombres de aeropuertos, como este:
Es posible que hagan preguntas sobre aeropuertos específicos utilizando sus nombres (por ejemplo, Dulles o Raegan) en lugar de los códigos de aeropuerto (por ejemplo, IAD o DCA), como se muestra a continuación:
Cuando eso sucede, el bot no puede interpretar el significado de los nombres de aeropuerto proporcionados.
Para solucionarlo, puede proporcionar información detallada en un archivo Excel de una sola columna. El archivo debe definir los códigos de aeropuerto en tres filas separadas, tal y como se muestra en la siguiente imagen:
Una vez que el archivo se haya cargado, estudiado y guardado según lo descrito anteriormente, podrá recibir respuestas precisas que aprovechen los conocimientos del archivo cargado.
Solo se pasa la información relevante a Strategy AI.
Vea las respuestas precisas del bot después de cargar el archivo Excel:
