O erro mais comum: um documento gigante que mistura tudo
Muitas empresas começam a base de conhecimento copiando o manual interno inteiro, ou um PDF de vinte páginas com todas as políticas juntas. Para um humano que lê de cima a baixo, funciona. Para um sistema de recuperação de informação é quase o pior que se pode fazer: se a resposta para "qual é o prazo de devolução?" está enterrada na página 14 de um documento que também fala de envios, garantias e pagamentos, o sistema precisa adivinhar onde cortar, e frequentemente traz contexto a mais ou a menos.
Um artigo, um tema
A regra que funciona melhor é simples: cada artigo deveria responder a uma única pergunta ou cobrir um único tema, de forma autocontida. "Política de devoluções" é um artigo. "Como trocar a forma de pagamento" é outro. Isso não é só organização — é o que permite ao sistema de busca (uma busca híbrida que combina similaridade semântica por embeddings com busca por palavras-chave) trazer exatamente o trecho que responde à pergunta, sem ruído de temas adjacentes.
Etiquetas e categorias não são metadado decorativo
Quando cada artigo tem categoria e etiquetas bem definidas, duas coisas melhoram: a busca fica mais precisa e sua equipe consegue auditar a cobertura da base de conhecimento de relance — ver que "Faturamento" tem oito artigos, mas "Envios internacionais" não tem nenhum, é o tipo de lacuna que depois se traduz diretamente em perguntas que o assistente não consegue responder bem.
Conteúdo público vs. interno
Uma base de conhecimento bem montada distingue entre artigos públicos, que além de alimentar o assistente podem ser exibidos numa central de ajuda self-service, e artigos internos, que só o assistente e sua equipe veem — procedimentos de escalonamento, limites do que pode ser prometido sem autorização, ou informações sensíveis que você não quer que um cliente leia diretamente, mesmo que o assistente precise delas para responder bem. Tratar tudo como público (ou tudo como interno) obriga você a escolher entre expor informação que não deveria ser exposta ou privar o assistente de contexto.
Manutenção: a base de conhecimento nunca termina, ela é cuidada
Um assistente treinado sobre uma tabela de preços de seis meses atrás vai responder mal, mesmo que o resto do sistema seja perfeito. A disciplina que separa uma base de conhecimento que funciona de uma que se degrada é revisar periodicamente quais perguntas o assistente não conseguiu responder bem e atualizar ou criar artigos em função disso, em vez de deixar a lacuna se acumular.
Escrever para uma máquina e um humano ao mesmo tempo
O melhor artigo é aquele que um cliente entenderia se o lesse diretamente numa central de ajuda: linguagem clara, sem jargão interno, com a resposta nas primeiras linhas e não no final. Se você escreve pensando só que "a IA vai interpretar do mesmo jeito", acaba com artigos ambíguos que nem o sistema nem um cliente humano conseguem aproveitar totalmente.