Optimización de la base de conocimientos para una generación mejorada de la recuperación
Puede adaptar el contenido de su base de conocimientos para que sea más accesible a los modelos generativos de IA en un patrón de generación aumentada por recuperación (RAG). Al adaptar su contenido para la IA generativa, puede mejorar la calidad de las respuestas de IA que se generan a partir de su contenido. Dependiendo de su contenido y de su solución RAG, puede compensar las limitaciones de las herramientas o eliminar la necesidad de algunos tipos de procesamiento.
Puede adaptar el contenido de su base de conocimientos probando su contenido en su solución RAG y desarrollando directrices.
Puede crear directrices proactivas para preparar su contenido para la IA y directrices reactivas para reparar su contenido en respuesta a respuestas inadecuadas de la IA. La siguiente tabla resume las diferencias a la hora de crear y aplicar directrices para preparar o reparar sus contenidos.
| Objetivo de las directrices | Método de creación de directrices | Alcance de la actualización de contenidos | Calendario de actualización de contenidos |
|---|---|---|---|
| Preparar los contenidos para la IA | Pruebe su contenido en su solución RAG. | - Todos los contenidos existentes o críticos - Todos los contenidos nuevos |
- Antes de poner su solución RAG en producción - Durante la creación de nuevos contenidos |
| Repare sus contenidos para la IA | Recopile las opiniones de los usuarios sobre su solución GAR | - Temas o pasajes específicos - Temas o pasajes similares |
Después de recibir comentarios negativos de los usuarios sobre las respuestas de IA |
Creación de directrices para preparar sus contenidos para la IA
Creando y aplicando directrices que preparen su contenido para la IA, puede mejorar la calidad de su contenido tanto para los humanos como para la IA.
Para desarrollar directrices, pruebe su contenido con IA generativa. Los resultados más precisos se obtienen realizando pruebas con la solución GAR que consume su base de conocimientos. Si prueba su contenido con un sistema diferente al de su solución RAG final, sus resultados podrían variar y podría tener que volver a probar y ajustar sus directrices.
Crear directrices para preparar sus contenidos para la IA:
- Recopile preguntas representativas y los temas que responden a esas preguntas. Para obtener los mejores resultados, recopile las preguntas que formulan sus usuarios en lugar de adivinar lo que podrían preguntar. Las preguntas de los clientes le ayudan a orientar los contenidos que tienen más probabilidades de ser recuperados por su solución GAR. No es necesario probar cada contenido, cada tipo de contenido o cada formato de contenido.
- Pruebe si el modelo puede generar respuestas adecuadas a las preguntas basadas en su contenido. Para obtener los mejores resultados, realice la prueba directamente en su solución RAG. También puede introducir una pregunta y el texto correspondiente de su contenido en una pregunta y comprobar la respuesta generada.
- Cuando las respuestas de la IA sean inadecuadas, intente adaptar su contenido hasta obtener respuestas adecuadas. Véase Técnicas de adaptación.
- Crear directrices basadas en las tendencias. Véanse los ejemplos de directrices.
Técnicas de adaptación para preparar sus contenidos para la IA
Cuando descubra que la solución GAR genera una respuesta inadecuada a una pregunta que tiene respuesta en su base de conocimientos, intente adaptar ese contenido. Por ejemplo, puedes probar estas técnicas para mejorar las respuestas:
- Cambie el formato del contenido o reorganice el contenido. Por ejemplo, puede probar con listas con viñetas en lugar de párrafos largos o simplificar las tablas.
- Aclarar conceptos o mejorar las definiciones de términos clave.
- Añada contexto para aclarar el tema o el alcance del contenido. Por ejemplo, puede añadir títulos de sección.
- Añade un resumen del contenido largo.
- Sustituir los pronombres ambiguos por sustantivos específicos. Por ejemplo, asegúrese de que cada frase con un pronombre contiene el sustantivo al que hace referencia.
Ejemplos de directrices para preparar contenidos para la IA
Los siguientes ejemplos de directrices para preparar contenidos para la IA podrían aplicarse a sus contenidos:
- Explicar gráficos conceptuales en texto
- Explicar claramente los gráficos conceptuales en texto permite aclarar ambigüedades en los gráficos y evitar el gasto de un modelo de imagen a texto. Utilice gráficos para ilustrar el texto, pero no para sustituirlo. Los gráficos pueden simplificar excesivamente los conceptos porque omiten información o no designan claramente qué elementos son opcionales. Si explicas un proceso o concepto en el texto como si no tuvieras el gráfico, evitarás confusiones a tus lectores y al LLM.
- Incluir los nombres de los iconos en el texto
- Al incluir los nombres de los iconos y otros elementos de la interfaz de usuario en el texto, en lugar de mostrar sólo sus imágenes, proporcionas frases completas para la IA. Por ejemplo, la frase "Para editar un activo, haga clic en
" no está completa sin la imagen del icono. Sin embargo, la frase "Para editar un activo, haga clic en el icono Editar" es comprensible sin la imagen del icono. - Resumir procedimientos largos y tutoriales
- Si el procedimiento o tutorial es largo, es posible que el LLM no pueda incluir todo el contenido en la respuesta. Añadir un resumen de los pasos ayuda al LLM a responder preguntas. El resumen también establece las expectativas de los usuarios.
- Añada frases introductorias claras a las listas
- Los LLM pueden tener problemas para identificar el tema de una lista sin una frase introductoria.
- Eliminar los temas muy cortos
- Los temas muy breves pueden no proporcionar suficiente información para que un LLM genere una respuesta adecuada a una pregunta. Por ejemplo, un tema principal muy corto puede servir para organizar los temas secundarios en el índice y contener muy poco contenido valioso. Los temas muy breves pueden dar lugar a respuestas inadecuadas de la IA y decepcionar a los usuarios que aterricen en ellos. Puedes eliminar temas muy cortos o añadirles contenido valioso.
Creación de directrices para reparar sus contenidos para la IA
La mejor manera de determinar cómo arreglar el contenido que da lugar a respuestas inadecuadas de la IA es implementar un mecanismo de retroalimentación. Tus usuarios humanos pueden indicarte cuándo una respuesta es mala. Almacena los comentarios, la pregunta, la respuesta y los temas recuperados.
Crear directrices:
- Recoge los comentarios negativos de tus usuarios sobre las respuestas de IA.
- Determine la causa de la respuesta inadecuada.
- Si procede, actualice el tema objetivo hasta que produzca mejores respuestas de la IA. Pruebe sus cambios con varias variaciones de la pregunta original. Véase Adaptation tequniques.
- Cuando observe tendencias en los temas que actualiza, cree una directriz. Véanse los ejemplos de directrices.
Técnicas de adaptación para reparar sus contenidos para la IA
Para reparar tu contenido, puedes cambiarlo o añadirle algo.
En la tabla siguiente se describen algunas técnicas para reparar contenidos que dan lugar a respuestas inadecuadas de la IA.
| Problema | Solución |
|---|---|
| El contenido no existe. | Si procede, añada contenido para documentar el tema. No añada contenido que no pertenezca a su base de conocimientos. |
| El contenido existe, pero el LLM no lo encontró. | Intente actualizar los títulos de los temas, los encabezamientos de las secciones y la terminología del tema. |
| El LLM no entendía el contenido. | Actualice la información del tema para aclarar el contenido. Actualice el formato de la información. |
| El LLM ofrece una respuesta parcial. | Intente reformatear la información o proporcionar un resumen del contenido largo. |
Cuando un usuario emite un comentario negativo sobre una respuesta de IA, no siempre puedes abordarlo modificando tu contenido. Puede encontrar otras causas de respuestas inadecuadas que no sean fáciles o posibles de resolver. Las preguntas que formulan los usuarios pueden no ser lo suficientemente claras, completas o bien formuladas para que el LLM las entienda. Por ejemplo, las preguntas de los usuarios pueden tener este tipo de problemas:
- Palabras mal escritas
- Preguntas vagas sin suficiente información
- Gramática incorrecta
- Terminología incorrecta
- Temas irrelevantes para su base de conocimientos
Ejemplos de directrices para la reparación de contenidos para la IA
Los siguientes ejemplos de directrices para la reparación de contenidos para la IA podrían aplicarse a sus contenidos:
- Aclarar contenidos confusos
- Puede aclarar el contenido que sea vago, tenga demasiados detalles o carezca de contexto.
- Añadir contenido para la información que falta
- Puede añadir contenido para colmar una laguna en sus documentos o para mencionar alternativas a funciones que faltan. Por ejemplo, supongamos que los clientes preguntan a menudo en un vivero sobre la compra de semillas para hortalizas, que el vivero no vende. El chatbot del vivero responde a las preguntas sobre semillas con un "no lo sé" o un "no". El personal del vivero puede añadir una frase como ésta a su base de conocimientos: "No vendemos semillas, pero tenemos una gran selección de plantones de hortalizas" En ese caso, el LLM puede ofrecer una respuesta útil.
- Añadir o cambiar terminología
- Es posible que sus usuarios utilicen términos distintos a los que usted emplea en sus documentos. Si ves una tendencia, puedes mencionar el término alternativo para que el LLM pueda encontrarlo. Por ejemplo, diga algo como "una respuesta incorrecta de un LLM se conoce a veces como alucinación".