📰 海外事例
元記事:Building an Open-Source Support Tool That Turns Your Docs into Reusable Knowledge(dev.to)
dev.toに載った、CopilotKit社でDevRel(開発者向けの広報・交流)を担当する筆者が作っているオープンソースのAIサポートツール「answerLoops」の紹介記事です。Discord・Slack・GitHubなどに届く質問を1か所に集め、AIが回答の下書きを作ります。特徴は、回答の途中で見つかった「ドキュメントに載っていない答え」をチームの知識ベースへ戻し、次の質問で使えるようにする循環(ループ)にあります。筆者自身のツールの紹介で、導入した効果の数字は書かれていません。
質問が来てから答えるまで
質問は1つの画面に集まります。AIが知識ベースを使って回答の下書きを作り、別のAIが「自信度」と「質問に答えきれているか」を採点します。自動返信は初期状態でオフで、オンにしても、基準を満たした回答だけが自動で送られ、それ以外は人が確認します。サイトに埋め込めるチャットもあり、こちらは公開済みの知識ベースの記事だけを参考にして答えます。
知識ベースに答えを戻す4つの経路
AIの答えの質は、知識ベースに何が入っているかで決まります。筆者が力を入れたのは、そこへ答えを入れる経路です。
- すでにあるもの:ドキュメントのURL、PDFやMarkdownなどのファイル、GitHub、Notionから取り込みます。Notionの内容は未公開の状態で入るので、確認してから公開できます。
- 誰かの頭の中だけにあるもの:画面から手で書き足します。保存した時点で公開されるので、お客さんが読んでも問題ない書き方にします。
- 解決したチケット:質問と答えを知識ベースの記事に昇格できます。その会話だけに当てはまる情報は取り除いてから公開します。
- 答えられなかった質問:Reviewの画面にたまります。人が答えを直して承認したものだけが記事になり、同じ質問は件数が増えるだけなので、よく聞かれる質問が上に並びます。
見つかるかを試す
記事を足したあとは、実際の質問を入れて、その記事が見つかるかを試せます。確かめられるのは検索で見つかるかどうかで、AIが作る回答が正しいかは別に確認が必要です。知識ベースに該当する記事がないと、AIは一般的な知識で答えてしまい、自社製品の実情に合わないことがあります。だから、答えのない質問を見つけて記事を足し続けることが運用の中心になる、というのが筆者の考えです。コードと使い方はGitHubで公開されています。
これからの時代、人間が手本を出力した異なるものは極力AIに吸収させ、自動化させることが標準になっていくと思うます。その観点で言うと、人間が知識を引き出して、誰かが回答したり何かを作ったりしたのに、それがAIの読み込める積み重ねになっていないというのは大変な非効率です。一度人間が出したものは取りこぼさず、AIが読める形で残す仕組みを作るのは、企業はもちろん、一般の人や個人事業主でもとても大事になっていくはず。
answerLoopsは、その中でも質問への回答を扱うナレッジの仕組みということですね。やり取りをしたあとの回答を流して、データベースに蓄えていく、という作りです。




