ฐานความรู้ได้กลายเป็นระบบบันทึกที่สำคัญที่สุดของ CX อย่างเงียบ ๆ: เนื้อหาเดียวกันนี้ใช้ในการฝึกอบรม AI agents, แนะนำ human agents และตอบคำถามลูกค้าโดยตรง ดังนั้นความล้มเหลวในการกำกับดูแลจึงแพร่กระจายไปเป็นภาพหลอนในวงกว้าง
"ความรู้ในฐานะโครงสร้างพื้นฐาน" อธิบายถึงการเปลี่ยนแปลงของฐานความรู้ที่เคยเป็นส่วนเสริมของการสนับสนุน ให้กลายเป็นชั้นข้อมูลที่ใช้ร่วมกันและเป็นรากฐานสำคัญที่ AI Copilot, แชทบอท, การค้นหา และเจ้าหน้าที่ที่เป็นมนุษย์ต่างก็ดึงข้อมูลไปใช้พร้อมกัน บทความเดียวไม่ได้ตอบสนองช่องทางเดียวอีกต่อไป แต่กลายเป็นข้อมูลสำหรับการฝึกฝน แหล่งข้อมูลสำหรับการดึงข้อมูล และคำตอบที่ลูกค้าเห็นได้ในคราวเดียว
การรวมศูนย์นี้ถูกเร่งให้เร็วขึ้นด้วยการสร้างข้อความที่เสริมด้วยการดึงข้อมูล (retrieval-augmented generation) ซึ่งดึงข้อมูลโดยตรงจากคลังความรู้เพื่อเป็นพื้นฐานในการตอบสนองของ AI ข้อดีคือความสอดคล้อง ข้อเสียที่เห็นได้ชัดเจนขึ้นเรื่อยๆ ตลอดปี 2024 และ 2025 คือบทความที่ล้าสมัย คลุมเครือ หรือไม่มีเจ้าของ ไม่ใช่แค่ช่องว่างเล็กๆ น้อยๆ ในการบริการอีกต่อไป แต่เป็นช่องทางที่ AI จะสร้างภาพหลอนและพูดซ้ำอย่างมั่นใจในการสนทนาหลายพันครั้งก่อนที่ใครจะสังเกตเห็น
ผลลัพธ์ในทางปฏิบัติคือการเป็นเจ้าของเนื้อหา การจัดการเวอร์ชัน และความสดใหม่ของข้อมูล ซึ่งเคยเป็นงานหลังบ้าน ตอนนี้กลับกลายเป็นสิ่งสำคัญต่อความไว้วางใจของลูกค้า เช่นเดียวกับการยืนยันตัวตนและการชำระเงิน
Why we think it'll come up
RAG made the knowledge base an AI training set overnight
Retrieval-augmented generation architectures, widely adopted by contact centre platforms through 2023-2025, pull live from support articles to ground chatbot and copilot answers. This turned every content update — or lack of one — into an instantaneous change in what AI tells customers, with no human review layer in between.
Gartner forecast widespread abandonment of GenAI pilots over data quality
Gartner's July 2024 forecast warned that at least 30% of generative AI projects would be abandoned after proof of concept by the end of 2025, pointing to poor data quality, inadequate risk controls, escalating costs and unclear business value as the primary drivers — knowledge governance, not algorithm choice, was flagged as the likely bottleneck.
Enterprise search vendors pivoted their pitch from 'findability' to 'trust'
Through 2024-2025, major knowledge-management and enterprise search vendors reoriented product messaging around content freshness scoring, article ownership and audit trails — a direct response to buyers asking how they prevent AI agents surfacing deprecated policy or pricing information.
What it changes for customer experience
For customers
A wrong answer from an AI agent now feels authoritative and is delivered instantly to many people at once, eroding trust faster than a single human error ever could.
For business
Legal, compliance and pricing content that was tolerably stale in a rarely-read PDF becomes a liability the moment it feeds a customer-facing AI agent verbatim.
For CX & operations
Content ownership shifts from a support-team chore to a cross-functional governance function, with clear authors, review cadences and retirement dates for every article.
Industries on the front line
บทความเดียว คำตอบผิดนับพัน
ตลอดทศวรรษที่ผ่านมา บทความในฐานความรู้ที่ล้าสมัยเป็นปัญหาที่จำกัดวง เจ้าหน้าที่อาจอ่านแล้วรู้สึกว่ามีบางอย่างผิดปกติ และแก้ไขลูกค้าอย่างเงียบๆ แบบเรียลไทม์ การตัดสินใจของมนุษย์อยู่ระหว่างเนื้อหาที่ไม่ดีกับลูกค้า แต่ตอนนี้ตัวกลางนั้นกำลังหายไป การสร้างข้อความเสริมด้วยการดึงข้อมูลทำให้ AI copilot และแชทบอทที่ติดต่อกับลูกค้าสามารถดึงข้อมูลโดยตรงจากแหล่งเก็บข้อมูลเดียวกัน และพวกเขาก็จะพูดซ้ำสิ่งที่พบด้วยความมั่นใจอย่างเต็มที่ โดยไม่มีการลังเลหรือการตั้งคำถาม ข้อผิดพลาดที่เคยส่งผลกระทบต่อการโทรเพียงครั้งเดียว อาจแพร่กระจายไปทั่วทุกการสนทนาที่ AI เข้าไปเกี่ยวข้องในวันนั้น
นี่คือการค้นพบที่ไม่สบายใจที่ศูนย์บริการลูกค้าหลายแห่งกำลังเผชิญตลอดปี 2024 และ 2025 เมื่อพวกเขานำ AI ที่ทดลองใช้ไปใช้งานจริง โมเดลแทบจะไม่ใช่ปัญหา ความรู้ที่ป้อนเข้าไปต่างหากที่เป็นปัญหา การคาดการณ์ของ Gartner ในเดือนกรกฎาคม 2024 ที่อ้างอิงอย่างกว้างขวางว่าอย่างน้อย 30% ของโครงการ AI เชิงสร้างสรรค์จะถูกยกเลิกหลังจากพิสูจน์แนวคิดภายในสิ้นปี 2025 ส่วนใหญ่เนื่องจากคุณภาพข้อมูลที่ไม่ดี การควบคุมความเสี่ยงที่ไม่เพียงพอ ค่าใช้จ่ายที่เพิ่มขึ้น หรือคุณค่าทางธุรกิจที่ไม่ชัดเจน ไม่ใช่คำกล่าวเกี่ยวกับปัญญาประดิษฐ์จริงๆ แต่เป็นการเตือนเกี่ยวกับระเบียบวินัยขององค์กรเกี่ยวกับเนื้อหา
ฐานความรู้ไม่ได้เป็นเพียงเครื่องมือสนับสนุนอีกต่อไป แต่กำลังกลายเป็นระบบการผลิต มันต้องการความเข้มงวดเช่นเดียวกับระบบที่เคลื่อนย้ายเงิน
ทำไมธรรมาภิบาลจึงกลายเป็นเรื่องเร่งด่วน ไม่ใช่แค่ความปรารถนา
การจัดการความรู้มีชั้นธรรมาภิบาลตามทฤษฎีมาโดยตลอด ไม่ว่าจะเป็นคู่มือสไตล์ วงจรการตรวจสอบ และขั้นตอนการอนุมัติ ในทางปฏิบัติ องค์กรส่วนใหญ่จัดการอย่างหลวมๆ เพราะต้นทุนของบทความที่ล้าสมัยมีน้อยและจำกัด ลูกค้าอาจได้รับคำตอบที่ล้าสมัยเล็กน้อยจากการค้นหา เจ้าหน้าที่อาจตรวจพบข้อผิดพลาดก่อนที่จะพูดซ้ำกับลูกค้า
AI กำจัดข้อผิดพลาดนั้น เมื่อบทความเดียวกันฝึกอบรมการตอบสนองที่แนะนำของ copilot พร้อมกัน ให้คำตอบของแชทบอทลูกค้า และเติมผลการค้นหาด้วยตนเอง ความถูกต้องของมันไม่ใช่ปัญหาคุณภาพชีวิตอีกต่อไป มันกลายเป็นตัวกำหนดว่าสามช่องทางที่แตกต่างกันจะบอกลูกค้าสามสิ่งที่แตกต่างกัน หรือสามสิ่งที่ผิดพลาด ในบ่ายวันเดียวกันหรือไม่ การเป็นเจ้าของที่ไม่ชัดเจน ซึ่งเป็นโหมดความล้มเหลวของฐานความรู้แบบคลาสสิก ตอนนี้ปรากฏเป็นภาพหลอนของ AI ที่ดูน่าเชื่อถืออย่างสมบูรณ์สำหรับผู้ที่อ่าน
สิ่งนี้ต้องการอะไรในการปฏิบัติงาน
การปฏิบัติต่อความรู้เสมือนโครงสร้างพื้นฐานหมายถึงการใช้ระเบียบวินัยของโครงสร้างพื้นฐาน: เจ้าของที่ระบุชื่อสำหรับทุกบทความ, วันที่ตรวจสอบตามกำหนดเวลา, ประวัติเวอร์ชัน และที่สำคัญคือ ประตูระหว่างการสร้างเนื้อหาและการนำเข้า AI องค์กรบางแห่งกำลังดำเนินการขั้นตอนการจัดเตรียม โดยที่บทความใหม่หรือที่แก้ไขจะอยู่ในดัชนีการดึงข้อมูลแบบแซนด์บ็อกซ์และได้รับการตรวจสอบความถูกต้องเทียบกับคำถามตัวอย่างก่อนที่จะโปรโมตไปยังคลังข้อมูลที่ AI ใช้งานจริง สิ่งนี้สะท้อนให้เห็นว่าทีมซอฟต์แวร์ทดสอบโค้ดก่อนการปรับใช้ และสะท้อนความจริงที่กว้างขึ้น: เนื้อหาตอนนี้คือโค้ด ในแง่ที่ว่ามันทำงานในวงกว้างโดยไม่มีการตรวจสอบโดยมนุษย์ ณ จุดส่งมอบ
นอกจากนี้ยังมีปัญหาการเลิกใช้งาน ฐานความรู้ส่วนใหญ่สะสมบทความเร็วกว่าการตัดทิ้ง ระบบ AI ไม่มีสัญชาตญาณว่าเอกสารนโยบายปี 2019 ถูกแทนที่ไปแล้วสองครั้ง มันจะดึงข้อมูลที่จัดทำดัชนีและนำเสนอด้วยความมั่นใจเช่นเดียวกับการอัปเดตเมื่อเช้านี้ ขั้นตอนการเลิกใช้งาน — การเก็บถาวรอย่างจริงจัง ไม่ใช่แค่ปล่อยให้เน่าเปื่อย — กลายเป็นสิ่งสำคัญพอๆ กับขั้นตอนการสร้าง การคาดการณ์ของ Gartner เป็นการทำนายถึงสิ่งที่เกิดขึ้นเมื่อองค์กรข้ามขั้นตอนนี้: โครงการนำร่องที่ดูมีแนวโน้มในการสาธิตที่ควบคุมได้จะล้มเหลวเมื่อคุณภาพข้อมูลในโลกแห่งความเป็นจริง ความเสี่ยง และต้นทุนปรากฏขึ้นในวงกว้าง
ชั้นพฤติกรรม: ความมั่นใจที่ปราศจากการแก้ไข
มีความเสี่ยงที่ละเอียดอ่อนกว่าที่นี่ซึ่งมีรากฐานมาจากวิธีที่ผู้คนประมวลผลข้อมูลที่นำเสนออย่างมั่นใจ การวิจัยพฤติกรรมเกี่ยวกับอารมณ์ความรู้สึกแสดงให้เห็นว่าผู้คนใช้ความคล่องแคล่วและความมั่นใจในการนำเสนอเป็นตัวบ่งชี้ความถูกต้อง — คำตอบที่ผิดที่พูดอย่างมั่นใจมักจะน่าเชื่อถือกว่าคำตอบที่ถูกต้องที่ลังเล ตัวแทน AI นำเสนอทุกคำตอบ ไม่ว่าจะถูกหรือผิด ด้วยความคล่องแคล่วที่เหมือนกัน ลูกค้าไม่มีสัญญาณที่จะไม่เชื่อคำตอบที่ผิด สิ่งนี้กำจัดสิ่งที่การปฏิสัมพันธ์ของมนุษย์เคยให้มาเกือบฟรี: การลังเล การหยุดชั่วคราว ความไม่แน่นอนที่มองเห็นได้ซึ่งเคยเป็นสัญญาณว่า 'ตรวจสอบสิ่งนี้ก่อนที่คุณจะเชื่อถือ'
ธรรมาภิบาลที่ดีเป็นอย่างไร
องค์กรที่หลีกเลี่ยงการเป็นส่วนหนึ่งของสถิติการคาดการณ์ของ Gartner มักจะมีนิสัยปฏิบัติบางอย่างร่วมกัน พวกเขามอบหมายเจ้าของที่ระบุชื่อเพียงคนเดียวให้กับทุกบทความ แทนที่จะปล่อยให้เนื้อหา 'เป็นของทีม' พวกเขากำหนดรอบการตรวจสอบที่ชัดเจนซึ่งเชื่อมโยงกับความเสี่ยง — เนื้อหาการกำหนดราคาและการปฏิบัติตามข้อกำหนดจะได้รับการตรวจสอบบ่อยกว่าคู่มือวิธีการทั่วไป พวกเขาสร้างประตูการตรวจสอบก่อนที่บทความที่อัปเดตจะเข้าถึงดัชนีการดึงข้อมูล AI แบบสด โดยปฏิบัติต่อการเปลี่ยนแปลงเนื้อหาด้วยความระมัดระวังเช่นเดียวกับการเผยแพร่โค้ด และพวกเขากำจัดเนื้อหาที่ล้าสมัยอย่างแข็งขัน แทนที่จะปล่อยให้มันคงอยู่ในดัชนีอย่างไม่มีกำหนด รอให้ระบบ AI ที่ไม่มีความรู้สึกถึงความล้าสมัยของตัวเองนำเสนอ สิ่งเหล่านี้ไม่มีอะไรแปลกใหม่ มันคือสุขอนามัยการดำเนินงานขั้นพื้นฐานที่นำไปใช้กับส่วนหนึ่งของธุรกิจที่กลายเป็นส่วนที่รับน้ำหนักอย่างเงียบๆ ก่อนที่องค์กรส่วนใหญ่จะสังเกตเห็น
ตรวจสอบฐานความรู้ในฐานะระบบการผลิต ไม่ใช่คลังเอกสาร: กำหนดเจ้าของบทความ, กำหนดรอบการตรวจสอบบังคับ, และจำกัดเนื้อหาใดๆ ที่ป้อนเข้าสู่การดึงข้อมูล AI โดยต้องผ่านการตรวจสอบความสดใหม่และความถูกต้องก่อนเผยแพร่
Trends Radar
Other trends
Build for what's next
Turn this trend into a measurable experience advantage.