以前講到客服機器人，我第一個想到的就是 FAQ
客人會問什麼？
我要怎麼回答？
同一個問題換個問法怎麼辦？
然後開始一題一題整理
做到最後，AI 還沒開始幫忙，我自己先多了一份工作 😂
前陣子實際測 Jaaxis 時，我反而第一次很明顯的感覺到：
AI 客服的知識庫，不一定要從「整理 FAQ」開始
我當時直接把 MarchO 網站丟進去
它找到 117 個頁面
但我沒有把 117 頁全部餵給它，也沒有另外整理一份「MarchO 客服常見問題大全」
我只選了三頁，就直接開始測
這反而讓我開始想一個更實際的問題：
如果今天真的要做 AI 客服，到底應該先給它什麼資料？
先別急著整理 FAQ，看看你已經有什麼
很多商家其實不是沒有資料
而是資料早就散在不同地方
官網有公司介紹，商品頁有規格和價格，服務頁有流程，FAQ 有常見問題，文件裡有使用方式
甚至有些規則可能只存在一段文字裡
以前做客服機器人，很容易變成要把這些東西重新整理成一題一題的問答
但如果 AI 已經可以理解網站和文件，第一步其實可以先問：
我現在已經有哪些資料可以直接給它？
這也是我測 Jaaxis 時做的事情
我把 117 頁網站，只選了 3 頁
我輸入 marchooo.com 後，Jaaxis 找到 117 個頁面
但我最後只選首頁、About 和 Lab
不是因為三頁就是建立 AI 客服的標準答案
而是我故意不想把所有資料都塞進去
結果只放這三頁，它已經能回答：
MarchO 是做什麼的？
至少證明一件事
知識庫不是資料越多就一定越好，先放跟它工作有關的資料比較重要
那到底要放哪些東西？
如果今天換成真的商家，我會先從「客人真的會需要知道什麼」往回找
電商可能先放商品資訊、價格、配送、退換貨和付款方式
預約型服務可能先放服務內容、價格、時間、地點和取消規則
活動則可能是日期、地點、流程、注意事項和報名方式
所以我現在不太會用：
我要把公司所有資料餵給 AI
這個角度想 Knowledge
比較像：
這隻 AI 現在要負責什麼？它完成這份工作需要知道什麼？
這也是客服知識庫跟單純 FAQ 不太一樣的地方
FAQ 通常是一組常見問答，知識庫可以再包含產品資訊、政策、流程、SOP 等資料，讓 AI 有比較完整而且可以維護的回答依據（Zendesk 說明）
網站、文字、FAQ、文件，其實只是不同入口
Jaaxis 目前的 Knowledge 可以直接放文字、問答、網站和檔案
網站也可以選單一網址或整站
真正有用的是，你不用為了 AI 把原本已經存在的資料全部重寫一次
官網本來就有的，先用官網
已經有整理好的文件，就用文件
只有一條臨時規則，直接補文字可能最快
真的有某個問題一直被問，再補 FAQ
所以我反而不會建議一開始先坐下來想：
我要整理哪 100 題 FAQ？
先讓它用你已經有的資料工作
真的缺什麼，再補什麼
這種「網站、檔案、貼文字」直接變成 Knowledge 的方式也不是 Jaaxis 才有，例如 Intercom 的 Fin 也可以使用網站、PDF 和文字片段作為知識來源
Pickta! 那次讓我更確定這件事
我測 Jaaxis 時還故意做了一個很小的實驗
當時 Agent 已經看得懂 Pickta! 的操作截圖
我問：
連結？
但 Knowledge 裡根本沒有 Pickta! 網址
它就說沒有這個資訊
後來我把正確網址補進 Knowledge
再問一次
它就答對了
這件事其實很小
但它很像真實維護 Knowledge 的方式
不是「我要重新訓練一個更聰明的 AI」
而是：
喔，原來它缺這個，那我補給它
對小商家來說，這個差異滿大的
知識庫還有另一個作用：告訴 AI 什麼才是真的
Knowledge 不只是讓 AI 多知道一些東西
它其實也在建立回答的範圍
價格到底是多少、退貨到底幾天、服務到底包什麼、真正的網址是哪一個
這些東西不能因為 AI 覺得「大概是這樣」就算數
所以我現在反而會把 AI 客服的 Knowledge 想成：
這些是目前可以拿來回答客人的資料
而不是：
這些是給 AI 參考看看的資料
這也是為什麼上一輪我故意問 Jaaxis 一個 Knowledge 裡不存在的顧問價格
它沒有自己生價格，我反而比較放心
如果你想看那次完整測試，我另外寫在：
AI 客服會亂回答嗎？我故意問它不知道的問題
資料變了怎麼辦？
價格會改，網址會換，服務會新增，活動會結束，規則也可能更新
所以真正好用的 Knowledge，不應該是建立完一次就永遠不碰
Jaaxis 裡已經加入的 Knowledge 可以再管理，缺資料就補，舊資料也可以調整
我自己實測 Pickta! 就是最簡單的例子
發現它不知道網址
→ 補資料
→ 再問一次
→ 回答更新
所以如果今天真的把 AI 放到客服，我覺得維護 Knowledge 反而會比一開始塞多少資料更重要
AI 回答錯了，不一定先去改 Prompt
先看它拿到的資料到底對不對
而且這也是很多客服知識庫真正容易出問題的地方：資料不是做完就結束，過期 FAQ、舊活動和已經改掉的規則，都需要定期檢查更新
我現在會怎麼建立第一版 AI 客服知識庫？
如果是我自己，我不會先做一份超完整資料庫
我會先決定：
這隻 AI 現在到底負責什麼？
然後只把完成這份工作最需要的資料放進去
先讓它回答真實問題
遇到不知道的，再看這個問題是不是它本來就應該知道
如果是，就補 Knowledge
如果不是，就讓它不知道
甚至交給人處理
這樣反而比較像在慢慢教一個新來的同事
不是第一天就丟給他整間公司的 Google Drive，然後期待他從此什麼都知道 😂
所以 AI 客服知識庫怎麼做？
我現在的答案反而比以前簡單
先不要整理 100 題 FAQ
先把它真正需要知道的資料找出來
網站本來就有的，就先用網站
文件已經整理好的，就用文件
缺一條規則，就補一條
真的有人一直問，再補 FAQ
然後最重要的是：
不要把「資料很多」當成「AI 很懂你」
資料只是原料
你真正要確認的是，它現在拿到的資料，夠不夠它把這份工作做好
我這次是用 Jaaxis 實際測這整套 Knowledge 流程
如果你想直接看我怎麼從網站開始、只選三頁就建立第一隻 Agent：
Jaaxis 實測｜不用先整理 FAQ，AI 真的能看懂你的生意嗎？
下一篇我會再往下一步走：
如果 AI 客服要放進 LINE，到底要設定多少東西？
因為「支援 LINE」跟「按一下就能用」，其實是兩回事 😂