案例长文

问答机器人优化：当大家不再默认先问它的时候

2024–2025 · 产品经理

知识库 · 语料治理 · 流程优化

公司内部有个 AI 问答机器人，本来是帮员工查产品规则的。业务一快，答案却经常滞后：有人查到下架规则，有人问场景该用什么产品却推荐不准。慢慢地，大家不再把它当成可靠入口，宁愿多走一步去问同事。这个项目要解决的，不只是「答得对不对」，而是「大家还愿不愿意先问它」。

背景与问题

公司内部有 AI 问答机器人，供员工查询产品规则。业务迭代快，机器人回答经常滞后，员工反馈「查不到准确信息」，效率受影响；不少人宁愿问身边同事也不愿用机器人，信任度下滑。

需求拆解

（1）语料与现行产品规则对齐，减少引用已下架规则、旧版价格等过时回答

（2）提升「XX 场景用什么产品」等高频问法的推荐准确率

（3）建立可持续的更新机制，避免再次依赖「临时发现才修」

下面是当时实际推进过的一串动作：有的偏流程，有的偏协作，有的偏验收。顺序未必是「最优模板」，但更接近真实推进时的颗粒度。

（1）问题诊断：抽样分析近一个月约 200 条员工提问并对照实际规则，量化约 15% 回答引用过期内容、约 20% 场景推荐错误，避免凭感觉拍脑袋

（2）方案选择：在资源有限下对比「重训模型（周期长、成本高）」与「优化知识库 + 补充推荐规则（见效快）」；判断根因是知识未跟上业务而非模型本身，先选后者快速止血

（3）梳理近三个月产品规则变更记录，逐条核对语料：删除过期内容、补充新增规则

（4）针对高频「用什么产品」类问题，与相关产品同事梳理标准推荐规则并配置进系统

（5）推动建立「月度语料同步流程」：每月规则更新后，产品经理须同步更新机器人语料，从流程上堵住滞后

结果不一定都能量化成漂亮数字，但至少要能说清楚「发生了什么变化」以及「还欠什么」。

（1）上线约一个月后抽样：问答准确度提升约 20%

（2）总咨询量提升约 30%

（3）问卷调研约 70% 员工表示「靠谱多了」

收束一句

当根因是知识滞后而不是模型能力时，用运营、规则与流程先止血，往往比等一版长周期重训更贴近业务节奏；数据化的抽样诊断，是争取资源与对齐共识的前提。