Stap voor stap: welke delen van het schrijven van kennisbankartikelen AI kan overnemen, wat gewone automatisering is, waar een menselijke controle nodig is en hoe je een pilot doet.
7 stappenTypische mix: Geschikt voor AIIllustratieve analyseBijgewerkt
Ja, AI kan een groot deel van het schrijven van kennisbankartikelen doen, maar niet alles. Het kan de vragen vinden die klanten steeds stellen, het artikel concipiëren op basis van tickets en productnotities en het opmaken; een mens moet de stappen nog testen in het live product en bepalen wat je kennisbank belooft. Wie een kennisbank wil opzetten met kennisbank software ziet daardoor een routine waarin AI de eerste versie in minuten schrijft en mensen hun tijd besteden aan controle en aan artikelen die oordeelsvermogen vragen. Teams die AI-concepten ongecontroleerd publiceren, houden vaak een kennisbank over die vloeiend klinkt en hier en daar stilletjes fout is, en dat kost meer tickets dan het oplevert. De indeling in deze gids laat zien welke stappen veilig te automatiseren zijn, welke een mens nodig hebben en hoe je de opzet eerst klein test.
Wat elke stap nodig heeft
01● Geschikt voor AI
Vragen vinden waar een artikel voor nodig is
Een taalmodel kan een paar maanden aan tickets en chatgesprekken lezen, ze op onderwerp groeperen en laten zien welke vragen steeds terugkomen zonder dat er een artikel over bestaat. Voor een mens is dat saai en traag werk, voor een model gaat het snel. Je krijgt een lijst met artikelideeën, gerangschikt op aantal, met voorbeeldtickets erbij. Leg de ranglijst naast wat je team weet: een zeldzame vraag die boze klanten oplevert kan zwaarder wegen dan een veelgestelde vraag die snel is opgelost.
⛨Werkt als tickets met tekst en een onderwerp- of producttag kunnen worden geëxporteerd. Controleer of persoonsgegevens zijn verwijderd of dat je afspraken met de AI-leverancier verwerking toestaan.
02● Standaardautomatisering
Controleren of het artikel al bestaat
Voordat iemand gaat schrijven, laat een eenvoudige zoekopdracht op de bestaande kennisbank met vaste regels voor gelijkende titels en trefwoorden zien of de vraag al is beantwoord. Zo ja, dan wordt het werk bijwerken in plaats van schrijven. Hier is geen AI voor nodig. Het voorkomt het meest voorkomende probleem van een kennisbank: vijf artikelen die dezelfde vraag net anders beantwoorden.
⛨Werkt als de kennisbank een zoekfunctie of export heeft en artikelen duidelijke titels hebben. Oudere artikelen met vage titels glippen erdoorheen, dus ruim die eerst op.
03● Geschikt voor AI
Het artikel concipiëren op basis van tickets, productnotities en antwoorden van medewerkers
Met voorbeeldtickets, de productdocumentatie en een of twee antwoorden van medewerkers kan AI een eerste versie maken: een duidelijke titel, een kort antwoord bovenaan, genummerde stappen en een opmerking over wat te doen als het niet werkt. Het volgt je sjabloon en schrijfwijzer als je die meegeeft. Dat scheelt het lege vel. Het weet niet wat het product vandaag precies doet, dus elke bewering over gedrag moet je controleren.
⛨Werkt als je het sjabloon, een schrijfwijzer en bronmateriaal aanlevert. Zonder bronnen vult een model gaten met stellige gokken over productfuncties.
04● Menselijke controle
De stappen controleren in het echte product
Iemand moet het artikel volgen in het live product, elke genoemde knop aanklikken en het resultaat bevestigen. Dat is meestal een supportspecialist of een productowner. Die maakt ook de screenshots en bepaalt of een stap te riskant is om openbaar te beschrijven, zoals alles rond facturatie, rechten of het verwijderen van gegevens. Een artikel met één verkeerde stap levert meer tickets op dan geen artikel.
⛨Geldt altijd voor publicatie. Plan een korte reviewslot in, anders worden de controles de bottleneck en stapelen concepten zich op.
05● Standaardautomatisering
Opmaken, taggen, publiceren en gerelateerde artikelen koppelen
Na goedkeuring is de rest mechanisch: sjabloon toepassen, categorie en tags instellen, metatitel en beschrijving toevoegen, naar verwante artikelen linken en publiceren. Een workflow in je kennisbanksoftware kan dit doen en het artikel ook toevoegen aan de bron waaruit de supportbot en de medewerkers putten. Vaste regels houden de structuur van honderden artikelen gelijk.
⛨Werkt als de software sjablonen, tags en een API of automatiseringsregels ondersteunt. Vrije tekstvelden moet iemand nog één keer invullen.
06● Menselijke controle
Artikelen kloppend houden als het product verandert
Productreleases maken artikelen onjuist zonder dat iemand het merkt. Een persoon die de roadmap kent, moet bepalen welke artikelen een release raakt en de aanpassingen goedkeuren. AI kan helpen door releasenotes met de artikeltekst te vergelijken en waarschijnlijke conflicten te melden, maar de beslissing wat nu waar is, ligt bij iemand die verantwoordelijk is voor het product. Een reviewdatum en een eigenaar per artikel maken dit routine in plaats van een opruimactie.
⛨Werkt als elk artikel een eigenaar en reviewdatum heeft en support van releases hoort voordat ze live gaan.
07● Bij mensen houden
Bepalen wat de kennisbank behandelt en hoe hij klinkt
Reikwijdte en toon zijn keuzes over het bedrijf. Welke onderwerpen leg je openlijk uit, welke gaan naar een medewerker, hoe formeel ben je en wat beloof je schriftelijk? Die besluiten sturen elk artikel en elk concept, dus ze blijven bij mensen. AI werkt binnen de richtlijn die jij schrijft en stelt die niet op.
⛨Geldt vanaf dag één. Schrijf de reikwijdte en de toongids voordat je iets anders automatiseert.
Een verstandige eerste proef
Kies één productgebied met minstens twintig tickets in het afgelopen kwartaal. Laat AI die tickets groeperen en vijf artikelen voorstellen. Concipieer alle vijf met AI op basis van je sjabloon en bronnen en laat een reviewer de stappen in het live product testen, met een notitie bij elke fout. Schrijf twee andere artikelen met de hand als nulmeting. Vergelijk de minuten per artikel, het aandeel concepten dat grondig herschreven moest worden en het aantal feitelijke fouten dat de reviewer vond. Kijk na vier weken of het aantal tickets over die vijf onderwerpen is gedaald. Is het aantal fouten hoog, verbeter dan eerst de bronnen en het sjabloon voordat je opschaalt. Is de tijdwinst klein, beperk AI dan tot groeperen en opmaken.
De valkuil die je wilt vermijden
De grootste valkuil is vloeiende concepten publiceren zonder ze te testen. Een model schrijft een stellige stap, bijvoorbeeld een menupad dat niet meer bestaat, klanten volgen die, komen vast te zitten en openen een lastiger ticket dan het origineel. De tweede valkuil is volume: honderden dunne artikelen produceren omdat het goedkoop is, waardoor de kennisbank slechter doorzoekbaar en minder betrouwbaar wordt. Houd één vraag per artikel, ruim dubbele artikelen op en geef elk artikel een eigenaar en reviewdatum, zodat de kennisbank klein genoeg blijft om te onderhouden.
Vragen die teams stellen
Kan AI kennisbankartikelen zelfstandig schrijven?
Het kan een bruikbaar eerste concept schrijven op basis van tickets, productnotities en een sjabloon, en dat scheelt het meeste typewerk. Het moet niet zelfstandig publiceren. Het model kan niet weten wat je product vandaag doet, dus een mens moet de stappen in het live product volgen voordat het artikel uitgaat. De veilige opzet is AI voor concepten en groeperen, regels voor opmaak en publicatie en een persoon voor de controle.
Hoe voorkom ik dat AI productfuncties verzint in artikelen?
Geef het bronmateriaal mee en zeg dat het alleen daarvan gebruik mag maken. Voeg productdocumentatie, releasenotes en een echt antwoord uit een ticket toe, en eis dat het concept bij elke stap de bron noemt. Wat geen bron heeft, wordt gemarkeerd voor controle in plaats van als feit opgeschreven. Laat daarna iemand de stappen in het product testen. Beide zijn nodig, want geen van de twee vangt alles op.
Wat meet ik in een pilot?
Meet de tijd van ticketpatroon tot gepubliceerd artikel, het aandeel concepten dat grondig herschreven moest worden en of het aantal tickets over dat onderwerp daalt in de weken na publicatie. Noteer ook hoeveel fouten de reviewer vond. Vergelijk met een paar artikelen die op de oude manier zijn geschreven. Kleine aantallen zijn prima, want het doel is zien waar het proces tijd bespaart en waar niet.
Heb ik nieuwe kennisbanksoftware nodig om AI te gebruiken?
Niet per se. Veel kennisbanktools hebben inmiddels AI voor concepten, maar je kunt ook buiten de tool een taalmodel gebruiken en het resultaat plakken. Het proces telt zwaarder dan de tool: een sjabloon, bronmateriaal, een reviewer en een eigenaar per artikel. Kies software op zoekfunctie, sjablonen en automatiseringsregels, en zie ingebouwde AI als extra om te testen. Staan er persoonsgegevens in tickets, check dan hoe de leverancier die verwerkt onder de AVG.
Workflowadvies van Arcgent ter illustratie. Elk bedrijf heeft een eigen beoordeling nodig. Claims over integraties of besparingen zijn niet voor jouw systemen geverifieerd.