Sejamos honestos, um agente de suporte de IA é tão inteligente quanto a informação que lhe fornece. Acertar nas fontes de conhecimento é a diferença entre uma IA que realmente ajuda os clientes e um bot frustrante que apenas cria mais trabalho para a sua equipa, escalando todos os outros tickets.
O Freddy AI Agent da Freshworks é uma escolha popular para equipas que procuram automatizar o suporte, mas o seu verdadeiro poder depende inteiramente das suas Fontes de Conhecimento do Freddy AI Agent. Se não fizer a configuração corretamente desde o início, não está a poupar tempo, está apenas a arranjar dores de cabeça futuras.
Este guia está aqui para o orientar exatamente sobre quais fontes de conhecimento o Freddy suporta, como configurá-las e, mais importante, as limitações que precisa de conhecer. Também exploraremos uma abordagem diferente para equipas que precisam de um pouco mais de flexibilidade e poder da sua IA.
Compreender o Freddy AI Agent e as suas Fontes de Conhecimento do Freddy AI Agent
O Freddy AI Agent é a ferramenta de IA própria da Freshworks, criada para funcionar diretamente dentro das plataformas Freshdesk e Freshchat. A maneira mais fácil de pensar nele é como um novo colega de equipa digital cujo principal trabalho é lidar com a linha da frente do suporte ao cliente.
Ele lê as perguntas dos clientes e tenta encontrar respostas extraindo informações de um conjunto específico de documentos que lhe forneceu. Isto permite-lhe lidar com todas aquelas perguntas comuns e repetitivas que tendem a sobrecarregar a fila de suporte, como "Como reponho a minha palavra-passe?" ou "Onde posso encontrar a minha fatura?"
O objetivo principal é libertar os seus agentes humanos para que se possam concentrar nos problemas complicados que realmente exigem a sua especialização. Mas tudo se resume a uma coisa: a IA só pode ser tão boa quanto a informação a que tem acesso.
Compreender as Fontes de Conhecimento do Freddy AI Agent
O Freddy AI extrai as suas respostas de quatro tipos principais de conteúdo. À primeira vista, parece simples, mas existem algumas restrições importantes que deve conhecer antes de se comprometer totalmente. Para muitas equipas, especialmente aquelas com informações espalhadas por diferentes aplicações, estes limites podem rapidamente tornar-se um problema real.
As Fontes de Conhecimento do Freddy AI Agent que pode usar (e os seus limites)
Aqui está um resumo do que pode ligar ao Freddy. Também adicionámos uma comparação para lhe mostrar como é uma abordagem mais flexível.
| Tipo de Fonte | Suporte e Limitações do Freddy AI Agent | Uma Abordagem Mais Flexível (eesel AI) |
|---|---|---|
| Ficheiros | Pode carregar ficheiros .pdf, .docx e .txt. Mas os limites são bastante restritos: tem apenas 35MB por ficheiro e um total de 200 ficheiros para toda a sua conta. Também não consegue ler documentos protegidos por palavra-passe, o que é um obstáculo comum. | Conecta-se diretamente à fonte. Em vez de o fazer carregar ficheiros manualmente e preocupar-se com limites, integra-se com as ferramentas que a sua equipa já usa, como Google Docs, Confluence e Notion, e mantém tudo sincronizado automaticamente. |
| URLs | Só pode apontá-lo para URLs públicos, pelo que quaisquer wikis internos ou conteúdo protegido por palavra-passe estão fora dos limites. Também está limitado a 10 URLs por agente e 25 por conta. O crawler apenas lê texto estático, pelo que qualquer informação útil em vídeos ou animações é ignorada. | Pode rastrear sites públicos, mas também se integra diretamente com todo o seu centro de ajuda, seja no Zendesk, Intercom ou noutra plataforma. Não precisa de contar URLs, ele simplesmente aprende com todo o seu conhecimento. |
| FAQs | Isto conecta-se aos seus artigos existentes da Base de Conhecimento do Freshdesk. Funciona bem se já investiu tempo para organizar todo o conhecimento da sua empresa de forma organizada dentro do Freshdesk. | Conecta-se a qualquer centro de ajuda que utilize. Mais importante, também pode aprender diretamente com o seu histórico de tickets passados. Isto significa que as suas respostas são moldadas pelas soluções reais e bem-sucedidas que a sua equipa já forneceu aos clientes. |
| Perguntas e Respostas Personalizadas | Esta funcionalidade permite-lhe adicionar manualmente pares de pergunta e resposta específicos, um a um. É a sua principal ferramenta para preencher quaisquer lacunas de conhecimento que encontre depois de o bot estar ativo e os clientes começarem a confundi-lo. | Tem uma funcionalidade semelhante para adições rápidas, mas também cria automaticamente rascunhos de novos artigos da base de conhecimento com base em tickets resolvidos com sucesso. Isto ajuda-o a preencher proativamente as lacunas de informação com conteúdo que já provou funcionar. |
A principal conclusão aqui é que as fontes de conhecimento do Freddy são um bom ponto de partida, mas podem parecer restritivas, especialmente para uma equipa em crescimento. Os limites de ficheiros e URLs, a incapacidade de aceder a conteúdo privado e as integrações superficiais significam que provavelmente atingirá um limite à medida que a base de conhecimento da sua empresa cresce.
Um infográfico que mostra como o eesel AI se conecta a múltiplas fontes de conhecimento de forma transparente, destacando uma alternativa flexível às Fontes de Conhecimento do Freddy AI Agent.Para equipas cuja informação está espalhada por todo o lado, desde wikis internos a threads do Slack e tickets de suporte passados, uma ferramenta como o eesel AI é muitas vezes uma opção muito melhor. Foi construído para reunir conhecimento de mais de 100 fontes sem limites rígidos, dando à sua IA uma visão muito mais rica e precisa do seu negócio.
Como preparar conteúdo para as suas Fontes de Conhecimento do Freddy AI Agent
Para que qualquer agente de IA faça bem o seu trabalho, o seu conteúdo precisa de ser estruturado de uma forma que uma máquina consiga entender. Uma IA não capta nuances nem lê nas entrelinhas como uma pessoa; precisa de clareza e estrutura para encontrar a resposta certa. Aqui ficam algumas dicas para colocar a sua base de conhecimento em forma.
Seja simples e direto
Tem de escrever para um robô (no bom sentido). Use uma linguagem clara e direta e evite jargões internos, acrónimos ou frases vagas. Uma IA leva tudo à letra. Uma instrução como "Pode fazer isso a partir do painel de controlo" é completamente inútil sem dizer ao utilizador qual painel de controlo e em que botão clicar. Seja específico.
Use títulos e listas
Paredes de texto longas e ininterruptas são um pesadelo para uma IA interpretar. Divida os seus artigos em secções lógicas com títulos (H2s e H3s). Ao escrever instruções passo a passo, use sempre listas numeradas ou com marcadores. Isto cria uma hierarquia clara que ajuda a IA a seguir e a extrair o passo exato que um utilizador está a pedir.
Foque cada artigo num único tópico
Não tente condensar três fluxos de trabalho diferentes num único documento. Um artigo dedicado a "Como redefinir a sua palavra-passe" dará sempre à IA uma maior probabilidade de sucesso do que um artigo geral sobre "Gestão de Conta" que também aborda faturação e atualizações de perfil. Isto torna mais fácil para a IA encontrar a melhor resposta única para a pergunta de um utilizador.
Limpe informações antigas e contraditórias
Este ponto é crucial. Todos nós já encontrámos um documento de suporte de três versões de produto atrás. Uma IA não tem como saber que o artigo de 2021 está obsoleto e que o da semana passada é a nova fonte de verdade. Se tiver informações contraditórias na sua base de conhecimento, a IA ficará confusa e começará a dar respostas pouco fiáveis. Crie o hábito de auditar o seu conteúdo e arquivar tudo o que já não for relevante.
Embora estes passos de limpeza sejam importantes para tirar o máximo proveito do Freddy, também consomem muito tempo. Para a maioria das equipas de suporte ocupadas, a ideia de reescrever centenas de artigos simplesmente não é realista.
É aqui que uma abordagem diferente pode poupar-lhe imenso trabalho. Em vez de o forçar a reestruturar manualmente toda a sua base de conhecimento, o eesel AI aprende diretamente da linguagem natural das suas conversas de suporte passadas. Ele analisa milhares de resoluções reais para entender o contexto, o tom de voz e as soluções comuns da sua empresa desde o primeiro dia, sem que precise de lançar um projeto massivo de revisão de conteúdo.
Medir o desempenho e preencher lacunas nas suas Fontes de Conhecimento do Freddy AI Agent
Depois de o seu agente de IA estar ativo, o trabalho não termina. Tem de ficar de olho no seu desempenho, descobrir onde está a ter dificuldades e preencher as lacunas no seu conhecimento. A forma como faz isto é uma das maiores diferenças entre as plataformas de IA.
O método do Freddy AI: Rever e reagir
Com o Freddy, acompanha o desempenho no painel de análise da Freshworks. Estará a analisar métricas como "Consultas não respondidas" e "Respostas não úteis" para ver onde as coisas correram mal.
O fluxo de trabalho é bastante simples: verifica os relatórios, encontra uma pergunta que o bot não conseguiu responder e, em seguida, volta manualmente para adicionar uma "Pergunta e Resposta Personalizada" ou atualizar um artigo para cobrir esse tópico.
O problema disto é que todo o processo é reativo. Tem de esperar que a IA falhe com um cliente real antes de poder encontrar o problema e corrigi-lo. Não há forma de testar como se irá comportar em milhares de cenários diferentes antes de o deixar falar com os seus utilizadores. Este método de tentativa e erro pode ser arriscado e muitas vezes leva a algumas experiências frustrantes para o cliente enquanto ainda está a resolver os problemas.
Uma forma melhor: Simular e melhorar com confiança
É aqui que o modo de simulação do eesel AI realmente se destaca. Dá-lhe uma forma de testar e refinar o seu agente de IA num ambiente completamente seguro e isolado (sandbox).
Em vez de entrar em produção e apenas esperar pelo melhor, o eesel AI pode executar o seu agente sobre milhares dos seus tickets históricos. Mostra-lhe exatamente como a IA teria respondido a problemas reais de clientes dos últimos meses, tudo sem nunca enviar uma única resposta a um cliente real.
Uma captura de ecrã do modo de simulação do eesel AI, que permite testar sem risco o desempenho da IA com as suas Fontes de Conhecimento do Freddy AI Agent.Esta abordagem focada na simulação dá-lhe três grandes vantagens:
-
Testes sem risco: Consegue ver precisamente como a IA lidaria com perguntas de clientes complicadas, com nuances ou até mesmo zangadas, sem qualquer risco para a reputação da sua empresa. Pode ajustar a sua personalidade e regras de escalonamento até se sentir completamente confortável com o seu desempenho.
-
Previsão precisa: A simulação dá-lhe uma previsão fiável e baseada em dados da sua taxa de resolução potencial. Saberá qual a percentagem de tickets que a IA pode tratar desde o primeiro dia, o que o ajuda a prever a poupança de custos e a planear a carga de trabalho da sua equipa.
-
Análise proativa de lacunas: Talvez a melhor parte seja que a simulação aponta automaticamente os tópicos e perguntas que as suas fontes de conhecimento atuais não cobrem. Dá-lhe uma lista de tarefas clara e priorizada dos artigos exatos que precisa de criar para tornar a sua IA ainda mais inteligente.
Este método proativo e orientado por dados está a anos-luz do modelo reativo do Freddy. Permite-lhe construir, testar e lançar um agente de IA em que pode confiar, sabendo que já foi testado contra o seu próprio histórico de suporte do mundo real.
Preços: Freddy AI vs. uma alternativa previsível
Os modelos de preços de IA podem ser notoriamente confusos, por isso é importante entender pelo que está realmente a pagar.
A Freshworks divide o seu produto Freddy AI em duas partes com preços diferentes:
-
Freddy AI Copilot: Esta é a ferramenta que auxilia os seus agentes humanos. Custa $35 por agente por mês.
-
Freddy AI Agent: Este é o agente autónomo que resolve tickets por si só. O preço é de $99 por 800 "sessões."
Então, o que é uma "sessão"? A Freshworks define-a como uma única resposta por e-mail ou toda a troca de mensagens numa conversa de chat dentro de uma janela de 24 horas.
Este modelo baseado em sessões pode tornar os seus custos imprevisíveis. Por exemplo, um único ticket de e-mail que requer algumas respostas pode consumir três ou quatro sessões, tornando difícil adivinhar qual será a sua fatura no final do mês. Também tem de comprar sessões em blocos de 800, o que pode parecer um desperdício se o seu uso não se alinhar perfeitamente.
Uma captura de ecrã da página de preços transparente do eesel AI, que oferece uma alternativa previsível aos modelos baseados em sessões para agentes de IA que utilizam várias fontes de conhecimento.Para comparação, o preço do eesel AI foi concebido para ser simples e previsível. Os planos baseiam-se numa contagem mensal de interações (uma interação = uma resposta ou ação da IA), e não há taxas por resolução. Isto significa que os seus custos não aumentam subitamente quando a IA tem um bom mês. Todos os produtos principais, AI Agent, Copilot, Triage e mais, estão incluídos num único plano. Pode começar com uma subscrição mensal flexível e cancelar a qualquer momento, dando-lhe a liberdade de escalar sem ficar preso a um contrato de longo prazo.
Escolher a estratégia certa para as suas Fontes de Conhecimento do Freddy AI Agent
As Fontes de Conhecimento do Freddy AI Agent oferecem uma forma funcional, embora básica, de colocar uma IA a funcionar dentro do ecossistema da Freshworks. Mas vêm com algumas limitações reais em termos de conectividade, escalabilidade e testes que podem atrasar a sua equipa. Preparar o seu conteúdo para o Freddy exige muito esforço manual, e melhorar o seu desempenho é um processo lento e reativo de corrigir erros depois de já terem afetado um cliente.
Para equipas modernas que precisam de se mover mais rápido e com mais confiança, vale a pena considerar uma abordagem mais poderosa. O eesel AI foi construído para uma realidade diferente, uma onde o conhecimento da empresa está espalhado por dezenas de ferramentas e onde as equipas não se podem dar ao luxo de arriscar uma má experiência do cliente.
Se o seu objetivo é:
-
Unificar o conhecimento de todas as suas aplicações instantaneamente, não apenas de alguns tipos de ficheiros aprovados.
-
Automatizar o suporte com confiança, usando simulações em larga escala e sem risco.
-
Trabalhar com um modelo de preços transparente e previsível que cresce consigo.
Então talvez seja altura de olhar para além da solução integrada. Em vez de passar meses a tentar organizar uma base de conhecimento limitada, pode entrar em produção com um agente de IA mais inteligente e mais conectado em minutos.
Perguntas frequentes
O Freddy AI Agent extrai respostas principalmente de ficheiros PDF, DOCX e TXT. Também utiliza URLs públicos, artigos existentes da Base de Conhecimento do Freshdesk (FAQs) e Perguntas e Respostas Personalizadas adicionadas manualmente.
Sim, existem limites restritos. Pode carregar um máximo de 200 ficheiros no total, com cada ficheiro não excedendo 35MB. Para URLs públicos, está limitado a 10 URLs por agente e 25 por conta, e não pode aceder a conteúdo protegido por palavra-passe.
Para otimizar o seu conteúdo, use uma linguagem clara e direta, utilize títulos e listas para estrutura, foque cada artigo num único tópico e limpe regularmente informações antigas ou contraditórias. Esta abordagem estruturada ajuda a IA a entender e a recuperar respostas precisas.
Não, o Freddy AI Agent não consegue aceder a documentos protegidos por palavra-passe. Da mesma forma, não pode usar wikis internos ou qualquer outro conteúdo protegido por login, pois o seu crawler de URLs apenas lê texto estático de páginas web acessíveis publicamente.
Acompanha o desempenho através do painel de análise da Freshworks, procurando por respostas não respondidas ou não úteis. Quando os problemas são identificados, adiciona manualmente Perguntas e Respostas Personalizadas ou atualiza artigos existentes para resolver as lacunas de conhecimento de forma reativa.
O Freddy AI utiliza principalmente uma abordagem reativa, onde identifica lacunas de conhecimento depois de o agente interagir com clientes reais. Não oferece um modo de simulação para testar proativamente contra dados históricos antes de entrar em produção.
