Jak zbudować bazę wiedzy AI? żeby agent odpowiadał z Twoich dokumentów, nie z domysłu

01

Co wchodzi do bazy wiedzy agenta AI?

Baza wiedzy to nie folder z plikami. To lista źródeł, z których agent ma prawo odpowiadać, każde z właścicielem i datą. Część z nich to dokumenty, część to systemy odpytywane dopiero w momencie pytania.

Podział przebiega po tym, jak szybko dane się zmieniają. Treść, która stoi tygodniami (procedura, regulamin, opis produktu, warunki handlowe), trafia do bazy jako dokument. Liczba, która zmienia się w ciągu dnia (stan magazynu, saldo, etap szansy w CRM), idzie zapytaniem do systemu, bo jej kopia jest nieaktualna już w chwili zapisu.

Sposób, w jaki agent sięga po dane z systemu, ma osobny poradnik: standard MCP opisuje, jak podłącza się narzędzia. Tutaj liczy się co innego. BOND, nasz firmowy agent AI, odpowiada z danych firmy w 5 do 10 sekund i podaje źródło odpowiedzi, ale to źródło ktoś musi wcześniej uporządkować.

Kolejność podłączania ustal po tym, ile pytań z Twojej listy trzydziestu obsłuży dane źródło. Zwykle dwa pierwsze zamykają jej większą część niż pozostałe cztery razem, a każde kolejne źródło to osobna praca z uprawnieniami.

02

Jak przygotować dokument, żeby agent umiał go zacytować?

Model czyta tekst, nie układ graficzny. Dokument z ramkami, tabelą rozbitą na kolumny i skanem podpisu jest dla niego gorszy niż zwykły plik tekstowy z nagłówkami. Sprawdza się jeden temat na dokument, nagłówek w formie pytania i jedna odpowiedź pod tym nagłówkiem.

Różnicę widać dopiero przy cytowaniu. Bez przygotowanego źródła odpowiedź brzmi: termin płatności to 14 dni. Z przygotowanym: termin płatności to 14 dni, Regulamin sprzedaży, wersja 3, sekcja „Płatności”, obowiązuje od 1 marca 2026. Pierwszą trzeba sprawdzać od zera, drugą sprawdzasz w kilkanaście sekund, więc ktoś faktycznie to robi.

Wymuszenie cytatu zmienia też to, czego agent nie napisze. Gdy instrukcja brzmi „odpowiadaj wyłącznie z podanych fragmentów i podaj nazwę dokumentu”, pytanie bez pokrycia w bazie kończy się odmową zamiast gładkim zdaniem z wiedzy ogólnej. Osobno piszemy o tym w poradniku halucynacje AI.

• Jeden temat na dokument, nagłówek w formie pytania, jedna odpowiedź pod nagłówkiem
• Wersja, data obowiązywania i właściciel w stałym miejscu pliku, na górze albo na dole
• Skróty i nazwy wewnętrzne rozwinięte przy pierwszym użyciu, bo pytający użyje innego słowa niż autor
• Zamiast „patrz załącznik” pełna treść w dokumencie: agent nie otworzy załącznika za Ciebie
• Skan bez warstwy tekstowej przepuszczony przez rozpoznawanie tekstu albo przepisany, inaczej jest niewidoczny

03

Po co dzielić dokumenty na fragmenty?

Agent nie wysyła modelowi całego dysku. Do pytania dobiera kilka najlepiej pasujących fragmentów i dopiero z nich powstaje odpowiedź. Dlatego dokument tnie się na kawałki, a od tego cięcia zależy, czy agent trafi w konkretną sekcję, czy poda ogólnik z pierwszej strony.

W naszych wdrożeniach fragment liczy od 300 do 800 tokenów, czyli mniej więcej od jednego do trzech akapitów, i niesie ze sobą nazwę dokumentu oraz nagłówek sekcji. Bez nagłówka fragment „termin wynosi 14 dni” nie mówi, o który termin i którą umowę chodzi.

• Fragment od 300 do 800 tokenów: krótszy gubi kontekst, dłuższy rozmywa pytanie
• Nazwa dokumentu i nagłówek sekcji dopisane do każdego fragmentu, żeby dało się go zacytować
• Cięcie po nagłówkach, nie co tyle samo znaków: procedura przecięta w połowie kroku daje połowę odpowiedzi
• Tabela zostaje w całości albo idzie do bazy jako dane; wiersz bez nagłówków kolumn jest bezużyteczny

04

Wyszukiwanie po znaczeniu czy po słowach?

To dwa różne mechanizmy i każdy z nich osobno zawodzi. Wyszukiwanie po słowach szuka dokładnego ciągu znaków: trafi w numer faktury i nie znajdzie nic, gdy pytający pisze o urlopie na żądanie, a procedura nazywa to wolnym na telefon. Wyszukiwanie po znaczeniu robi odwrotnie: rozumie parafrazę, gubi numer.

Dlatego w praktyce puszcza się oba naraz i łączy wyniki. Kosztuje to jedno dodatkowe zapytanie do bazy i zdejmuje najbardziej irytującą klasę błędów: agenta, który nie znajduje dokumentu, o którym wiesz, że istnieje.

Wniosek bierz z własnej listy pytań. Pytania z nazwami własnymi, numerami dokumentów i symbolami produktów potrzebują wyszukiwania po słowach, pytania „jak się to robi” wyszukiwania po znaczeniu. Zwykle na liście są oba rodzaje, więc oba mechanizmy zostają włączone.

05

Która wersja dokumentu obowiązuje?

To błąd numer jeden w bazach zbudowanych przez podłączenie dysku firmowego. Leżą na nim trzy cenniki: „cennik”, „cennik nowy” i „cennik nowy FINAL 2”. Agent znajdzie wszystkie trzy i wybierze ten, który lepiej pasuje do pytania, bo z treści nie wynika, który jest ważny.

Rozstrzygnięcie nie jest techniczne, tylko organizacyjne. Ktoś musi powiedzieć, która wersja obowiązuje, a pozostałe mają wypaść z bazy. Kopia zapasowa ma prawo leżeć na dysku, w bazie wiedzy agenta nie ma prawa się znaleźć.

• Data obowiązywania w treści dokumentu, nie w nazwie pliku: nazwę zmieni każdy, kto kliknie kopiuj
• Jeden obowiązujący dokument na jeden temat, reszta poza bazą albo w archiwum bez dostępu dla agenta
• Dokument wygasły oznaczony wprost, żeby agent umiał powiedzieć, że warunki już nie obowiązują
• Sprzeczność zgłoszona człowiekowi: agent pokazuje obie wersje i pyta, zamiast wybierać za Ciebie
• Nowa wersja wchodzi do bazy tego samego dnia, w którym zaczyna obowiązywać, a nie po kwartale

06

Kto ma widzieć który dokument?

Baza wiedzy dziedziczy problem, który firma miała wcześniej: na wspólnym dysku leżą pliki, których połowa zespołu nie powinna otwierać. Agent ujawnia to w tydzień, bo odpowiada każdemu, kto zapyta, i robi to szybciej, niż ktokolwiek zdążyłby przejrzeć folder ręcznie.

Zakres ustawia się po stronie źródeł i osoby pytającej, a nie w instrukcji dla modelu. Zdanie „nie odpowiadaj na pytania o wynagrodzenia” jest sugestią, którą da się obejść innym sformułowaniem pytania. Brak dostępu do folderu kadr jest faktem. RODO nazywa to minimalizacją: przetwarzasz tylko dane niezbędne do celu (art. 5 ust. 1 lit. c rozporządzenia 2016/679).

• Agent widzi tyle, ile widzi pytający, a nie tyle, ile widzi konto techniczne integracji
• Kadry, płace i sprawy pracownicze w osobnym zakresie, z własną listą osób i własnym logiem
• Dane osobowe klientów tylko tam, gdzie są potrzebne do odpowiedzi, reszta wycięta przed wejściem do bazy
• Log pytań i odpowiedzi razem z tym, który dokument został pokazany i komu
• Odmowa z powodu uprawnień brzmi jak odmowa, nie jak brak danych: pytający ma wiedzieć, kogo zapytać

07

Kto i jak często aktualizuje bazę wiedzy?

Baza wiedzy to nie projekt z datą końcową, tylko rejestr z właścicielami. Jeśli po trzech miesiącach nikt nie dopisał ani jednego dokumentu i nikt niczego nie wycofał, to znaczy, że zespół przestał z niej korzystać, a nie że firma stoi w miejscu.

1. 01

   Rejestr dokumentów

   Jedna tabela: nazwa dokumentu, właściciel, data ostatniego przeglądu, termin kolejnego. Dokument bez właściciela nie wchodzi do bazy, bo nie ma kogo zapytać w dniu, w którym przestanie być prawdziwy.

2. 02

   Przegląd w rytmie zmian

   Cennik i warunki handlowe co miesiąc, procedury co kwartał, regulaminy przy zmianie przepisu. Termin siedzi w kalendarzu właściciela, nie w notatce z warsztatu.

3. 03

   Luki z prawdziwych pytań

   Pytania, przy których agent nie znalazł dokumentu, spływają na jedną listę. Raz w tygodniu ktoś decyduje: dopisujemy dokument, poprawiamy istniejący czy zostawiamy temat poza zakresem.

4. 04

   Kontrola po 30 i 90 dniach

   Ten sam zestaw pytań co przed startem, zadany ponownie na tych samych źródłach. Odpowiedź, która zmieniła się bez powodu, oznacza, że do bazy wszedł dokument, którego nikt nie zatwierdził.